kostyl.dev
Штучний інтелект і машинне навчання

Відмінність AI від інших програмних систем

Різниця між програмами на правилах, автоматизацією та системами на базі AI: правила, дані та навчання

Відмінність AI від інших програмних систем

🎯 Мета розділу

  • Чітко розрізняти три типи програмних систем: на правилах, автоматизовані та AI-системи.
  • Зрозуміти фундаментальну відмінність: правила задає людина, а AI знаходить їх у даних.
  • Навчитися визначати, коли потрібна автоматизація, а коли — AI.

🔑 Ключові терміни

  • Правила (Rules): явно задані інструкції виду «якщо X, то Y», визначені програмістом.
  • Автоматизація (Automation): виконання повторюваних задач за заздалегідь визначеним алгоритмом без участі людини.
  • Навчання (Learning): здатність системи знаходити закономірності у даних та покращувати свою роботу без явного програмування правил.

Програма на основі заздалегідь визначених правил

Найтрадиційніший тип програмного забезпечення — системи на правилах (rule-based systems). Програміст явно описує кожне можливе рішення у вигляді правил «якщо — то» (if-then).

Наприклад, банківська система для схвалення кредиту на правилах може виглядати так: «Якщо вік ≥ 18 І дохід ≥ 15000 І кредитна історія — "позитивна", то схвалити кредит. Інакше — відхилити.»

Такі системи мають очевидні переваги: вони передбачувані (однакові вхідні дані завжди дають однаковий результат) та прозорі (завжди можна пояснити, чому прийнято саме це рішення). Але у них є принципове обмеження: програміст повинен заздалегідь передбачити всі можливі ситуації та описати правила для кожної з них. Для простих задач це працює, але для складних — стає неможливим.

Автоматизація

Автоматизація — це наступний рівень: система виконує повторювані задачі за визначеним алгоритмом без постійної участі людини. Прикладами є:

  • Автоматична відправка email при реєстрації нового користувача.
  • Щоденне резервне копіювання бази даних о 3:00 ночі.
  • Конвеєрна система на виробництві, що виконує однакові дії з кожним виробом.

Автоматизація підвищує ефективність і зменшує ризик людських помилок у рутинних операціях. Але вона не здатна адаптуватися до нових ситуацій: якщо з'являється нетипова ситуація, не передбачена алгоритмом, система зупиняється або працює некоректно.

Система на базі штучного інтелекту

AI-система принципово відрізняється від двох попередніх підходів: замість явних правил вона навчається на даних. Програміст не пише правила «якщо — то», а надає системі великий обсяг прикладів, на основі яких вона сама знаходить закономірності.

Повернемося до прикладу з кредитом. AI-система для оцінки кредитоспроможності не працює за жорсткими правилами «вік ≥ 18». Натомість їй надають тисячі записів про попередніх позичальників (вік, дохід, сімейний стан, історія платежів, результат — повернув/не повернув кредит), і вона сама знаходить складні залежності, які людина може навіть не помітити.

Loading diagram...
@startuml
skinparam style plain
skinparam backgroundColor #FFFFFF
skinparam packageBackgroundColor #F8FAFC
skinparam packageBorderColor #64748B

package "Традиційне програмування (Rule-Based)" #FEF3C7 {
  rectangle "Правила (Код)\n+ Вхідні дані" as TR_IN
  rectangle "Комп'ютер /\nІнтерпретатор" as TR_PROC
  rectangle "Результат (Вихід)" as TR_OUT
  TR_IN -right-> TR_PROC
  TR_PROC -right-> TR_OUT
}

package "Машинне навчання (AI / Data-Driven)" #DBEAFE {
  rectangle "Вхідні дані\n+ Результати (Відповіді)" as ML_IN
  rectangle "Процес навчання\n(ML-алгоритм)" as ML_PROC
  rectangle "Навчена модель\n(Правила / Ваги)" as ML_OUT
  ML_IN -right-> ML_PROC
  ML_PROC -right-> ML_OUT
}

@enduml

Правила, дані та навчання

Фундаментальна різниця між підходами зводиться до співвідношення правил та даних:

АспектСистема на правилахАвтоматизаціяAI-система
Хто визначає поведінку?Програміст (явні правила)Програміст (алгоритм)Дані (через навчання)
АдаптивністьВідсутняМінімальнаВисока
ПрозорістьПовнаПовнаЧасто обмежена
Нові ситуаціїНе обробляєНе обробляєМоже узагальнювати
Вхідні даніПравила + вхідний запитТригер + параметриВеликий обсяг навчальних даних
ПрикладФільтр спаму за ключовими словамиАвтовідповідь на emailРозпізнавання спаму за змістом
Зверніть увагу на приклад спам-фільтру. Система на правилах фільтрує листи за ключовими словами («казино», «виграш», «безкоштовно»). Спамери швидко адаптуються, змінюючи слова. AI-фільтр аналізує тисячі характеристик листа (стиль тексту, структуру посилань, поведінку відправника) і адаптується до нових видів спаму — навіть тих, яких не було у навчальних даних.

Практичні завдання

Запитання для самоконтролю

Штучний інтелект

Що таке штучний інтелект, його цілі та завдання, еволюція від першої програми до сучасних генеративних моделей, застосування AI у повсякденному житті

Завдання штучного інтелекту

Основні класи задач AI: розпізнавання зображень та мовлення, переклад, рекомендації, прогнозування, пошук закономірностей та створення контенту

Copyright © 2026