ИИ, машинное обучение и нейросети

Три понятия, разный масштаб

Искусственный интеллект — область, в которой создают системы для задач вроде распознавания изображений, работы с языком и планирования действий. Машинное обучение — один из подходов внутри этой области: система находит закономерности в примерах.

Нейросеть — семейство моделей машинного обучения. Она преобразует входные данные через связанные вычислительные слои. При обучении меняются параметры этих преобразований. Глубоким обучением называют обучение нейросетей с несколькими слоями представлений.

Пример: распределение обращений

Представим сервис, который направляет обращения в нужный отдел. Можно вручную задать правило: если в тексте есть слово «счёт», отправить его в бухгалтерию. Правило прозрачно, но не учитывает все варианты формулировок.

Другой вариант — собрать обращения с правильными категориями и обучить модель предсказывать категорию нового текста. Для этого подойдут разные алгоритмы; выбор нейросети ещё нужно обосновать результатами проверки.

Обучение и применение

Во время обучения алгоритм подбирает параметры модели по данным. Во время применения уже обученная модель получает новый вход и выдаёт результат. Это применение также называют инференсом.

• Данные: примеры обращений и их категории.
• Модель: выученная зависимость между текстом и категорией.
• Проверка: сравнение ответов модели с разметкой на новых примерах.
• Продукт: интерфейс и правила, по которым человек использует эти ответы.