Разлика между машинното обучение и изкуствения интелект

Ключова разлика - машинно обучение срещу изкуствен интелект
 

Изкуственият интелект е широко понятие. Автомобилите със самостоятелно управление, интелигентните домове са някои примери за изкуствен интелект. Някои страни имат интелигентни роботи в области като медицина, производство, военни, селско стопанство и домакинство. Машинното обучение е вид изкуствен интелект. Най- ключова разлика между машинното обучение и изкуствения интелект е това Машинното обучение е вид изкуствен интелект, който дава възможност на компютър да учи, без да е изрично програмиран, а изкуственият интелект е теория и развитие на компютърни системи, способни да изпълняват интелигентно задачи, подобни на човешките. Машинното обучение използва алгоритъм за анализ на данните, учене от тях и вземане на решения в съответствие с това. Това е разработка на алгоритми за самообучение, а изкуственият интелект е науката за разработването на система или софтуер, който е интелигентен като човек.

СЪДЪРЖАНИЕ

1. Преглед и ключова разлика
2. Какво е машинно обучение
3. Какво е изкуствен интелект
4. Прилики между машинното обучение и изкуствения интелект
5. Паралелно сравнение - машинно обучение срещу изкуствен интелект в таблична форма
6. Резюме

Какво е машинно обучение?

Алгоритъмът е последователност от стъпки, които казват на компютъра да разреши проблем. Машинното обучение е вид изкуствен интелект. Тя предоставя на компютрите възможност да учат, без да са изрично програмирани. Те са различни алгоритми за решаване на проблеми с машинното обучение. В зависимост от типа на проблема, човек може да избере подходящ алгоритъм за машинно обучение. Тя се фокусира върху разработването на компютърни програми, които могат да дадат резултат, когато са изложени на нови данни.

Има различни видове машинно обучение. Те са контролирано обучение, неуправляемо обучение и усилване на обучението. Надзорното обучение използва известен набор от данни, за да прави прогнози. Набор от входни данни (X) и набор от съответни стойности или резултати на отговор (Y) са дадени на контролирания алгоритъм за обучение. Този набор от данни е известен като набор от данни за обучение. Използвайки този набор от данни, алгоритъмът изгражда модел (Y = f (X)), така че може да даде изходна стойност за попълване на нов набор от данни.

Класификацията и регресията са контролирани алгоритми за машинно обучение. Класификацията се използва за класифициране на запис. Един прост пример е „дали температурата е студена“. Отговорът може да бъде или „да“ или „не“. Има конкретен брой възможности за класификация. Ако има два варианта, това е двукласна класификация. Ако има повече от два варианта, това е класификация в много класове. Регресията се използва за изчисляване на числовия изход. Например, прогнозиране на температурата утре. Друг пример би било прогнозирането на стойността на къщата.

В Неуправляемото обучение се дават само входните данни и няма съответните изходи. Вместо това алгоритъмът намира модел или структура, за да научите повече за данните. Клъстерирането е категоризирано като Неуправляемо обучение. Той разделя данните на групи или клъстери, за да улесни интерпретацията на данните.

Фигура 01: Машинно обучение

Укрепването на обучението е вдъхновено от бихевиористичната психология. Тя се отнася до максимално увеличаване на понятието за кумулативно възнаграждение. Един пример за усилване на обучението е чрез инструктиране на компютъра да играе шах. Има толкова много стъпки в изучаването на шах. Следователно не е възможно да се инструктират за всяка стъпка. Но е възможно да се каже дали определено действие е извършено правилно или грешно. В обучението за подсилване компютърът ще се опита да увеличи наградата и да се поучи от опит. Друг пример е автоматичен регулатор на температурата. Системата трябва да повишава или понижава температурата според изискването. Укрепването на обучението е добро за системи, които трябва да вземат решения без много човешки напътствия.

Какво е изкуствен интелект?

