التعلم الآلي مقابل الذكاء الاصطناعي

التعلم الآلي مقابل الذكاء الاصطناعي

العالم بأسره قيد الإغلاق حاليًا بسبب جائحة COVID-19. تم إغلاق المدارس والكليات وحتى المكاتب لتجنب انتشار الفيروس. إذا كنت ترغب في أي وقت مضى في تطوير مهاراتك باستخدام بعض التقنيات الجديدة أو تريد معرفة المزيد عنها ، فهذا هو أفضل وقت.

قل التعلم الآلي (ML) والذكاء الاصطناعي (AI) هي إحدى المهارات أو التقنيات التي تريد استكشافها ، فأنت في المكان المناسب. هناك العديد من دورات الذكاء الاصطناعي والتعلم الآلي المتاحة على شبكة الويب العالمية والتي تقدمها العديد من معاهد التدريب عبر الإنترنت. على عكس معظمهم ، سنستعرض أساسيات ML و AI بمعظم مصطلحات الأشخاص العاديين. سنتناول أيضًا عدة اختلافات بين الاثنين في قسم الملخص. بدون مزيد من اللغط ، لنبدأ.

الذكاء الاصطناعي (AI):

إذا كنت قد شاهدت أيًا من أفلام الرجل الحديدي أو كنت تستخدم هاتفًا ذكيًا حديثًا بشكل معقول ، فمن المحتمل أنك سمعت عن الذكاء الاصطناعي (AI). لتجديد معلوماتك ، فإن JARVIS في أفلام الرجل الحديدي هي ذكاء اصطناعي. أيضًا ، مساعد Google في جهاز Android الخاص بك أو Siri في جهاز Apple الخاص بك ، والذي نعرفه جميعًا ، هو أفضل مثال يمكننا التفكير فيه حول الذكاء الاصطناعي. ومع ذلك ، فإن الذكاء الاصطناعي هو أكثر بكثير من مجرد مساعدك.

دعونا ننتقل إلى التعريف في الواقع لفهم ما هو الذكاء الاصطناعي:

" تعرف علوم الكمبيوتر أبحاث الذكاء الاصطناعي بأنها تعلم" الوكلاء الأذكياء ": أي جهاز يتكيف مع بيئته ويتخذ الإجراءات اللازمة التي تزيد من فرصته في تحقيق أهدافه بنجاح. يصف تعريف أكثر تفصيلاً الذكاء الاصطناعي بأنه "قدرة النظام على فهم البيانات المستمدة من العوامل الخارجية بشكل صحيح ، والتعلم من هذه البيانات ، واستخدام تلك المعارف لتحقيق أهداف ومهام محددة من خلال التكيف المرن."

من منظور الشخص العادي ، فإن الذكاء الاصطناعي هو نظام تم إنشاؤه بشكل مصطنع يحاول تقليد السلوك البشري والأفعال ، خاصةً أثناء حل المشكلات المعقدة مثل تصنيف القطط والكلاب بناءً على الصور ، والتعرف على الوجوه ، وأبحاث الأدوية الطبية ، وإنشاء الموسيقى ، وما إلى ذلك.

لا تقدم لنا معظم دورات الذكاء الاصطناعي والتعلم الآلي الأنواع الثلاثة التالية من أنظمة التعلم بالذكاء الاصطناعي:

• ذكاء اصطناعي ضيق (ذكاء اصطناعي ضعيف) : حاليًا ، جميع تطبيقات الضجيج والذكاء الاصطناعي موجودة هنا. إنه نظام ذكاء اصطناعي يمكنه أداء مهمة محددة مثل البشر أو أفضل منهم. بشكل عام فهو غير قادر على اختبار الوعي. على سبيل المثال ، أجهزة الكشف عن الوجه في وسائل التواصل الاجتماعي ، والتعرف على الأشياء والأشكال ، والذكاء الاصطناعي في الألعاب ، وما إلى ذلك.
• ذكاء اصطناعي عام (ذكاء اصطناعي قوي) : إنه نظام ذكاء اصطناعي وصل إلى حالة عامة حيث يمكنه قيادة أي مهمة فكرية بنفس مستوى الدقة مثل البشر. إنه قادر على اختبار الوعي.
• Super AI (Theoretical AI) : إنه نظام ذكاء اصطناعي يفوق الذكاء البشري في جميع الجوانب. يمكنها حتى التغلب على ألمع إنسان. يشعر معظم الناس بالقلق بشأن هذا النوع من الذكاء الاصطناعي. تشعر الوجوه الشهيرة مثل Elon Musk بأن أنظمة الذكاء الاصطناعي هذه ستؤدي على الأرجح إلى انقراض الإنسان.

