Sự khác biệt giữa trí tuệ nhân tạo và máy học là gì?

Hai thuật ngữ này dường như có liên quan, đặc biệt là trong ứng dụng của chúng trong khoa học máy tính và công nghệ phần mềm. Là một tập hợp con của người khác? Là một công cụ được sử dụng để xây dựng một hệ thống cho người khác? Sự khác biệt của họ là gì và tại sao chúng có ý nghĩa?

Học máy đã được nhiều người định nghĩa theo nhiều cách khác nhau. Một định nghĩa nói rằng học máy (ML) là lĩnh vực nghiên cứu cung cấp cho máy tính khả năng học mà không cần lập trình rõ ràng.

Với định nghĩa trên, chúng ta có thể nói rằng học máy hướng đến các vấn đề mà chúng ta có (rất nhiều) dữ liệu (kinh nghiệm), từ đó một chương trình có thể học và có thể trở nên tốt hơn trong một nhiệm vụ.

Trí thông minh nhân tạo có nhiều khía cạnh hơn, trong đó máy móc không làm tốt hơn các nhiệm vụ bằng cách học từ dữ liệu, nhưng có thể thể hiện trí thông minh thông qua các quy tắc (ví dụ: các hệ thống chuyên gia như Mycin ), logic hoặc thuật toán, ví dụ như tìm đường dẫn .

Cuốn sách Trí tuệ nhân tạo: Cách tiếp cận hiện đại cho thấy nhiều lĩnh vực nghiên cứu về AI, như các vấn đề thỏa mãn ràng buộc , lý luận xác suất hoặc nền tảng triết học .

Các định nghĩa về Trí tuệ nhân tạo có thể được phân thành bốn loại, Suy nghĩ nhân văn, Suy nghĩ hợp lý, Hành động nhân văn và Hành động hợp lý. Bức ảnh sau đây (từ Trí tuệ nhân tạo: Cách tiếp cận hiện đại) sẽ làm sáng tỏ những định nghĩa này: Định nghĩa mà tôi thích là của John McCarthy, "Đó là khoa học và kỹ thuật chế tạo máy thông minh, đặc biệt là các chương trình máy tính thông minh. với nhiệm vụ tương tự là sử dụng máy tính để hiểu trí thông minh của con người, nhưng AI không phải giới hạn bản thân với các phương pháp có thể quan sát được về mặt sinh học. "





Mặt khác, Machine Learning là lĩnh vực AI liên quan đến việc tạo ra phần mềm để đưa ra dự đoán tốt hơn cho đầu ra mà không được lập trình rõ ràng. Các thuật toán khác nhau được sử dụng trên một tập hợp dữ liệu để dự đoán tương lai. Machine Learning được định hướng dữ liệu và định hướng dữ liệu. Machine Learning được phát triển từ nghiên cứu về nhận dạng mẫu và lý thuyết học tính toán của AI.

Tóm lại, Trí tuệ nhân tạo là một lĩnh vực Khoa học Máy tính liên quan đến việc cung cấp cho máy móc khả năng thực hiện các nhiệm vụ hợp lý. Xử lý ngôn ngữ tự nhiên, tự động hóa, xử lý hình ảnh và nhiều thứ khác là một phần của nó.
Machine Learning là một tập hợp con của AI được định hướng dữ liệu và liên quan đến dự đoán. Được sử dụng trong các công cụ tìm kiếm, danh sách đề xuất Youtube, v.v.

Học máy là một tập hợp con của trí tuệ nhân tạo. Nói một cách đơn giản, nó tương ứng với mặt học tập của nó. Không có định nghĩa "chính thức", ranh giới là một chút mờ.

Nhiều thuật ngữ có 'chủ yếu' cùng một nghĩa, và do đó, sự khác biệt chỉ là nhấn mạnh, quan điểm hoặc gốc lịch sử. Mọi người không đồng ý với nhãn nào đề cập đến superset hoặc tập hợp con; có những người sẽ gọi AI là một nhánh của ML và những người sẽ gọi ML là một nhánh của AI.

Tôi thường nghe Machine Learning được sử dụng như một dạng 'thống kê được áp dụng' trong đó chúng tôi chỉ định một vấn đề học tập đủ chi tiết để chúng tôi có thể cung cấp dữ liệu đào tạo vào đó và đưa ra một mô hình hữu ích ở phía bên kia.

