Quelle est la différence entre l'IA et le ML

Vous avez sans doute déjà entendu les termes « intelligence artificielle » et « apprentissage automatique ». Et si ce n'est pas le cas, vous le ferez bientôt. D'ici 2021, on estime que 80 % des nouvelles technologies seront basées sur l'IA. Et 37 % des organisations dans le monde utilisent une forme d'IA pour améliorer leurs opérations quotidiennes.

Amazon, par exemple, a utilisé l'apprentissage automatique pour réduire ses délais d'expédition de plus de 225 %. Donc, si vous n'êtes pas sûr de la signification de ces termes et de la différence entre eux, ne vous inquiétez pas, nous sommes là pour vous aider.

Au cours des prochains paragraphes, nous allons plonger dans la différence entre l'apprentissage automatique et l'intelligence artificielle (1), en espérant faire la lumière sur ce sujet parfois déroutant. Nous passerons également brièvement en revue la signification de chaque terme et donnerons quelques exemples de différents types d'intelligence artificielle et de différents types d'apprentissage automatique. Enfin, nous expliquerons pourquoi les deux termes sont utilisés de manière interchangeable en premier lieu.

• Brève compréhension de l'IA
• Différents types d'intelligence artificielle
• Brève compréhension du ML
• Différents types d'apprentissage automatique
• Différence entre l'IA et le ML
• Pourquoi les entreprises technologiques utilisent l'IA et le ML ?
• Dernières pensées

Un bref aperçu de l'IA

L'intelligence artificielle, ou IA, fait référence à l'imitation de l'intelligence humaine par une machine fabriquée par l'homme. La machine possède un cerveau informatisé capable d'apprendre et de résoudre des problèmes de la même manière que le cerveau humain.

L'intelligence artificielle est un terme générique assez large qui englobe plusieurs sous-ensembles - quelque chose qu'il est important de retenir car nous y reviendrons plus tard.

Le but de l'IA est vraiment de reproduire non seulement les capacités de résolution de problèmes mais aussi les capacités de prise de décision du cerveau humain. Ceci peut être réalisé grâce à l'utilisation d'algorithmes, qui sont essentiellement un ensemble de règles décrivant ce que fait l'ordinateur dans une situation donnée.

Vous pouvez considérer les algorithmes comme une sorte de recette que l'ordinateur doit suivre lorsque tous les ingrédients sont présents.

L’intelligence artificielle peut être décomposée en trois types :

• IA étroite

  L'IA étroite, comme son nom l'indique, a un objectif très étroit. On l'appelle parfois aussi « IA faible ». Un exemple d'IA étroite serait Siri ou Google Assistant. L'IA étroite représente où nous en sommes actuellement avec l'intelligence artificielle dans la technologie.

• IA générale

  Le deuxième type d'IA est l'intelligence générale artificielle (IAG). Ce type d'IA se produit lorsque les capacités d'un ordinateur peuvent correspondre aux capacités du cerveau humain. Sous AGI, les ordinateurs seraient capables de résolution de problèmes et de raisonnement indépendants, de prise de décision et même de pensée créative.

• Super IA

  Le troisième type d'IA est la superintelligence artificielle (ASI). Vous êtes probablement assez familier avec ce type, bien qu'il n'existe pas actuellement. Sous ASI, les machines développent des capacités intellectuelles qui vont au-delà de ce que le cerveau humain peut réaliser.

  Si vous avez déjà vu la série Terminator, vous comprenez pourquoi cela pourrait être problématique. La réalité est, cependant, que de nombreux experts prédisent que l'ASI profiterait énormément à la race humaine.

Un bref aperçu du ML

Vous vous souvenez quand nous avons parlé de la façon dont l'intelligence artificielle avait plusieurs sous-ensembles différents ? Eh bien, l'apprentissage automatique, ou ML, en fait partie. L'apprentissage automatique est la capacité d'une machine à apprendre à partir de données. Bien sûr, la machine doit d'abord être programmée. Mais une fois que les algorithmes appropriés sont en place et que la machine a accès aux données, elle peut commencer à apprendre.

L'apprentissage automatique existe et est en fait assez courant dans notre monde aujourd'hui. La correction automatique est un exemple de ML dans la vie moderne, tout comme un filtre anti-spam. Ces programmes sont loin d'être sensibles, mais ils possèdent la capacité de modifier leur comportement en fonction de nouvelles données. Si cela ressemble énormément à une IA étroite, c'est parce que c'est le cas. L'apprentissage automatique est un exemple d'IA étroite.

L'apprentissage automatique peut être divisé en quatre catégories différentes :

• Supervisé

  Ce type de ML implique l'utilisation d'ensembles de données étiquetés. Une fois que les données enseignent à la machine un certain modèle ou un ensemble de caractéristiques, la machine peut prédire un résultat.

• Non surveillé

  L'apprentissage automatique non supervisé consiste à trier des données existantes non étiquetées. Un algorithme d'apprentissage automatique non supervisé peut apprendre à un ordinateur à séparer les données en différents groupes en fonction de relations ou de modèles.