لتلخيص جزء الذكاء الاصطناعي :

إنه مجال واسع من علوم الكمبيوتر يمكّن الآلات من امتلاك ذكاء يشبه الإنسان. يتم تنفيذ معظم أعمال الذكاء الاصطناعي حاليًا في فئة "الذكاء الاصطناعي الضيق". نحن بعيدون عن إنشاء الذكاء الاصطناعي العام أو الفائق.

تعلم الآلة (ML):

إذا كنت تتابع الإعلانات الأخيرة من أي عملاق تقني كبير ، فستسمع هذا المصطلح. مثل Microsoft أعلنت مؤخرًا عن عملها على ميزة "FIND" المحسّنة في MS-Word ، والتي تستخدم الآن ML للعثور على الكلمات المقصودة حتى إذا قمت بخطأ إملائي في مربع نص Find (“Ctrl + F”).

دعونا ننتقل إلى التعريف أولاً:

" التعلم الآلي هو دراسة مفصلة لخوارزميات الكمبيوتر التي يتم ضبطها تلقائيًا من خلال التجربة. "

إنه جزء من منظمة العفو الدولية. إنه يمكّن الأنظمة من التعلم والتحسين تلقائيًا من تجربتها ، دون أن تتم برمجتها بشكل صريح. يحدث ذلك لأن تعلم الآلة يعتمد على مجموعة معقدة من الخوارزميات بالإضافة إلى البيانات المنظمة والمنظّمة مع التسميات (في الغالب) . تحاول أنظمة ML تعلم العلاقات بين الميزات (الأعمدة أو السمات أو الأجزاء الأساسية من البيانات) للبيانات. يتم توفير البيانات إلى نموذج ML بواسطتك.

الفهم الأساسي هو استخدام الميزات الأساسية وعلاقتها بالتسمية لاشتقاق حل المهمة. من خلال علاقة التعلم ، فإنه يحدد الأنماط والطبيعة المتأصلة للبيانات وكيف تؤثر قيمها على الاسم. بناءً على ما فهمته من تحليل البيانات ، فإنها تتخذ قرارات مستنيرة باستخدام خوارزميات مختلفة. يتم تدريب النموذج على البيانات المستخدمة في التدريب ، والتحقق من صحتها من أجل الأداء والدقة في بيانات التحقق من الصحة ، واختبارها على بيانات الاختبار.

لا تحتاج أنظمة ML ، بخلاف الطرق التقليدية ، إلى منطق مشفر صريحًا للحل. على سبيل المثال ، بدلاً من قيام المبرمج بترميز الصيغة / أطروحة للتنبؤ بالمبيعات ، يتعلم النموذج نفسه الفلسفة بناءً على الأنماط والعلاقات التي يمتصها خلال مرحلة التدريب. هناك ثلاثة أنواع من خوارزميات ML:

• التعلم الخاضع للإشراف : هنا ، تتكون بيانات التدريب من ملصقات. يعمل كمشرف على نموذج ML. ومن ثم ، سميت التعلم تحت الإشراف. على سبيل المثال ، الانحدار الخطي ، وأشجار القرار ، إلخ.
• التعلم غير الخاضع للإشراف : هنا ، لا تحتوي بيانات التدريب على أي تسميات. بدلاً من ذلك ، يجد نموذج ML أنماطًا ويستخرج ميزات مفيدة بنفسه بناءً على البيانات. إنه يسمى التعلم غير الخاضع للإشراف ، حيث لا يوجد مشرف. يتم استخدامها بشكل شائع للتجميع - على سبيل المثال ، K-Means Clustering ، Association ، إلخ.
• التعلم المعزز : لا تخبر معظم دورات الذكاء الاصطناعي والتعلم الآلي الكثير عن هذا النوع. الفكرة الأساسية هي مكافأة الوكيل على أداء الإجراءات الصحيحة. أيضًا ، عاقبهم على كل خطوة غير صحيحة. اتبع نهج التجربة والخطأ ، تمامًا مثل الألعاب ، على سبيل المثال ، Q-Learning.

يتضمن التطبيق النموذجي لـ ML - تنبؤات المبيعات والتنبؤ واكتشاف الاحتيال وما إلى ذلك.

ملخص الذكاء الاصطناعي مقابل ML

منظمة العفو الدولية

• إنه يحاكي الذكاء أو السلوك البشري
• مصطلح أوسع
• لا يزال مجال البحث.
• يتم تنفيذه حاليًا في العديد من القطاعات وتطوير المنتجات.

ML

• إنها تقنية تمكن الكمبيوتر من التعلم من البيانات الموجودة.
• معظم تطبيقات ML قيد الاستخدام بالفعل في العديد من القطاعات وتطوير المنتجات.

وبالتالي ، أثناء تحديد أي دورات تدريبية في الذكاء الاصطناعي والتعلم الآلي ، تحقق مما إذا كانت جميع هذه الأقسام مغطاة أم لا.