Różnica między uczeniem maszynowym a sztuczną inteligencją
- 637
- 64
- Spirydion Kruk
Sztuczna inteligencja i uczenie maszynowe to dwa modne słowa często nadużywane obecnie. I są one powszechnie używane zamiennie, aby wskazać inteligentne oprogramowanie lub systemy. Chociaż AI i uczenie maszynowe opierają się na statystyce i matematyce, różnią się one.
Podsumowanie wykresu
| NAUCZANIE MASZYNOWE | Sztuczna nauka |
| Uczenie maszynowe jest próbą budowy maszyn, które mogą wykonywać tylko zadania, dla których zostały wykształcone. |
| W takim przypadku Machine Systems Systems zbiera i uczy się na podstawie danych. |
Getty Images/ Moment/ D3Sign
Definicja
Sztuczna inteligencja (AI) odnosi się do inteligencji maszynowej (postrzeganie, syntezowanie i wnioskowanie informacji) zamiast inteligencji zwierząt i ludzkiej. Rozpoznawanie mowy, wizja komputerowa, tłumaczenie na (naturalne) języki i inne mapowania wejściowe to zadania, w których się to dokonuje. Jest to teoria i rozwój systemów komputerowych zdolnych do wykonywania funkcji tradycyjnie wykonywanych przez ludzi, takich jak postrzeganie wizualne, rozpoznawanie mowy, podejmowanie decyzji i tłumaczenie języka.
Uczenie maszynowe (ML) to gałąź badań dotycząca zrozumienia i opracowywania technik, które „uczą się”, to znaczy metody wykorzystujące dane w celu poprawy wydajności zestawu zadań. Jest uważany za element sztucznej inteligencji. Algorytmy uczenia maszynowego konstruują model z wykorzystaniem przykładowych danych, określanych jako dane szkoleniowe, w celu dokonywania prognoz lub osądów bez jawnego zaprogramowania.
Uczenie maszynowe vs. Sztuczna nauka
Można powiedzieć, że sztuczna inteligencja jest szerokim dziedziną studiów, w których uczenie maszynowe jest tylko drobnym elementem. Sztuczna inteligencja to gałąź informatyki, która rozwija systemy komputerowe, które mogą symulować ludzki intelekt. Systemy sztucznej inteligencji nie muszą być wstępnie zaprogramowane; Zamiast tego wykorzystują algorytmy, które działają z ich inteligencją.
Z drugiej strony uczenie maszynowe umożliwia systemowi komputerowe generowanie prognoz lub dokonywanie osądów na podstawie wcześniejszych danych bez wyraźnego zaprogramowania. Uczenie maszynowe szeroko wykorzystuje dane strukturalne i częściowo ustrukturyzowane dla modelu uczenia maszynowego, aby zapewnić dokładne wyniki lub dokonać prognozowania. Uczenie maszynowe działa na algorytmie, który sam się uczy za pomocą danych historycznych. Z drugiej strony uczenie maszynowe umożliwia systemowi komputerowe generowanie prognoz lub dokonywanie osądów na podstawie wcześniejszych danych bez wyraźnego zaprogramowania. Uczenie maszynowe szeroko wykorzystuje dane strukturalne i częściowo ustrukturyzowane dla modelu uczenia maszynowego, aby zapewnić wiarygodne ustalenia lub dokonać prognoz na podstawie tych danych.