• Semi-encadré

  L'apprentissage automatique semi-supervisé se situe quelque part entre les deux. Ce type d'apprentissage automatique entre en jeu lorsque les ensembles de données ont à la fois des composants étiquetés et non étiquetés. Les prédictions données dans le cadre de l'apprentissage automatique semi-supervisé ont tendance à être les plus précises de tous les types d'apprentissage automatique.

• Renforcement

  Ce type de ML est similaire au type d'apprentissage par renforcement auquel les humains participent. Dans le cadre de l'apprentissage par renforcement, une récompense est donnée lorsque le meilleur plan d'action est déterminé. Le but de la machine est de prendre des décisions qui maximisent la récompense.

Principales différences entre l'intelligence artificielle et l'apprentissage automatique

Après tout cela, vous vous demandez peut-être : en quoi ces choses sont-elles différentes ? Il existe quelques caractéristiques clés qui peuvent faciliter la mémorisation de la distinction.

• Portée

  Une chose à garder à l'esprit est la portée. L'intelligence artificielle a un champ d'application très large. L'apprentissage automatique, en revanche, a une portée beaucoup plus restreinte : ces machines peuvent maîtriser une tâche donnée, mais elles ne peuvent pas faire grand-chose d'autre.

• Buts

  Une autre différence clé entre l'apprentissage artificiel et l'apprentissage automatique est que les deux ont des objectifs très différents. En ce qui concerne l'intelligence artificielle, en particulier l'AGI ou l'ASI, l'objectif est de créer un ordinateur capable de prendre des décisions et d'avoir une pensée sensible. Avec l'apprentissage automatique, l'objectif est simplement que la machine soit capable de prédire avec précision un résultat basé sur des données passées.

• Type de jeu de données

  De plus, l'intelligence artificielle peut traiter tous les types de données - structurées, non structurées et semi-structurées. L'apprentissage automatique, alternativement, ne peut donner un sens qu'aux données structurées et semi-structurées. De plus, alors que l'IA et le ML impliquent l'autocorrection, seule l'IA implique le raisonnement.

• Sagesse vs Connaissance

  On pourrait également dire que l'intelligence artificielle implique l'acquisition de sagesse et d'intelligence, alors que l'apprentissage automatique vise la connaissance.

• Résultat

  L'intelligence artificielle examinera plusieurs résultats et choisira celui qui est le meilleur. L'apprentissage automatique choisira ce qu'il considère comme la seule solution, qu'il s'agisse ou non de la meilleure.

• Conscience

  Vraiment, au cœur de la différence entre l'apprentissage automatique et l'intelligence artificielle se trouve la pensée sensible. L'apprentissage automatique ne nécessite pas qu'un ordinateur développe sa propre conscience. L'intelligence artificielle nécessite que la machine soit capable de ressentir et de penser indépendamment de sa programmation afin de correspondre aux capacités du cerveau humain.

Pourquoi les entreprises technologiques ont-elles tendance à utiliser indifféremment l'IA et le ML ?

Les entreprises technologiques utilisent indifféremment l'intelligence artificielle et l'apprentissage automatique, car il y a des décennies, l'accent était principalement mis sur le développement d'une véritable intelligence artificielle - AGI et ASI. À cette époque, une stigmatisation négative a commencé à se développer autour du terme. Cette stigmatisation peut être liée à la représentation d'ASI dans les films, la télévision et les médias.

Pour cette raison, d'autres termes ont commencé à émerger à mesure que la technologie progressait. Des termes tels que l'apprentissage automatique et l'apprentissage en profondeur ont commencé à apparaître, les gens les utilisant de manière interchangeable avec l'IA étroite.

Le problème est que ML n'est vraiment synonyme que d'IA étroite. Une fois que le général artificiel et la superintelligence deviendront un concurrent, il est probable que la distinction entre ML et IA deviendra plus importante et que les termes deviendront naturellement moins interchangeables.

Dernières pensées

L'apprentissage automatique est l'endroit où la technologie de l'IA en est aujourd'hui. L'intelligence artificielle représente où elle pourrait être demain. Si vous avez besoin d'aide pour garder les termes clairs, rappelez-vous simplement que l'apprentissage automatique consiste à apprendre à une machine à apprendre.

Ces machines effectuent extrêmement bien une seule tâche. L'intelligence artificielle, quant à elle, consiste à reproduire l'esprit humain. Ces machines pourraient, en théorie, effectuer une variété de tâches aussi bien, sinon mieux, qu'un humain.

En fin de compte, la différence entre les deux deviendra plus large et plus facile à distinguer au fil des années.

Autres ressources utiles :

Comment l'intelligence artificielle est posée pour faire passer l'automatisation des processus robotiques au niveau supérieur

Meilleures plateformes axées sur l'intelligence artificielle qui augmentent les conversions

L'avenir de la cybersécurité avec l'intelligence artificielle

Top 5 des ensembles de données publics pour l'apprentissage automatique

Liste des algorithmes d'apprentissage automatique que les experts devraient connaître