Η διαφορά μεταξύ της τεχνητής νοημοσύνης και της μηχανικής μάθησης

Γεια σας παιδιά σήμερα, θα σας πω τη διαφορά μεταξύ της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Όλοι έχουμε ακούσει για AI και ML, αλλά οι περισσότεροι από εμάς δεν γνωρίζουμε ότι είναι διαφορετικό. Πρώτα απ 'όλα, μάθετε τι ML και AI είναι.

Τι είναι το AI και το ML;

Αυτό που καταλαβαίνετε είναι ότι το AI είναι ένα τεχνητό πρόγραμμα τεχνητής νοημοσύνης για την έξυπνη δουλειά των ανθρώπων. Το AI είναι ένα πρόγραμμα γραμμένο από άτομα που μπορούν να εισαχθούν στο σύστημα και το σύστημα μπορεί να εκτελέσει έξυπνα καθήκοντα όπως η λήψη ανθρώπινων αποφάσεων. Έγραψα μια ανάρτηση για το τι είναι AI, παρακαλώ επικοινωνήστε για περισσότερες πληροφορίες.

Αυτό που καταλαβαίνετε στο ML είναι ότι είναι μια μορφή εφαρμογής που μαθαίνετε από την εμπειρία χωρίς ρητό προγραμματισμό. Το ML είναι ένα πρόγραμμα που διαβάζει δεδομένα και αναλύει πρότυπα για να κάνει μελλοντικές προβλέψεις χωρίς ανθρώπινη παρέμβαση. Αυτοί είναι αλγόριθμοι που βελτιώνουν την απόδοση καθώς γίνονται όλο και περισσότερα δεδομένα με την πάροδο του χρόνου

Είναι σαφές ότι και οι δύο μπορούν να κάνουν το έργο χωρίς την ανάγκη του ατόμου. Το ML είναι ένα υποσύνολο του AI.

Η κύρια διαφορά είναι

Φαντασία (AI)

AI σημαίνει τεχνητή νοημοσύνη, όπου η ψυχική μάθηση ορίζεται ως η ικανότητα απόκτησης και εφαρμογής της γνώσης.

Ο στόχος είναι να αυξηθούν οι πιθανότητες επιτυχίας, όχι ακρίβειας.

Αυτό έχει ως αποτέλεσμα τη δημιουργία ενός συστήματος που μιμείται τη συμπεριφορά ενός ατόμου σε οποιαδήποτε κατάσταση.

Ο στόχος είναι να προσομοιωθεί το φυσικό μυαλό για την επίλυση ενός σύνθετου προβλήματος. Η ΑΙ είναι η λήψη αποφάσεων.

Η AI πηγαίνει να βρει την καλύτερη λύση.

ΕΚΠΑΙΔΕΥΣΗ ΜΗΧΑΝΗΜΑΤΩΝ (ML)

Το ML είναι Μηχανική Μάθηση, που σημαίνει απόκτηση γνώσεων ή δεξιοτήτων.

Ο στόχος είναι να βελτιωθεί η ακρίβεια, αλλά δεν ενδιαφέρεται για την επιτυχία.

Αυτό περιλαμβάνει τη δημιουργία αλγορίθμων αυτο-μάθησης.

Ο στόχος είναι να μάθετε από τις πληροφορίες μιας συγκεκριμένης εργασίας για να μεγιστοποιήσετε την απόδοση της μηχανής για αυτήν την εργασία.

Το ML επιτρέπει στο σύστημα να μάθει κάτι νέο από τα δεδομένα.

Το ML πηγαίνει μόνο να αποφασίσει αν είναι βέλτιστο.

Εδώ είναι μερικά παραδείγματα όπου χρησιμοποιούνται AI και ML και μια έγκυρη ιδέα για την έννοια.

Παραδείγματα μηχανικής μάθησης

  • Google Maps
  • Αναζήτηση Google
  • Gmail
  • PayPal
  • Netflix
  • Uber
  • Siri και Cortana

Παραδείγματα Τεχνητής Νοημοσύνης

  • Google Self Driver, Autopilot Tesla και Audi A7 Αυτοκίνητο Αυτοκίνητο
  • Ανίχνευση απάτης, ιδίως απάτη με ηλεκτρονικές συναλλαγές
  • Online υποστήριξη πελατών, οι περισσότερες ζωντανές συνομιλίες στο διαδίκτυο πραγματοποιούνται από την AI
  • Αυτή η εφαρμογή μπορεί να δημιουργήσει απλά άρθρα χρησιμοποιώντας το Wordsmith. Αυτό είναι ένα AI που σας δίνει απλά άρθρα που δεν απαιτούν υπερβολική σύνθεση
  • Παρακολούθηση ασφαλείας, όπου η χρήση του AI βελτιώνει την ασφάλεια και επιτρέπει στους αλγόριθμους ασφαλείας να έχουν πρόσβαση σε κάμερες ασφαλείας και να ανιχνεύουν αν υπάρχει απειλή - αν "βλέπει" ένα προειδοποιητικό σήμα, θα ειδοποιεί το προσωπικό ασφαλείας.
  • Οι εφαρμογές που συνιστούν μουσική και ταινίες όπως το Netflix και το Pandora συνιστώνται με βάση το ενδιαφέρον σας και την παρελθούρη χρήση

Μπορεί να αναρωτηθείτε αν κάποια παραδείγματα είναι τα ίδια, επειδή το ML είναι ένα υποσύνολο του AI, και χωρίς ML, δεν μπορείτε να δημιουργήσετε ένα AI. Πρώτον, το μηχάνημα πρέπει να μάθει πού να παίξει ML, και στη συνέχεια μπορεί να εκτελεί έξυπνες εργασίες. Νομίζω ότι θα είχε εξαλείψει μερικές από τις αμφιβολίες σας στον εγκέφαλό σας αν δεν ήταν δυνατόν να κάνετε ερωτήσεις ή να ψάξετε μόνοι σας.

Αρχικά δημοσιεύθηκε στο ReviewStories.