机器学习与人工智能

已发表: 2020-08-07

机器学习与人工智能

由于COVID-19大流行，整个世界目前都处于封锁状态。学校、学院甚至办公室都已关闭，以避免病毒进一步传播。如果您想通过一些新技术提高自己的技能或想了解更多关于它们的信息，这是最好的时机。

假设机器学习 (ML) 和人工智能 (AI) 是您想要探索的技能或技术之一，那么您来对地方了。万维网上有许多由在线培训机构提供的人工智能和机器学习课程。 与大多数人不同，我们将以大多数外行术语介绍 ML 和 AI 的基础知识。我们还将在摘要部分介绍两者之间的一些差异。事不宜迟，让我们开始吧。

人工智能（AI）：

如果您看过任何钢铁侠电影或正在使用相当现代的智能手机，您一定听说过人工智能 (AI)。让你复习一下，钢铁侠电影中的 JARVIS 是一个 AI。此外，我们都知道的 Android 设备中的 Google Assistant 或 Apple 设备中的 Siri 是我们能想到的人工智能的最佳示例。然而，人工智能不仅仅是你的助手。

让我们通过定义来了解什么是人工智能：

“计算机科学将人工智能研究定义为“智能代理”的学习：任何适应其环境并采取必要行动以最大限度地提高其成功实现目标的机会的设备。 更详细的定义将 AI 描述为“系统正确理解来自外部代理的数据、从这些数据中学习并利用这些学习通过灵活适应来实现特定目标和任务的能力”。

通俗地说，人工智能是一种人工创建的系统，它试图模仿人类的行为和动作，尤其是在解决复杂的问题时，如基于图像的猫狗分类、人脸识别、药物研究、音乐创作等。

大多数人工智能和机器学习课程都没有向我们介绍以下三种学习人工智能系统：

Narrow AI（弱AI） ：目前，所有炒作和AI应用都在这里。它是一个人工智能系统，可以执行与人类相同或更好的特定任务。它通常无法体验意识。例如，社交媒体中的人脸检测器、物体和形状识别、游戏中的人工智能等。
通用人工智能（Strong AI） ：它是一种人工智能系统，已经达到了可以驱动任何智能任务的通用状态，其准确度与人类相同。它能够体验意识。
超级人工智能（Theoretical AI） ：是一个全方位超越人类智能的人工智能系统。它甚至可以击败最聪明的人类。大多数人都担心这种类型的人工智能。像埃隆马斯克这样的名人认为这些人工智能系统可能会导致人类灭绝。

总结人工智能部分：

这是一个广泛的计算机科学领域，它使机器能够拥有类似人类的智能。目前大部分的人工智能工作都是在“狭义人工智能”类别中完成的。我们离创造通用或超级人工智能还很远。

机器学习 (ML)：

如果您正在关注任何主要科技巨头的最新公告，您就会听说过这个术语。就像微软最近宣布他们在 MS-Word 中改进“查找”功能的工作一样，现在即使您在查找文本框中输入错误（“Ctrl + F”），它也可以使用 ML 来查找想要的单词。

我们先来看看定义：

“机器学习是对通过经验自动调整的计算机算法的详细研究。 “

它是人工智能的一部分。它使系统能够自动学习并从其经验中改进，而无需明确编程。发生这种情况是因为ML 依赖于一组复杂的算法以及带有标签的结构化和清理数据（主要是） 。 ML 系统尝试学习数据特征（列或属性或基本数据）之间的关系。数据由您提供给 ML 模型。

基本理解是使用基本特征及其与标签的关系来推导任务的解决方案。 通过学习关系，它可以识别模式、数据的固有性质以及它们的值如何影响名称。 根据从解析数据中了解到的信息，它使用各种算法做出明智的决策。 该模型在训练中使用的数据上进行训练，在验证数据上验证性能和准确性，并在测试数据上进行测试。

与传统方法不同，ML 系统不需要为解决方案显式编码逻辑。例如，不是程序员对销售预测的公式/论文进行硬编码，而是模型本身根据它在训练阶段吸收的模式和关系来学习哲学。机器学习算法分为三种类型：

监督学习：在这里，训练数据由标签组成。 它充当 ML 模型的监督者。因此，命名为监督学习。例如，线性回归、决策树等。
无监督学习：在这里，训练数据没有任何标签。 相反，ML 模型会根据数据自行查找模式并提取有用的特征。它被称为无监督学习，因为没有监督者。它们通常用于聚类——例如，K-Means 聚类、关联等。
强化学习：大多数人工智能和机器学习课程并没有过多地介绍这种类型。 关键思想是奖励代理执行正确的操作。此外，每一步不正确都要惩罚他们。遵循试错法，就像游戏一样，例如 Q-Learning。

ML 的典型应用包括 - 销售预测、预测、欺诈检测等。

人工智能与机器学习的总结

人工智能

它模仿人类的智力或行为
更广泛的术语
它仍然是一个研究领域。
它目前在多个部门和产品开发中实施。

机器学习

它是一种使计算机能够从现有数据中学习的技术。
大多数 ML 应用程序已经在多个部门和产品开发中使用。

因此，在选择任何AI 和机器学习课程时，请检查是否涵盖了所有这些部分。