AI gegenüber Machine Learning
gegenüber Deep Learning

All die Akronyme

Es ist fast schwieriger, all die Akronyme rund um künstliche Intelligenz (AI) zu verstehen als die zugrunde liegende Technologie von AI vs. Machine Learning vs. Deep Learning. Rechnet man dazu noch die verschiedenen Disziplinen der AI sowie die Anwendungsbereiche hinzu, ist es für den Durchschnittsbürger leicht, abzuschalten. Deshalb ist es eine gute Idee, sich zuerst anzusehen, wie jeder Begriff klar definiert werden kann, wenn man die Wissenschaft hinter komplexen Technologien wie Machine Learning vs. AI oder NLP vs. Machine Learning vergleicht.

Nachfolgend versuchen wir, die wichtigen Teile der künstlichen Intelligenz zu erklären und wie sie zusammenpassen. Bei Sonix konzentrieren wir uns speziell auf die automatische Spracherkennung, daher erklären wir die Schlüsseltechnologien unter diesem Aspekt. Die Erkenntnisse, die wir in Bezug auf AI vs. ML vs. DL Anwendungen liefern, stehen in direktem Zusammenhang mit der Arbeit, die wir für unsere Kunden leisten.

Beginnen wir zunächst mit einigen der am häufigsten verwendeten Akronyme und deren Definitionen:

• Artificial Intelligence (AI) — die breite Disziplin zur Erschaffung intelligenter Maschinen
• Machine Learning (ML) — bezieht sich auf Systeme, die aus Erfahrung lernen können
• Deep Learning (DL) — bezieht sich auf Systeme, die aus Erfahrung mit großen Datensätzen lernen können
• Artificial Neural Networks (ANN) — bezieht sich auf Modelle menschlicher neuronaler Netzwerke, die darauf ausgelegt sind, Computern beim Lernen zu helfen
• Natural Language Processing (NLP) — bezieht sich auf Systeme, die Sprache verstehen können
• Automated Speech Recognition (ASR) — bezieht sich auf den Einsatz von Computerhardware und softwarebasierten Techniken zur Identifizierung und Verarbeitung der menschlichen Stimme

Künstliche Intelligenz (AI) ist die übergeordnete Disziplin, die alles abdeckt, was damit zu tun hat, Maschinen intelligent zu machen. Ob Roboter, Kühlschrank, Auto oder Softwareanwendung – wenn man sie intelligent macht, ist es AI. Machine Learning (ML) wird häufig zusammen mit AI verwendet, aber es ist nicht dasselbe. ML ist eine Untergruppe von AI. ML bezieht sich auf Systeme, die selbstständig lernen können. Systeme, die im Laufe der Zeit ohne menschliches Eingreifen immer intelligenter werden. Deep Learning (DL) ist ML, jedoch angewendet auf große Datensätze. Der Großteil der AI-Arbeit umfasst heute ML, da intelligentes Verhalten beträchtliches Wissen erfordert und Lernen der einfachste Weg ist, dieses Wissen zu erlangen. Das Bild unten zeigt die Beziehung zwischen Machine Learning vs. AI vs. DL.

Es gibt viele Techniken und Ansätze für ML. Einer dieser Ansätze sind künstliche neuronale Netze (ANN), manchmal auch einfach neuronale Netze genannt. Ein gutes Beispiel hierfür ist die Empfehlungsmaschine von Amazon. Amazon nutzt künstliche neuronale Netze, um Empfehlungen für seine Kunden zu generieren. Amazon schlägt Produkte vor, indem es Ihnen anzeigt: "Kunden, die diesen Artikel angesehen haben, haben auch angesehen" und "Kunden, die diesen Artikel gekauft haben, haben auch gekauft". Amazon verarbeitet Daten aus den Browsing-Erfahrungen all seiner Nutzer und nutzt diese Informationen, um effektive Produktempfehlungen abzugeben.

Bei Sonix konvertieren wir Audio mithilfe von Maschinen in Text. Die wichtigsten zugrunde liegenden Technologien sind die automatische Spracherkennung (ASR) und Natural Language Processing (NLP). ASR ist die Verarbeitung von Sprache zu Text, während NLP die Verarbeitung des Textes zum Verständnis der Bedeutung ist. Da Menschen mit Umgangssprache und Abkürzungen sprechen, erfordert es eine umfassende Computeranalyse natürlicher Sprache, um genaue Ergebnisse zu erzielen.

ASR und NLP fallen unter AI. ML und NLP überschneiden sich teilweise, da ML häufig für NLP-Aufgaben eingesetzt wird. ASR überschneidet sich ebenfalls mit ML. Es war historisch gesehen eine treibende Kraft hinter vielen Techniken des maschinellen Lernens. Beim Vergleich von AI vs. Machine Learning ist es entscheidend, die Überschneidungen und Unterschiede im Diagramm zu verstehen.

Zusammenfassend lässt sich sagen, dass DL eine Untergruppe von ML ist und beide Untergruppen von AI sind. ASR & NLP fallen unter AI und überschneiden sich mit ML & DL. Es ist erstaunlich, wie alles miteinander verflochten ist. Es geht weniger um Machine Learning vs. AI, sondern vielmehr darum, wie diese relativ neuen Technologien Methoden zur Lösung komplexer Probleme in Echtzeit schaffen und verbessern können.