Ak dnes používate internet, je dosť možné, že sa každý deň stretávate s umelou inteligenciou alebo s technológiami, ktoré využívajú analýzu dát. Keď Netflix odporučí nový seriál, YouTube ponúkne ďalšie video alebo internetový obchod zobrazí produkty, ktoré by mohli byť zaujímavé, nejde vždy o náhodný výber. Takéto služby využívajú rôzne algoritmy, ktoré spracúvajú údaje a pomáhajú odhadnúť, čo by asi pre Vás mohlo byť zaujímavé.
V posledných rokoch sa o umelej inteligencii, často označovanej skratkou AI (angl. Artificial Intelligence), hovorí čoraz viac. Dostupné sú kvalitné nástroje, ktoré dokážu vytvárať texty a obrázky a pomáhať s programovaním, prekladať jazyky alebo odpovedať na otázky. Súčasne sa často možno stretnúť aj s pojmom dátová veda (angl. Data Science).
Aký je medzi týmito oblasťami rozdiel, čo vlastne robí dátový vedec a musíte vedieť programovať, aby ste mohli pracovať s dátami?
Čo je umelá inteligencia?
Umelá inteligencia je oblasť informatiky, ktorá sa zaoberá vytváraním systémov schopných vykonávať úlohy, pri ktorých sa bežne vyžadujú schopnosti spájané s ľudskou inteligenciou. Môže ísť napríklad o rozpoznávanie objektov na obrázkoch, spracovanie písaného textu a porozumenie jeho významu, riešenie zložitých problémov, alebo na základe dostupných informácií vytváranie predpovede.
To však samozrejme ale neznamená, že počítač bude rozmýšlať rovnako ako človek. Moderné systémy umelej inteligencie pracujú podľa matematických modelov a tiež nastavených výpočtových postupov. Ich schopnosti a obmedzenia závisia ale od toho, ako boli navrhnuté, na akých údajoch sa tieto modely učili a súčasne na akú úlohu sú určené.
Príkladom je rozpoznávanie tváre v mobilnom telefóne. Systém spracuje charakteristické znaky tváre a porovná ich s údajmi používanými na overenie identity používateľa. Ak výsledok vyhovuje nastaveným podmienkam, telefón umožní odomknutie. Podobné technológie sa využívajú pri rozpoznávaní predmetov na fotografiách, automatickom preklade textov alebo pri hlasových asistentoch.
Nie každá inteligentne pôsobiaca funkcia však musí využívať umelú inteligenciu. Niektoré systémy pracujú s vopred definovanými pravidlami a klasickými algoritmami. Rozhodujúce je, akým spôsobom konkrétna technológia funguje.
Prečo sa umelá inteligencia tak rýchlo rozvíja?
Na rozvoj umelej inteligencie vplýva viacero rôznych faktorov, pričom medzi ne patrí dostupnosť veľkého množstva digitálnych údajov, rast výpočtového výkonu a pokrok v metódach, ktoré umožňujú vytvárať a trénovať zložité modely.
Každý deň totiž vznikajú nové údaje pri nakupovaní cez internet, používaní mobilných aplikácií, sledovaní videí alebo komunikácii na sociálnych sieťach. Firmy zároveň zhromažďujú informácie o nákupe, predaji, výrobe, doprave a ďalších činnostiach. Samotné množstvo dát však nestačí. Dôležitá je aj ich kvalita, vhodnosť na konkrétnu úlohu a spôsob spracovania.
Ak sú údaje neúplné, nesprávne alebo nereprezentujú situáciu, ktorú má systém riešiť, výsledky môžu byť nepresné. Dôležité je mať k dispozícii dostatočne výkonné počítače alebo využívať služby cez internet, ktoré poskytujú aj potrebný výpočtový výkon. Vďaka tomu môžu firmy využívať výkonné technológie bez toho, aby museli vlastniť a prevádzkovať všetky potrebné zariadenia priamo u seba.
Ako spolu súvisia umelá inteligencia a dátová veda?
Umelá inteligencia a dátová veda sú dve odlišné, ale úzko súvisiace oblasti. Dátová veda sa zameriava na získavanie poznatkov z dát, pričom môže využívať rôzne metódy a to vrátane aj umelej inteligencie. Umelá inteligencia má širšie využitie a nemusí byť vždy súčasťou projektu dátovej vedy.
Ako príklad by som uviedol projekt, v rámci ktorého by sme chceli rozpoznávať psov na fotografiách. Najskôr budeme potrebovať získať množstvo vhodných obrázkov. Pri trénovaní modelu, ktorý sa bude učiť z označených príkladov, musia byť fotografie ale už správne označené, aby model presne vedel identifikovať, ktoré obrázky obsahujú psov a ktoré zase nie.
Potom je možné si pomocou metód strojového učenia vytvoriť model, ktorý sa bude učiť rozpoznávať charakteristické znaky na fotografiách. Počas tréningu sa jeho parametre upravujú tak, aby dokázal čo najlepšie riešiť zadanú úlohu. Nakoniec model otestujeme na obrázkoch, ktoré neboli použité pri jeho trénovaní. Tak je možné zistiť, či sa naučil rozpoznávať psov aj na nových fotografiách alebo si len zapamätal príklady, ktoré už videl.
Prečo sú dátová veda a AI dôležité?
Dáta a umelá inteligencia sa využívajú v mnohých odvetviach. Banky môžu pomocou analytických metód a modelov strojového učenia vyhľadávať podozrivé transakcie. Výrobné podniky analyzujú údaje zo strojov, aby lepšie plánovali údržbu. Logistické spoločnosti pracujú s údajmi o doprave a objednávkach, zatiaľ čo internetové obchody sa snažia lepšie porozumieť nákupnému správaniu zákazníkov.
Dátová analytika, dátová veda ako aj umelá inteligencia môžu pomáhať pri rozhodovaní, automatizácii alebo aj efektívnejšom využívaní dostupných dátových zdrojov. Ich prínos však závisí od konkrétneho použitia, kvality získaných údajov a tiež schopnosti správne vyhodnotiť výsledky. Nie každý problém si ale vyžaduje použiť umelú inteligenciu.
Niekedy úplne postačuje vytvoriť si jednoduchý report, graf alebo porovnanie štatistických výsledkov. Dôležité je ale pritom zvoliť si taký spôsob spracovania údajov, ktorý najlepšie pomôže vyriešiť konkrétny problém.
A ešte malé zhrnutie na záver.
Umelá inteligencia a dátová veda nie sú to isté, ale v mnohých projektoch sa navzájom dopĺňajú. Dátová veda pomáha získavať užitočné informácie z údajov a môže využívať umelú inteligenciu ako jeden zo svojich nástrojov. Umelá inteligencia zase umožňuje vytvárať rôzne systémy, ktoré dokážu napríklad rozpoznávať obrázky, spracovať text alebo predpovedať budúci vývoj na základe dostupných informácií.
Zaujal Vás článok?
Zvážte možnosť jeho zdieľania na sociálnych sieťach alebo sa podeľte o svoj názor a pripomienky k článku a to odoslaním správy na e-mailovú adresu info@dataspark.sk.
