Поймите разницу между машинным обучением и искусственным интеллектом

A искусственный разум и машинное обучение являются модными словечками в технологической индустрии в последние годы, но что именно они означают? Здесь вы можете прочитать пост, который мы сделали, подробно объясняя, что такое машинное обучение, но вопрос, который мы хотим решить здесь, заключается в том, как мы можем различать эти два термина.

цифровое обучение

Эти два термина часто путают и неправильно используют компании, которые хотят усовершенствовать свои технологии. На самом деле, искусственный интеллект и машинное обучение очень разные, с разными последствиями для того, что могут делать компьютеры и как они взаимодействуют с нами.

O машинное обучение это вычислительная парадигма, которая стимулирует рост "Большие данные" e IA. Он основан на разработке нейронных сетей и глубокое обучение. Обычно это описывается как имитация того, как люди учатся, но это неверно. Машинное обучение действительно связано со статистическим анализом и итеративным обучением.

Вместо создания традиционной программы, состоящей из логические утверждения e деревья решений, One нейронная сеть построен специально для обучения и обучения с использованием параллельной сети нейронов, каждый из которых настроен для определенной цели.

Природа любой конкретной нейронной сети может быть очень сложной, но ключом к тому, как они работают, является применение весов (или факторы важности) к некоторому атрибуту ввода. Используя сети различных весов и слоев, можно получить вероятность или оценку того, что ваши входные данные совпадают с одним или несколькими определенными выходными данными.

Проблема с этим типом вычислений, как и с обычным программированием, заключается в зависимости от того, как его настраивает программист-человек, и перенастройка всех этих весов для точной настройки точности вывода может занять много человеко-часов. Нейронная сеть переходит в область машинного обучения после введения корректирующей петли обратной связи.

«Обучение» машины

Отслеживая выходные данные, сравнивая их с входными данными и постепенно уменьшая веса нейронов, сеть может тренироваться для повышения точности. Важной частью здесь является то, что алгоритм машинного обучения способен учиться и действовать без программистов, указывая все возможности в наборе данных.

Обучение сети может быть выполнено различными способами, но все они включают итеративный подход грубой силы, чтобы максимизировать точность вывода и обучить оптимальные пути через сеть. Однако это самообучение по-прежнему является более эффективным процессом, чем ручная оптимизация алгоритма, и позволяет алгоритмам изменять и сортировать гораздо большие объемы данных за гораздо более быстрое время, чем это было бы возможно в противном случае.

После обучения алгоритм машинного обучения способен классифицировать новые входные данные по сети с большой скоростью и точностью в режиме реального времени. Это делает его важной технологией для компьютерного зрения, распознавания речи, обработки языка и научных исследований.

Что такое и чем не является ИИ

Машинное обучение — это интеллектуальная технология обработки, но в ней нет настоящего интеллекта. Алгоритму не нужно точно понимать, почему он самокорректируется, нужно только понимать, как он может быть более точным в будущем.

Алгоритм машинного обучения, который может просеивать базу данных изображений и идентифицировать главный объект на изображении, на самом деле не выглядит умным, потому что он не применяет эту информацию «человеческим» способом.

Искусственный интеллект можно разделить на две основные группы: применяемый ou Генеральная, прикладной искусственный интеллект сейчас это гораздо более жизнеспособно. Он больше привязан к приведенным выше примерам машинного обучения и предназначен для выполнения конкретных задач. Это может быть коммерческий инвентарь, управление дорожным движением в умном городе или помощь в диагностике пациентов.

A общий искусственный интеллект он, как следует из названия, шире и мощнее. Он способен решать более широкий спектр задач, понимать практически любой набор данных и, следовательно, мыслит более широко, как и люди. Общий ИИ теоретически может учиться за пределами своего исходного набора знаний, что потенциально может привести к безудержному росту его способностей.

Заглядывая в будущее

Несмотря на весь научный жаргон и технические разговоры, приложения машинного обучения и искусственного интеллекта уже существуют. Нам еще далеко до общего ИИ, но если вы используете Google Assistant или Амазонки Alexa, вы уже взаимодействуете с формой прикладного ИИ.

Машинное обучение, используемое для обработки языка, является одним из ключевых факторов, влияющих на современные интеллектуальные устройства, хотя они, безусловно, недостаточно умны, чтобы ответить на все ваши вопросы.

Умный дом — это лишь последний вариант использования. Машинное обучение уже некоторое время используется в области больших данных, и эти варианты использования все чаще вторгаются на территорию ИИ. НАШИ Google использует его для инструментов поисковой системы. НАШИ Facebook использует для оптимизации рекламы.

Между машинным обучением и искусственным интеллектом есть большая разница, хотя первое является очень важным компонентом второго. Мы, безусловно, продолжим слышать много разговоров о них в течение 2018 года и далее.