기계 학습 대 인공 지능

기계 학습 대 인공 지능

현재 전 세계가 코로나19 팬데믹(세계적 대유행)으로 락다운(Lock-down) 상태다. 학교, 대학, 심지어 사무실도 바이러스의 추가 확산을 피하기 위해 폐쇄되었습니다. 새로운 기술에 대한 기술을 향상시키거나 이에 대해 더 알고 싶다면 지금이 최적기입니다.

머신 러닝(ML) 및 인공 지능(AI)이 탐색하고 싶은 기술 또는 기술 중 하나라고 가정하면 올바른 위치에 있습니다. 여러 온라인 교육 기관에서 제공하는 월드 와이드 웹 에는 많은 AI 및 기계 학습 과정 이 있습니다. 그들 대부분과 달리 우리는 ML 및 AI의 기본 사항을 대부분의 평신도 용어로 살펴보겠습니다. 요약 섹션에서 둘 사이의 몇 가지 차이점도 살펴보겠습니다. 더 이상 고민하지 않고 시작하겠습니다.

인공 지능(AI):

Iron-Man 영화를 보거나 합리적으로 현대적인 스마트 폰을 사용하는 경우 인공 지능(AI)에 대해 들어봤을 것입니다. 다시 한 번 말씀드리자면, 아이언맨 영화의 JARVIS는 AI입니다. 또한 우리 모두가 알고 있는 Android 기기의 Google Assistant 또는 Apple 기기의 Siri는 인공 지능에 대해 생각할 수 있는 가장 좋은 예입니다. 그러나 인공 지능은 조수 그 이상입니다.

인공 지능이 무엇인지 이해하기 위해 실제로 정의를 살펴보겠습니다.

" 컴퓨터 과학은 인공 지능 연구를 " 지능적 에이전트 "의 학습으로 정의합니다. 환경에 적응하고 목표를 성공적으로 달성할 기회를 최대화하기 위해 필요한 조치를 취하는 모든 장치입니다. 더 자세한 정의는 AI를 "외부 에이전트에서 파생된 데이터를 올바르게 이해하고 이러한 데이터에서 학습하고 이러한 학습을 ​​사용하여 유연한 적응을 통해 특정 목표와 작업을 달성하는 시스템의 능력"으로 설명합니다.

평신도의 용어로 AI는 인간의 행동과 행동을 모방하려고 인공적으로 생성된 시스템입니다. 특히 이미지를 기반으로 고양이와 개의 분류, 얼굴 인식, 의약품 연구, 음악 제작 등과 같은 복잡한 문제를 해결합니다.

대부분의 AI 및 기계 학습 과정 에서는 다음 세 가지 유형의 학습 AI 시스템을 소개하지 않습니다.

• 내 로우 AI(약한 AI) : 현재 모든 과대 광고 및 AI 응용 프로그램이 여기에 있습니다. 인간과 같거나 더 나은 특정 작업을 수행할 수 있는 인공 지능 시스템입니다. 일반적으로 의식을 경험할 수 없습니다. 예: 소셜 미디어의 얼굴 감지기, 개체 및 모양 인식, 게임의 AI 등
• 일반 AI(Strong AI) : 인간과 같은 수준의 정확도로 모든 지적 작업을 수행할 수 있는 일반 상태에 도달한 AI 시스템입니다. 그것은 의식을 경험할 수 있습니다.
• 슈퍼 AI(이론적 AI) : 모든 면에서 인간의 지능을 능가하는 AI 시스템입니다. 가장 똑똑한 인간도 이길 수 있습니다. 대부분의 사람들은 이러한 유형의 AI에 대해 걱정합니다. Elon Musk와 같은 유명한 얼굴은 이러한 AI 시스템이 인간의 멸종으로 이어질 가능성이 있다고 생각합니다.

AI 부분을 요약하자면 다음과 같습니다.

기계가 인간과 같은 지능을 가질 수 있도록 하는 컴퓨터 과학의 넓은 영역입니다. 대부분의 AI 작업은 현재 "협소 AI" 범주에서 수행됩니다. 우리는 General 또는 Super AI를 만드는 것과는 거리가 멉니다.

