Рубрики
Без рубрики

Машинное обучение против ИИ – различия

Эта статья была первоначально опубликована по адресу: https: //www.blog.duomly.com/differences between-artificial -… Tagged MachineLearning, программирование, новички, Python.

Эта статья была первоначально опубликована по адресу: https://www.blog.duomly.com/differences-between-artificial-intelligence-and-machine

Искусственный интеллект (ИИ) повсюду вокруг нас: предложения по распознаванию изображений и контакты на Facebook или Twitter, автомобили с самостоятельным вождением, программное обеспечение, которое побеждает чемпионов в шахматах и Go, рекомендации по книгам на Amazon, Google Search, Apple Siri и Microsoft Cortana и т. Д. на. Это стало очень важным аспектом нашей жизни. Его важность поднимается, и мы все больше и больше полагаемся на ИИ каждый день, надеясь, что он улучшит наше благополучие.

ИИ часто путают с машинным обучением (ML), еще одной очень важной концепцией, тесно связанной с ним.

Имея в виду высокое и растущее значение ИИ, а также ML, эта статья пытается объяснить разницу и связь между ними.

Что такое искусственный интеллект?

Есть много определений ИИ. Джон Маккарти определил его кратким, но всеобъемлющим способом, подчеркивая процесс создания интеллектуальных машин. Согласно этому определению, ИИ может, но не должен использовать методы, основанные на способностях человеческого интеллекта. Тот же текст определяет интеллект, связывающий его с способностью выполнять реальные цели, и приходит к выводу, что нам все еще не хватает определения интеллекта, не связанного с определением людей.

Короче говоря, мы можем думать об ИИ как о концепции, в которой машины и устройства (особенно компьютеры) способны выполнять различные задачи, важные для людей.

Применения ИИ многочисленны и растут: автомобили с самостоятельным вождением, распознавание изображений, медицинский диагноз, обработка и переводы естественного языка, фильтрация спама, умные здания, прогнозирование потребления энергии, финансы и банковское дело, военные, рекламу, искусство, видеоигры и больше Анкет

Есть три уровня AI: Узкий интеллект – ограничено узким диапазоном задач и действий, Общий интеллект – охватывая тот же диапазон задач и действий, которые люди могут выполнять, Super Intelligence – превышение человеческого интеллекта.

ИИ может использовать несколько подходов. Например, это может полагаться на логику и предоставленный набор строгих инструкций или попытаться имитировать функциональность человеческого мозга или для. ML – один из таких подходов.

Что такое машинное обучение?

Согласно Википедии, ML является подмножеством искусственного интеллекта. На самом деле это набор методов, которые позволяют компьютерам учиться на данных, наблюдая за отношениями и шаблонами, вместо того, чтобы дать им конкретные инструкции о том, как выполнить задачу. Эти методы основаны на исчислении, линейной алгебре, математической оптимизации, теории вероятности, статистике и т. Д. Модели ML могут иметь либо детерминированный, либо вероятностный характер.

Подходы ML обычно классифицируются на эти три категории: Наблюдение за обучением, Обучение без присмотра, Подкрепление обучения.

Некоторые из наиболее используемых методов ML-это линейная, полиномиальная и логистическая регрессия, деревья решений и случайные леса, векторные машины поддержки, ближайшие соседи, байесовские сети, K-средние и иерархические кластеризации, частые добычи предметов и обучение правилам ассоциации и т. Д.

Искусственные нейронные сети (ANNS) представляют собой набор моделей и методов для контролируемого и неконтролируемого обучения, которые пытаются имитировать функциональность человеческого мозга. Они очень популярны и эффективны в решении широкого спектра проблем.

Значительное увеличение вычислительной мощности и объема доступных данных, а также достижения в алгоритмах, сделали так называемые глубокие нейронные сети (DNNS) очень эффективными и многообещающими. DNN – это особый вид ANN с дополнительной сложностью и возможностями. Глубокое обучение – это подмножество машинного обучения, которое опирается на применение DNN, повторяющихся нейронных сетей и сети глубоких убеждений.

Вывод

Искусственный интеллект везде. Мы полагаемся на это каждый день. В этой статье объясняется взаимосвязь между искусственным интеллектом и машинным обучением.

Короче говоря, искусственный интеллект является более широкой концепцией, в то время как машинное обучение – это подмножество или один из подходов, используемых для создания искусственного интеллекта. Глубокое обучение – это мощный и многообещающий машинный обучение, которое применяет определенные виды искусственных нейронных сетей, такие как глубокие нейронные сети, рецидивирующие нейронные сети и сети глубоких убеждений.

Спасибо за чтение!

Оригинал: “https://dev.to/duomly/find-out-what-s-the-difference-between-machine-learning-and-artificial-intelligence-1dbo”