Tôi thường nghe Trí tuệ nhân tạo như một thuật ngữ bắt tất cả để chỉ bất kỳ loại trí thông minh nào được nhúng trong môi trường hoặc trong mã. Đây là một định nghĩa rất mở rộng và những người khác sử dụng những định nghĩa hẹp hơn (chẳng hạn như tập trung vào trí thông minh chung nhân tạo , không dành riêng cho miền). (Được đưa đến mức cực đoan, phiên bản của tôi bao gồm máy điều nhiệt.)

Đây cũng là thời điểm tốt để chỉ ra các trang web StackExchange khác, Xác thực chéo và Khoa học dữ liệu , có khá nhiều sự trùng lặp với chỗ ngồi này.

Học máy là một tập hợp con của trí tuệ nhân tạo chỉ là một phần nhỏ trong tiềm năng của nó. Đó là một cách cụ thể để thực hiện AI chủ yếu tập trung vào các kỹ thuật thống kê / xác suất và kỹ thuật tiến hóa. ^Q

Trí tuệ nhân tạo

Trí tuệ nhân tạo là ' lý thuyết và sự phát triển của hệ thống máy tính có thể thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người ' (như nhận thức bằng hình ảnh, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ).

Chúng ta có thể coi AI là khái niệm về việc ra quyết định phi con người ^Q nhằm mục đích mô phỏng các chức năng giống như con người nhận thức như giải quyết vấn đề, ra quyết định hoặc giao tiếp ngôn ngữ.

Học máy

Học máy (ML) về cơ bản là học thông qua việc thực hiện các mô hình xây dựng có thể dự đoán và xác định các mẫu từ dữ liệu.

Theo giáo sư Stephanie R. Taylor của Khoa học máy tính và bài giảng của cô , cũng như trang Wikipedia , 'học máy là một nhánh của trí tuệ nhân tạo và nó là về xây dựng và nghiên cứu các hệ thống có thể học từ dữ liệu ' (như dựa trên nền tảng hiện có email để tìm hiểu cách phân biệt giữa thư rác và không phải thư rác).

Theo Từ điển Oxford , học máy là ' khả năng của máy tính để học hỏi kinh nghiệm ' (ví dụ: sửa đổi cách xử lý của nó trên cơ sở thông tin mới thu được).

Chúng ta có thể nghĩ ML là phát hiện mẫu trên máy vi tính trong dữ liệu hiện có để dự đoán các mẫu trong dữ liệu trong tương lai. ^Q

Nói cách khác, học máy liên quan đến việc phát triển các thuật toán tự học và trí tuệ nhân tạo liên quan đến việc phát triển các hệ thống hoặc phần mềm để bắt chước con người đáp ứng và hành xử trong một tình huống. ^Quora

Trí tuệ nhân tạo khác với Học máy như thế nào https://www.linkedin.com/pulse/how-art bát-intellect-different-from-machine-learning- singh

Trí tuệ nhân tạo (AI) và Machine Learning (ML) là hai từ thông dụng rất hot hiện nay và dường như thường được sử dụng thay thế cho nhau.

Trí tuệ nhân tạo là khái niệm rộng hơn về máy móc có thể thực hiện các nhiệm vụ theo cách mà chúng ta sẽ coi là thông minh "và Machine Learning là một ứng dụng AI hiện tại dựa trên ý tưởng rằng chúng ta thực sự có thể cung cấp cho máy truy cập dữ liệu và để họ tự học.

Bạn có thể tìm thêm thông tin về Machine Learning và Artificial Intelligence.

AI dựa trên lý thuyết là những gì dẫn đến sự phát triển của Machine Learning. Thường được gọi là một tập hợp con của AI, thực sự chính xác hơn khi nghĩ về nó như là công nghệ tiên tiến nhất hiện nay.

Machine Learning đang thu thập kiến ​​thức về dữ liệu bằng một số thuật toán tự học và AI là lĩnh vực mà máy hoàn thành các nhiệm vụ mà không cần sự hỗ trợ của con người dựa trên kiến ​​thức đó có được thông qua học tập. Vì vậy, đây là những gì ML là tập hợp con của AI có nghĩa.

Học máy là một môn khoa học liên quan đến việc phát triển các thuật toán tự học. Các thuật toán này có bản chất chung chung hơn, nó có thể được áp dụng cho các vấn đề liên quan đến tên miền khác nhau.