머신 러닝(ML):

주요 기술 대기업의 최근 발표를 보고 있다면 이 용어를 들어봤을 것입니다. 마이크로소프트가 최근 MS-Word의 개선된 "찾기" 기능에 대한 작업을 발표한 것처럼, 찾기 텍스트 상자("Ctrl + F")에 오타가 있더라도 이제 ML을 사용하여 의도한 단어를 찾습니다.

먼저 정의를 살펴보겠습니다.

“ 머신 러닝은 경험을 통해 자동으로 조정되는 컴퓨터 알고리즘에 대한 자세한 연구입니다. "

AI 부문입니다. 이를 통해 시스템은 명시적으로 프로그래밍하지 않고도 경험을 통해 자동으로 학습하고 개선할 수 있습니다. ML이 복잡한 알고리즘 집합과 레이블이 있는 구조화되고 정리된 데이터(대부분)에 의존 하기 때문에 발생합니다 . ML 시스템은 데이터의 기능(열 또는 속성 또는 데이터의 필수 부분) 간의 관계를 학습하려고 합니다. 데이터는 사용자가 ML 모델에 제공합니다.

기본적인 이해는 필수 기능과 레이블과의 관계를 사용하여 작업의 솔루션을 도출하는 것입니다. 관계를 학습하여 패턴, 데이터의 고유한 특성 및 해당 값이 이름에 미치는 영향을 식별합니다. 데이터를 파싱하여 이해한 내용을 기반으로 다양한 알고리즘을 사용하여 정보에 입각한 결정을 내립니다. 모델은 훈련에 사용된 데이터에 대해 훈련되고, 검증 데이터에 대한 성능과 정확성이 검증되고, 테스트 데이터에 대해 테스트됩니다.

ML 시스템은 기존 방법과 달리 솔루션에 대해 명시적으로 코딩된 논리가 필요하지 않습니다. 예를 들어, 프로그래머가 판매 예측을 위한 공식/논문을 하드 코딩하는 대신 모델 자체가 교육 단계에서 흡수하는 패턴과 관계를 기반으로 철학을 학습합니다. ML 알고리즘에는 세 가지 유형이 있습니다.

• 지도 학습 : 여기에서 학습 데이터는 레이블로 구성됩니다. ML 모델의 감독자 역할을 합니다. 따라서 지도 학습(Supervised Learning)이라는 이름이 붙었습니다. 예: 선형 회귀, 의사 결정 트리 등
• Unsupervised Learning : 여기에서 훈련 데이터에는 레이블이 없습니다. 대신 ML 모델은 데이터를 기반으로 스스로 패턴을 찾고 유용한 기능을 추출합니다. 감독자가 없기 때문에 감독되지 않은 학습이라고 합니다. K-Means Clustering, Association 등의 클러스터링에 일반적으로 사용됩니다.
• 강화 학습 : 대부분의 AI 및 기계 학습 과정 에서는 이러한 유형에 대해 자세히 설명하지 않습니다. 핵심 아이디어는 올바른 행동을 수행한 에이전트에게 보상을 제공하는 것입니다. 또한 모든 잘못된 단계에 대해 벌점을 받습니다. Q-Learning과 같은 게임과 마찬가지로 시행착오 방식을 따르십시오.

ML의 일반적인 응용 프로그램에는 판매 예측, 예측, 사기 감지 등이 포함됩니다.

AI 대 ML 요약

일체 포함

• 인간의 지능이나 행동을 모방
• 더 넓은 용어
• 그것은 여전히 ​​​​연구 분야입니다.
• 현재 여러 부문 및 제품 개발에서 구현되고 있습니다.

ML

• 컴퓨터가 기존 데이터에서 학습할 수 있도록 하는 기술입니다.
• 대부분의 ML 응용 프로그램은 이미 여러 부문 및 제품 개발에서 사용 중입니다.

따라서 AI 및 기계 학습 과정 을 선택하는 동안 이러한 섹션이 모두 포함되는지 확인하십시오.