Машинное обучение против искусственного интеллекта
Опубликовано: 2020-08-07Сейчас весь мир находится на самоизоляции из-за пандемии COVID-19. Школы, колледжи и даже офисы были закрыты, чтобы избежать дальнейшего распространения вируса. Если вы когда-нибудь хотели освоить новые технологии или узнать о них больше, сейчас самое подходящее время.
Скажем, машинное обучение (МО) и искусственный интеллект (ИИ) — это одни из навыков или технологий, которые вы хотите изучить, тогда вы попали по адресу. Во всемирной паутине доступно множество курсов по искусственному интеллекту и машинному обучению , предоставляемых несколькими учебными онлайн-институтами. В отличие от большинства из них, мы рассмотрим основы машинного обучения и искусственного интеллекта с точки зрения непрофессионала. Мы также рассмотрим несколько различий между ними в сводном разделе. Без лишних слов, давайте начнем.
Искусственный интеллект (ИИ):
Если вы смотрели какие-либо фильмы о Железном человеке или используете достаточно современный смартфон, вы, вероятно, слышали об искусственном интеллекте (ИИ). Напомню, что ДЖАРВИС в фильмах о Железном человеке — это ИИ. Кроме того, Google Assistant на вашем Android-устройстве или Siri на вашем Apple-устройстве, которые все мы знаем, — лучший пример искусственного интеллекта, который мы можем представить. Однако искусственный интеллект — это гораздо больше, чем ваш помощник.
Давайте пройдемся по определению, чтобы понять, что такое искусственный интеллект:
« Информатика определяет исследования искусственного интеллекта как обучение « интеллектуальных агентов »: любого устройства, которое адаптируется к окружающей среде и предпринимает необходимые действия, которые максимизируют его шансы на успешное достижение своих целей. Более подробное определение описывает ИИ как «способность системы правильно понимать данные, полученные от внешних агентов, учиться на таких данных и использовать эти знания для достижения конкретных целей и задач посредством гибкой адаптации».
С точки зрения непрофессионала, ИИ — это искусственно созданная система, которая пытается имитировать поведение и действия человека, особенно при решении сложных задач, таких как классификация кошек и собак на основе изображений, распознавание лиц, исследования медицинских препаратов, создание музыки и т. д.
Большинство курсов по искусственному интеллекту и машинному обучению не знакомят нас со следующими тремя типами обучающих систем искусственного интеллекта:
- Узкий ИИ (Слабый ИИ) : В настоящее время все рекламные приложения и приложения ИИ здесь. Это система искусственного интеллекта, которая может выполнять определенную задачу так же или лучше, чем люди. Как правило, он не способен испытывать сознание. Например, детекторы лиц в социальных сетях, распознавание объектов и форм, ИИ в играх и т. д.
- Общий ИИ (Сильный ИИ) : это система ИИ, которая достигла общего состояния, когда она может выполнять любую интеллектуальную задачу с тем же уровнем точности, что и люди. Он способен испытывать сознание.
- Супер ИИ (теоретический ИИ) : это система ИИ, которая превосходит человеческий интеллект во всех аспектах. Он может победить даже самого умного человека. Большинство людей обеспокоены этим типом ИИ. Известные лица, такие как Илон Маск, считают, что эти системы искусственного интеллекта, вероятно, приведут к вымиранию человечества.
Подводя итог части AI :
Это широкая область компьютерных наук, которая позволяет машинам обладать интеллектом, подобным человеческому. Большая часть работы по ИИ в настоящее время выполняется в категории «узкий ИИ». Мы далеки от создания General или Super AI.
Машинное обучение (МО):
Если вы следите за последними объявлениями любого крупного технологического гиганта, вы наверняка слышали этот термин. Например, Microsoft недавно объявила о своей работе над улучшенной функцией «НАЙТИ» в MS-Word, которая теперь использует ML для поиска нужных слов, даже если вы сделали опечатку в текстовом поле «Найти» («Ctrl + F»).
Сначала пройдемся по определению:
« Машинное обучение — это подробное изучение компьютерных алгоритмов, которые автоматически настраиваются на основе опыта. “
Это раздел ИИ. Он позволяет системам автоматически учиться и совершенствоваться на основе своего опыта без явного программирования. Это происходит потому, что ML опирается на сложный набор алгоритмов, а также на структурированные и очищенные данные с метками (в основном) . Системы машинного обучения пытаются изучить отношения между функциями (столбцами, атрибутами или важными фрагментами данных) данных. Данные предоставляются модели ML вами.
Основное понимание состоит в том, чтобы использовать основные функции и их связь с меткой для получения решения задачи. Изучая отношения, он определяет шаблоны, внутреннюю природу данных и то, как их значения влияют на имя. Основываясь на том, что он понял из анализа данных, он принимает обоснованные решения, используя различные алгоритмы. Модель обучается на данных, используемых при обучении, проверяется на производительность и точность на проверочных данных и тестируется на тестовых данных.
Системы машинного обучения, в отличие от традиционных методов, не нуждаются в явно запрограммированной логике для решения. Например, вместо того, чтобы программист жестко кодировал формулу/тезис для прогнозирования продаж, модель сама изучает философию, основанную на шаблонах и отношениях, которые она усваивает на этапе обучения. Существует три типа алгоритмов машинного обучения:
- Обучение под наблюдением : здесь данные обучения состоят из меток. Он действует как супервайзер для модели ML. Отсюда и название контролируемое обучение. Например, линейная регрессия, деревья решений и т. д.
- Неконтролируемое обучение : здесь данные обучения не имеют меток. Вместо этого модель машинного обучения сама находит шаблоны и извлекает полезные функции на основе данных. Это называется неконтролируемым обучением, так как в нем нет супервизора. Они обычно используются для кластеризации — например, кластеризация K-средних, ассоциация и т. д.
- Обучение с подкреплением : большинство курсов по искусственному интеллекту и машинному обучению мало что говорят об этом типе. Ключевая идея — вознаграждать агента за выполнение правильных действий. Кроме того, наказывайте их за каждый неверный шаг. Следуйте подходу проб и ошибок, как и в играх, например, в Q-Learning.
Типичное применение ML включает в себя прогнозирование продаж, прогнозирование, обнаружение мошенничества и т. д.
Резюме AI против ML
ИИ
- Он имитирует человеческий интеллект или поведение
- Более широкий термин
- Это все еще область исследований.
- В настоящее время он реализован в нескольких секторах и разработке продуктов.
МЛ
- Это метод, который позволяет компьютеру учиться на существующих данных.
- Большинство приложений машинного обучения уже используются в нескольких секторах и при разработке продуктов.
Таким образом, выбирая любые курсы по искусственному интеллекту и машинному обучению , проверьте, все ли эти разделы охвачены.