Trí tuệ nhân tạo là một khoa học để phát triển một hệ thống hoặc phần mềm để bắt chước con người đáp ứng và hành xử theo chu vi. Là lĩnh vực có phạm vi cực kỳ rộng, AI đã xác định mục tiêu của mình thành nhiều phần. Sau đó, mỗi chuck đã trở thành một lĩnh vực nghiên cứu riêng biệt để giải quyết vấn đề của nó.

Sakthi Dasan Sekar

Inteligence nhân tạo: Một tài sản của kiến ​​thức trong một thực thể nhân tạo đang hoạt động.

Học máy: Cách thực hiện một thực thể nhân tạo để thêm thông tin (Tìm hiểu) cho kiến ​​thức của mình

Nói một cách đơn giản, Trí tuệ nhân tạo là một lĩnh vực khoa học đang cố gắng bắt chước hành vi của con người hoặc động vật khác.

Machine Learning là một trong những công cụ / công nghệ chính đằng sau Trí tuệ nhân tạo.

Trí tuệ nhân tạo (AI) và Machine Learning (ML) là hai từ thông dụng rất hot hiện nay và dường như thường được sử dụng thay thế cho nhau. Chúng không hoàn toàn giống nhau, nhưng nhận thức rằng đôi khi chúng có thể dẫn đến một số nhầm lẫn. Vì vậy, tôi nghĩ rằng sẽ đáng để viết một tác phẩm để giải thích sự khác biệt.

Học máy là một lĩnh vực cốt lõi của trí tuệ nhân tạo; nó cho phép các máy tính có thể vào chế độ tự học mà không cần lập trình rõ ràng. Khi tiếp xúc với dữ liệu mới, các chương trình máy tính này được kích hoạt để tự học, phát triển, thay đổi và phát triển.

Trước hết, tôi bắt gặp thuật ngữ MachineLearning nhiều hơn trong các lớp Business Intelligence của tôi hơn là trong các lớp AI của tôi.

Giáo sư AI của tôi Rolf Pfeifer sẽ nói theo cách đó: (sau khi có một bài giảng dài về trí thông minh là gì, làm thế nào nó có thể được định nghĩa, các loại trí thông minh khác nhau, v.v.). ML tĩnh hơn và "ngu ngốc" hơn, không biết về môi trường giả tạo của nó và không được tạo ra để tương tác với nó, hoặc chỉ trên cơ sở trừu tượng. AI có một nhận thức nhất định về môi trường của nó và tương tác với nó một cách tự động, từ đó đưa ra các quyết định tự trị với các vòng phản hồi. Từ quan điểm đó, Ugnes Trả lời có lẽ là gần nhất. Bên cạnh đó, tất nhiên, ML là một tập hợp con của AI.

Machine Learning không phải là trí thông minh thực sự (imho), chủ yếu là trí thông minh của con người được phản ánh trong các thuật toán logic và như Business Intelligence Prof của tôi sẽ đưa ra: về dữ liệu và phân tích. Machine Learning có rất nhiều thuật toán được giám sát mà thực sự cần con người hỗ trợ quá trình học bằng cách nói đúng và sai, vì vậy chúng không độc lập. Và một khi chúng được áp dụng, các thuật toán chủ yếu là tĩnh cho đến khi con người điều chỉnh lại chúng. Trong ML bạn hầu hết có thiết kế hộp đen và khía cạnh chính là dữ liệu. Dữ liệu được đưa vào, Dữ liệu được phân tích ("Thông minh"), Dữ liệu bị mất và Học trong hầu hết các trường hợp áp dụng cho việc thực hiện trước / Học tập trước. Trong hầu hết các trường hợp ML không quan tâm đến môi trường của máy, đó là về dữ liệu.

AI thay vào đó là bắt chước trí thông minh của con người hoặc động vật. Theo cách tiếp cận của Giáo sư của tôi, AI không nhất thiết là tự ý thức mà là tương tác với môi trường, vì vậy, để xây dựng AI, bạn cần cung cấp cho các cảm biến máy để nhận biết môi trường, một loại trí thông minh có thể tiếp tục học hỏi và các yếu tố để tương tác với môi trường (vũ khí, v.v.). Sự tương tác nên diễn ra theo cách tự trị và lý tưởng, như ở người, học tập nên là một quá trình tự trị, đang diễn ra.

