Table des matières:
L'apprentissage automatique (ML) sera une aubaine ou un fléau pour l'entreprise, selon la personne à qui vous parlez. D'une part, il apportera une large gamme de nouvelles capacités aux processus numériques - des workflows automatisés aux infrastructures d'autogestion. De l'autre, cela déplacera des emplois et laissera les organisations impuissantes à apporter des corrections lorsque les choses tournent mal.
La vérité se situe probablement quelque part entre ces deux extrêmes, mais pour vraiment comprendre ce que le ML peut et ne peut pas faire, il est nécessaire de dissiper certains des mythes qui se sont développés autour de la technologie. (Avec tant à offrir, pourquoi tout le monde n'utilise-t-il pas ML? Découvrez-le dans 4 barrages routiers qui bloquent l'adoption du Machine Learning.)
Mythe 1: L'apprentissage automatique et l'intelligence artificielle sont une seule et même chose.
S'il est vrai qu'ils utilisent tous deux la même technologie fondamentale, l'IA est un terme générique qui englobe un large éventail de disciplines. Selon le Dr Michael J. Garbade, PDG d'Education Ecosystem, l'IA englobe non seulement le ML, mais aussi le réseautage neuronal, le traitement du langage naturel, la reconnaissance vocale et une foule d'autres technologies émergentes. ML a la particularité de pouvoir modifier son propre code en fonction des expériences, des changements de son environnement ou de l'introduction de nouveaux objectifs - c'est essentiellement l'aspect «d'apprentissage» de l'apprentissage automatique.
