בשנים האחרונות אנו שומעים שוב ושוב שני מושגים המשוייכים לאותו עולם תוכן: Artificial Intelligence או "בינה מלאכותית" ו-Data science או "מדע נתונים". הקשר הבסיסי בין השניים מבוסס על AI כאחד הכלים ליישום פתרונות DS. במאמר זה נעמוד בקצרה על ההבדלים בין השניים ומתי מומלץ להשתמש בכל אחד מהם?
מהי בינה מלאכותית?
בתחילת דרכה, הבינה המלאכותית שימשה בעיקר כדי לחקות את הדרך בה המוח האנושי מפענח מידע ומקבל החלטות מתוך מגוון אפשרויות המוצעות לו. בשלבים אלה היו תוכנות מחשב מעבדות את הנתונים, מציגות תוצאות עתידיות אפשריות ובוחנות את ההשלכות שלהן. באופן זה ניתן היה, למשל, לבחור מהלכי שחמט או לדמות שיחה עם אדם אנושי.
עם השנים התחום התפתח גם ל"למידת מכונה" (Machine Learning). במקום שהמתכנת ייתן לתוכנה את כל האפשרויות ויאפשר לה לנתח אותם, המכונה לומדת על פי דפוסי התנהגות קיימים של בני אדם, של חיה או אפילו חרק כיצד "להתנהג" ולעבד מידע. כך, לאורך הזמן תוכנת ה-AI משתפרת ומסוגלת לספק פתרונות יעילים וטובים יותר. מטרת הפיתוח היא להוביל לביצוע פעולות שהאדם ביצע בעבר בצורה יעילה ומדויקת יותר וכן למצוא פתרונות לבעיות בתהליך שהיה אורך זמן רב והופך את הפעולה ללא יעילה או לא רווחית. כיום, אנו רואים יישומים של AI במגוון תחומים – כולל באלגוריתם של מנועי החיפוש, ערים חכמות ועוזרות קוליות המדמות את החשיבה האנושית ו"לומדות" את המשתמש.
מהו Data Science?
מדעני נתונים מיישמים את היכולות של הבינה המלאכותית, אך משלבים בהן גם מגוון רחב של מודלים שאינם קשורים ללמידת מכונה או לתכנון הדומה לחשיבה אנושית. כיום, יש כמות גדולה של מידע אותו ניתן לשלוף ממקורות שונים ולעבד. DS מבוסס על תכנון מסדי הנתונים, בנייה של מסדים דינמיים בהם נוספים שדות על פי המידע המתקבל ותכנון של השימוש האפשרי בהם. DS מאפשר למצוא יישומים נוספים למידע או מסוגלת לזהות דפוסים קיימים במידע זה על מנת "להציע" למשתמש תובנות נוספות עליהן לא חשב מראש.
מתי נכון להשתמש בבינה מלאכותית בישום DS?
כל ארגון וחברה יכולים לעשות שימוש במדע נתונים (DS) על מנת לעבד את שפע פיסות המידע הנאגרות בארגון ולשלבן עם מידע ממקורות אחרים. למשל, ניתן להשתמש במידע של חברה סלולרית על מיקום משתמש ולהציע לו פרסום מתאים. ניתן לאסוף מידע נוסף על זיהום האוויר במקום ולהציע לבעלי מחלות כרוניות לא לנסוע בנתיב מסוים באמצעות ה-GPS. אין צורך בבינה מלאכותית כאשר המשימות מוגבלות למידע קיים וידוע, ומודלים שניתן לתכנן באמצעות מתמטיקה, סטטיסטיקה ותכנות.
לעומת זאת, כאשר הפתרון דורש התאמה אישית למשתמשים שונים, בדרך כלל נרצה לאפשר לתוכנה "ללמוד" בעצמה כל משתמש בשיטה של "Deep Learning", להבין את דפוסי הדיבור או ההתנהגות שלו ולחקות אותם. נראה פתרונות אלה מיושמים בעוזרות הקוליות הלומדות "לדבר" בשפתו של המשתמש ולהישמע אנושיות יותר לאחר שהפנימו את דפוסי הדיבור הקיימים. בנוסף, כאשר אנו רוצים להעניק לתוכנה אפשרות להתפתח ולזהות דפוסים חדשים על מנת לסייע במחקר רפואי או בפתרונות לבעיה כלכלית – נעדיף לשלב AI בתוכנה.