Vì vậy, một máy bay không người lái quét các trường trong sơ đồ logic cho các mẫu màu để tìm cỏ dại trong các loại cây trồng sẽ có nhiều ML hơn. Đặc biệt nếu dữ liệu sau đó được phân tích và xác minh bởi con người hoặc thuật toán được sử dụng là thuật toán tĩnh được tích hợp "trí thông minh" nhưng không thể điều chỉnh lại hoặc thích nghi với môi trường của nó. Một máy bay không người lái tự động, tự sạc pin khi hết pin, quét cỏ dại, học cách phát hiện những thứ chưa biết và tự xé chúng ra và đưa chúng trở lại để xác minh, sẽ là AI ...

Trước khi đi vào sự khác biệt là điều quan trọng để hiểu rõ ý nghĩa của chúng.

Trí thông minh nhân tạo là khoa học và kỹ thuật làm cho máy tính hoạt động theo cách mà bắt chước hành vi của con người - Andrew Moore

Học máy là nghiên cứu các thuật toán máy tính cho phép các chương trình máy tính tự động cải thiện thông qua trải nghiệm - Tom Mitchell

Nếu Trí tuệ nhân tạo đang chế tạo máy móc để thể hiện trí thông minh của con người, thì học máy là một cách tiếp cận để đạt được trí thông minh nhân tạo mà máy có thể tự học mà không cần lập trình rõ ràng. Đơn giản, Machine learning là một phần của AI.

Hãy tự mình kiểm tra để tìm ra sự khác biệt.

Bước 1: Tôi sẽ viết một từ và bạn phải phát âm to.

Từ này là: Stackoverflow

Tốt !!! vì vậy bạn có thể phát âm nó một cách liền mạch

Bước 2: Bây giờ bạn phải phát âm một từ khác.

Từ này là: Worcestershire

Hừm !!! tìm thấy nó khó khăn nhưng vẫn, bạn phát âm nó, điều đó làm cho bạn thông minh.

Vì vậy, chính xác, khi bạn vượt qua khó khăn của nó intelligence.

Nhưng bây giờ nếu tôi nói với bạn cách phát âm của nó, và bạn thử cùng một bài kiểm tra, bạn sẽ không gặp khó khăn khi bạn học cách phát âm nó.

Tương tự là trường hợp của Trí tuệ nhân tạo và học máy.

Vì vậy, trí thông minh nhân tạo là một cách để lập bản đồ logic, lý luận, hiểu biết và kỹ năng giải quyết vấn đề của con người.

Trong khi học máy là để nhớ hoặc dự đoán theo mô hình, số liệu thống kê và kinh nghiệm.

Vì vậy, trí thông minh nhân tạo là phải có kỹ năng giải quyết vấn đề, logic, lý luận, hiểu biết nhưng vẫn cần phải học để có được những kỹ năng này, vì vậy học máy là một phần của trí thông minh nhân tạo.

Trong các trò chơi trên máy tính, AI có thể là: Nếu người chơi nhảy, thì hãy bắn. Vì vậy, AI có thể chỉ đơn giản là một tập hợp các hướng dẫn rõ ràng cho hành vi. Lập trình viên AI đã quyết định trước rằng tốt nhất nên bắn khi người chơi nhảy.

Deep Learning là một cách để không xác định các hướng dẫn đó trước mà học chúng trong khi chúng đang diễn ra, vì vậy AI học được rằng tốt nhất là bắn khi người chơi nhảy. Nó có thể học được điều này bằng cách cố gắng bắn vào những thời điểm khác và chẩn đoán rằng điều này ít ảnh hưởng hơn.

Trí tuệ nhân tạo có nghĩa là bạn viết chương trình để thực hiện một nhiệm vụ nhất định và bạn không xem xét cách người dùng cá nhân sử dụng chương trình hoặc phần nào của chương trình mà anh ta liên tục sử dụng ...

Machine Learning có nghĩa là bạn viết cùng một chương trình và bạn cũng nói với chương trình để đề xuất một điều mà người dùng sẽ quan tâm đến nó ...

Ví dụ tốt nhất về Machine Learning là nhận dạng khuôn mặt

bạn đã viết chương trình để phát hiện màu sắc, hình dạng của khuôn mặt và sau đó khi nhận ra khuôn mặt bạn có thể thực hiện các tác vụ khác ... Đó là Machine Learning.

nhưng nếu bạn đã có dữ liệu hình ảnh của các khuôn mặt khác nhau được lưu trữ trong chương trình và bạn đang so sánh nó với người dùng và sau đó bạn thực hiện một tác vụ nhất định thì đó sẽ là Trí tuệ nhân tạo