Machine Learning eller Automatisering: Hvad er Forskellen?

0
54

Kredit: Guadilab/Shutterstock

Der er en masse rygter i tech industrien, især med cutting-edge teknologier som kunstig intelligens og maskinindlæring bliver mere og mere mainstream. Mens mange professionelle forstår, at disse teknologier vil gøre deres job nemmere, eller selv overtage nogle opgaver, der er også en masse forvirring: machine learning, automation – hvad er forskellen mellem de to?

Lad os starte med machine learning, og tilbage op igen, bare en smule. Machine learning er en delmængde af kunstig intelligens (AI).

“Det er en evolution,” sagde Andreas Roell, formand for AV-Lab, en løsninger konsulentvirksomhed dedikeret til at hjælpe virksomheder med succes vedtage AI. “AI passer ind i det spand af arbejdsbyrden analyse, eller en opgave analyse. Business intelligence er også sidder i den samme spand. Det tager data, for derefter at analysere det. Machine learning, på den anden side, er typisk en senere udvikling, hvor maskiner tager i data på deres egne, og derefter analysere [det].”

Den største forskel: “Machine learning identificerer data signaler, der er relevante for fremtiden.”

Automatisering, på den anden side, er ofte blandet op med AI. Ligesom med AI, automation er designet til at strømline opgaver og hastighed arbejdsgange. Men automatisering er udelukkende fast på gentagne, lærerige opgaver. Automation udfører et job, og så tænker ikke videre.

Der er en god chance for du bruge automatisering i dag uden at vide det – at automatisere e-mails til kunder, automatisere den måde, du generer fakturaer, der automatisk logger en helpdesk undersøgelse. Automatisering af disse monotone opgaver sparer tid og giver arbejdstagerne mulighed for at fokusere på et højere prioriterede initiativer. Det er en pålidelig, edb arbejdshest, altid at møde op og få arbejdet gjort.

Machine learning tager disse opgaver og lag dem i et element i forudsigelse. Der henviser til, at automatisering vil fortsætte med at gøre præcis, som du har anmodet om – sige, at sende fakturaer på en bestemt dag – machine learning forudsiger, når fakturaer skal gå ud, hvem der gjorde eller ikke modtage en, når betalinger er på randen af at blive sent, og så videre.

Machine learning arbejder med at forstå data, for at udnytte, hvad Roell refererer til som data signaler til at drive den fremtidige efterretningstjeneste. Det er ikke blot udfører en “Hvis X, så Y” opgave stream; det er i det væsentlige “at tænke” gennem data, ligesom et menneske ville.

“Der er en masse frygt omkring AI, at det vil fjerne job,” Roell sagde. “Det er ikke, hvad det er meningen at gøre, det er at gøre vores arbejde lettere. Men det vil føre til helt nye kategorier af arbejdspladser, der bliver skabt.”

Roell gav eksempel af call center-medarbejdere, der nu bliver brugt til at kategorisere de enorme mængder af data, der bruges af AI. Flere virksomheder har taget denne tilgang.

“Se, det er ægte innovation,” sagde han.