機(jī)器學(xué)習(xí)和人工智能之間有什么區(qū)別？

機(jī)器學(xué)習(xí)和人工智能之間有什么區(qū)別？

讓2020年成為您了解人工智能和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的一年。

人工智能和機(jī)器學(xué)習(xí)是技術(shù)世界中最熱門的兩件事。盡管它們是兩個(gè)截然不同的概念，但我們看到很多人對(duì)這些定義進(jìn)行了打亂，并且經(jīng)常互換使用它們。在2020年，必須了解機(jī)器學(xué)習(xí)（ML）和人工智能（AI）的基本知識(shí)，因?yàn)槊總€(gè)人在計(jì)算機(jī)科學(xué)中，尤其是在當(dāng)今的技術(shù)中，都扮演著不可或缺的角色。

充分掌握這兩個(gè)概念的價(jià)值和目的的最佳方法是確定它們的質(zhì)量以及它們的異同。讓我們仔細(xì)看看這兩個(gè)概念。

了解人工智能

人工智能是由約翰·麥卡錫（John McCarthy）于1956年發(fā)明的。然而，幾年前，已經(jīng)出現(xiàn)了諸如機(jī)械大腦和邏輯機(jī)器之類的概念，這些概念受到與歐洲早期計(jì)算機(jī)合作的工程師的青睞和使用。

隨著技術(shù)的不斷進(jìn)步和發(fā)展，這些概念也開始發(fā)展。同時(shí)，隨著技術(shù)開始更好地理解人的思維及其運(yùn)作方式，人工智能也隨之發(fā)生了變化。但是，人工智能到底是什么？它有什么作用？而且，更重要的是，它的用途是什么？

簡(jiǎn)而言之，人工智能是一種允許系統(tǒng)以接近人類的方式執(zhí)行任務(wù)的技術(shù)。AI適用于模仿人類特征的機(jī)器。如今，在AI中最常見的任務(wù)是識(shí)別聲音和圖像，解決問題，學(xué)習(xí)，規(guī)劃和理解不同的語言。

人工智能的目標(biāo)是增加和提高成功的機(jī)會(huì)。同樣，它以決策能力著稱，并且關(guān)注通過模擬自然智能解決復(fù)雜問題。

除了了解其功能外，了解兩種類型的AI也很重要。

簡(jiǎn)而言之，通用人工智能是較不常見的類型。這種類型可以處理或處理人類可以執(zhí)行的任何類型的智力任務(wù)。它既可以添加新知識(shí)，又可以開發(fā)功能。因此，它所完成的任務(wù)可能甚至還不存在。

但是，這是人工智能領(lǐng)域，當(dāng)前大多數(shù)開發(fā)和進(jìn)步正在發(fā)生。

通用AI被認(rèn)為是負(fù)責(zé)機(jī)器學(xué)習(xí)進(jìn)一步發(fā)展的力量之一。

另一方面，您的人工智能很弱?-這是大多數(shù)人都會(huì)熟悉的人工智能。此類型專注于一項(xiàng)特定的預(yù)定義任務(wù)。因此，它可以與預(yù)期的響應(yīng)一起使用。一個(gè)很好的例子就是LinkedIn Messaging。每當(dāng)您在平臺(tái)上收到消息時(shí)，APP都會(huì)為您準(zhǔn)備一系列答案。這些是常見消息的常見答案。本質(zhì)上，這些響應(yīng)的基礎(chǔ)通常是某些短語和單詞的排列方式。

弱AI（也稱為應(yīng)用AI）不具備意識(shí)。這意味著，盡管它在一個(gè)領(lǐng)域或能力上可能是優(yōu)秀的，但在其他領(lǐng)域卻沒有價(jià)值。弱AI的好例子包括Apple的Siri，Netflix的推薦以及Spotify的發(fā)現(xiàn)模式。

了解機(jī)器學(xué)習(xí)

人工智能和計(jì)算機(jī)游戲先驅(qū)Arthur Samuel是第一個(gè)創(chuàng)造“機(jī)器學(xué)習(xí)”一詞的人。這發(fā)生在1959年，當(dāng)時(shí)美國(guó)人將ML描述為一項(xiàng)研究，它使計(jì)算機(jī)無需顯式編程即可學(xué)習(xí)。

用更簡(jiǎn)單的術(shù)語來說，機(jī)器學(xué)習(xí)是一個(gè)APP（一個(gè)AI APP），它使機(jī)器能夠改進(jìn)和學(xué)習(xí)經(jīng)驗(yàn)。

它基于這樣的概念：機(jī)器應(yīng)該可以訪問數(shù)據(jù)，從而應(yīng)該能夠使用這些數(shù)據(jù)自行學(xué)習(xí)。因此，與像計(jì)算機(jī)程序一樣工作并執(zhí)行智能工作的人工智能不同，機(jī)器學(xué)習(xí)從其使用和獲取的數(shù)據(jù)中學(xué)習(xí)。機(jī)器學(xué)習(xí)不是專注于AI等決策，而是專注于從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)新事物。雖然AI將智能作為最終目標(biāo)，但ML關(guān)心獲取知識(shí)。

機(jī)器學(xué)習(xí)的一個(gè)很好的例子是計(jì)算機(jī)如何通過純粹的能力識(shí)別圖像。即使存在不同的圖像（例如食物，衣服和小工具的圖像），ML仍然能夠?qū)⒈舜藚^(qū)分開。它借助機(jī)器學(xué)習(xí)算法來完成此任務(wù)，該算法的目的是根據(jù)圖像的標(biāo)簽來研究和檢查圖像。

使用這些標(biāo)簽，該算法便能夠?yàn)槊糠N圖像類型創(chuàng)建一個(gè)模型。這有助于對(duì)不同標(biāo)簽進(jìn)行分類。這意味著食品標(biāo)簽僅顯示食品圖像，衣服標(biāo)簽僅顯示服裝，依此類推。這是機(jī)器如何學(xué)習(xí)識(shí)別特定圖像的完美說明。

底線

為了幫助您更好地理解人工智能和機(jī)器學(xué)習(xí)之間的區(qū)別，您只需要記住一件事：AI是比ML更廣泛的概念-它包含了一個(gè)通用概念-一個(gè)表示機(jī)器可以執(zhí)行智能任務(wù)而ML是所有有關(guān)通過特定算法獲取知識(shí)和學(xué)習(xí)的知識(shí)。

因此，盡管這兩者顯然存在差異，但兩者都是有助于塑造技術(shù)的重要因素-現(xiàn)代和先進(jìn)技術(shù)。兩者都有責(zé)任給我們提供我們從未想到過的事情，并為我們提供所有人都能受益的技術(shù)。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。