Изкуственият интелект е да накарате компютър, компютърно контролиран робот или софтуер да мисли интелигентно подобно на човек. Прилага се към системата, начина, по който хората мислят, как хората учат, решават и решават проблеми. Накрая се изгражда умна и интелигентна система. Изкуственият интелект е модерна технология в съвременния свят. Това е комбинация от различни дисциплини като компютърни науки, биология, математика и инженерство.

Фигура 02: Изкуствен интелект

Има много приложения на изкуствения интелект (AI). Съвременните приложения за игри използват AI. Изследванията на AI включват и обработка на естествен език. То е да се даде възможност на компютър или машина да разбира естествения език, който се говори от хората, и да изпълнява задачи съответно. Друго приложение са Industrial Robots. Има по-сложни роботи с ефективни процесори и огромно количество памет. Те могат да се адаптират към новата среда и да събират данни, използвайки светлина, температура, звук и т.н. Използват се в области като медицина и производство. Изкуственият интелект се прилага и при оптично разпознаване на знаци, автономни превозни средства, военни симулации и много други.

Какви са приликите между машинното обучение и изкуствения интелект?

• И двете могат да се използват за изграждане на сложни системи за изпълнение на определени задачи.
• И двете се основават на статистиката и математиката.
• Машинното обучение е новата авангардна технология на изкуствения интелект.

Каква е разликата между машинното обучение и изкуствения интелект?

Машинно обучение срещу изкуствен интелект
Машинното обучение е вид изкуствен интелект, който дава възможност на компютър да учи, без да е изрично програмиран. Той използва алгоритъм, за да анализира данните, да се учи от тях и да взема решения съответно.	Изкуственият интелект е теорията и развитието на компютърните системи, способни да изпълняват интелигентно задачи, подобни на човешкото същество.
Функционалност
Машинното обучение се фокусира върху точността и моделите.	Изкуственият интелект се фокусира върху интелигентното поведение и максималната промяна на успеха.
Категоризация
Машинното обучение може да бъде категоризирано като Надзор на обучението, Неуправляемото обучение и Укрепване на обучението.	Приложенията, базирани на изкуствен интелект, могат да бъдат категоризирани като приложени или общи.

резюме - Машинно обучение срещу изкуствен интелект

Изкуственият интелект е напредък и широка дисциплина. Състои се от много други области като инженерство, математика, компютърни науки и др. Разликата между машинно обучение и изкуствен интелект е, че машинното обучение е вид изкуствен интелект, който дава възможност на компютър да учи, без да е изрично програмиран и изкуствен Интелигентността е теорията и развитието на компютърните системи, способни да изпълняват интелигентно задачи, подобни на човешките. Машинното обучение е новата авангардна технология на изкуствения интелект.

Изтеглете PDF версията на машинното обучение срещу изкуствения интелект

Можете да изтеглите PDF версия на тази статия и да я използвате за офлайн цели, съгласно цитираната бележка. Моля, изтеглете PDF версията тук Разлика между машинно обучение и изкуствен интелект

справка:

1.edurekaIN. Алгоритми за машинно обучение | Урок за машинно обучение | Обучение за научни данни | Еврика, Еврика !, 21 май 2017 г. Достъпно тук
2.15 Разлика между Ai (изкуствен интелект) и машинно обучение, Patel Vidhu, 14 юли 2017 г. Достъпно тук 
3.DigitalOcean. "Съдържание". Въведение в машинното обучение | DigitalOcean, DigitalOcean, 11 декември 2017 г. Достъпно тук 
4. „Контролирани и неуправляеми алгоритми за машинно обучение.“ Мастерно машинно обучение, 21 септември 2016 г. Достъпно тук 
5.tutorialspoint.com. „Махут машинно обучение.“ Точката. Налични тук 

С любезност на изображенията:

1.'2729781 'от GDJ / 2440 изображения (Public Domain) чрез pixabay
2.'Artificial.intelligence 'от Алехандро Зорилал Крус, (Public Domain) чрез Commons Wikimedia