首頁熱門文章
人工智能和機器學習有什么區別?
發布時間：2018-08-31 分類：交通百科
人工智能(AI)和機器學習(ML)目前是兩個非常熱門的熱門詞匯，而且似乎經常互換使用。但它們不是完全相同的概念，但是有些人認為它們是一樣的，這樣會導致一些混亂。所以我認為寫一篇文章來解釋兩者之間的區別是值得的。
人工智能和機器學習有什么區別?
當主題是大數據、分析和席卷我們世界的更廣泛的技術變革浪潮時，這兩個術語都會頻繁出現。簡而言之，最好的答案是：
人工智能是一種更廣泛的概念，即機器能夠以一種我們認為是“智能”的方式執行任務。而機器學習是當前人工智能的一個應用，基于這樣的理念，我們應該真正能夠讓機器訪問數據，讓他們自己學習。
早期
人工智能已經存在很長一段時間了，希臘神話中有一些機械人的故事，這些故事是為了模仿我們自己的行為而設計的。早期的歐洲計算機被認為是“邏輯機器”，通過再現基本的算術和記憶等能力，工程師們把他們的工作從根本上看作是創造機械大腦的嘗試。
隨著技術的進步，更重要的是，我們對大腦工作方式的理解也在進步，我們對人工智能的概念也發生了變化。人工智能領域的工作重點不是日益復雜的計算，而是模仿人類的決策過程，并以更人性化的方式執行任務。
人工智能，設計用于智能行動的設備，通常被分為兩大基本類別，應用類或通用類。應用人工智能的情況要普遍得多，用于智能交易股票和股票的系統，自動駕駛汽車的操縱系統也屬于這一類。
通用的AIS，理論上可以處理任何任務的系統或設備，但這正是今天一些最令人興奮的進步發生的地方。這也是導致機器學習發展的領域通常被認為是人工智能的一個子集，把它看作是目前最先進的一種，這是更準確的說法。
機器學習的興起
兩個重要的突破導致了機器學習作為一種工具的出現，它正以目前的速度推動人工智能的發展。其中之一是，1959年亞瑟·塞繆爾(Arthur Samuel)認識到，與其教授計算機所需的一切知識，了解世界和如何執行任務，倒不如教他們自己學習。
第二次，最近，是互聯網的出現，以及大量的數字信息被生成，存儲，并可供分析。一旦有了這些創新，工程師們就會意識到，與其教計算機和機器如何做每件事，不如把它們編碼成像人一樣思考，然后把它們接入互聯網，讓它們能夠接觸到世界上所有的信息，這樣做的效率就會高得多。
神經網絡
神經網絡的發展一直是教會計算機以我們的方式思考和理解世界的關鍵，同時保留了它們相對于我們固有的優勢，如速度、準確性和無偏見。神經網絡是一種計算機系統，通過與人腦相同的方式對信息進行分類來工作。例如，可以教它識別圖像，并根據它們所包含的元素對其進行分類。
本質上，它在一個概率系統上工作，基于輸入給它的數據，它能夠在一定程度上確定地作出陳述、決定或預測。增加一個反饋回路可以“學習”，通過感知或被告知其決定是對還是錯，它改變了它在未來采取的方法。
機器學習應用程序可以閱讀文本，并判斷寫這篇文章的人是在投訴還是在表示祝賀。他們還可以聽一段音樂，決定它是否可能使人高興或悲傷，并找到其他音樂來配合心情。在某些情況下，他們甚至可以自己譜寫音樂來表達相同的主題。
這些都是基于ML和神經網絡的系統提供的可能性，這在很大程度上要歸功于科幻小說：我們應該能夠與電子設備和數字信息交流和互動，就像我們自然地與另一個人一樣。為此，人工智能的另一個領域，自然語言處理(NLP)-近年來已成為一個非常令人興奮的創新來源，而且它嚴重依賴于ML。
NLP應用程序試圖理解人類的自然交流，無論是書面的還是口頭的，并使用類似的自然語言與我們進行交流。在這里，ML被用來幫助機器理解人類語言中巨大的細微差別，并學會以特定受眾可能理解的方式做出反應。
品牌化案例
人工智能，特別是今天，ML肯定有很多東西可以提供。從銀行業到醫療保健和制造業，每一個行業都在受益，因為它承諾讓日常工作自動化，并提供創造性的洞察力。所以，重要的是要記住，ai人工智能和ML是另一回事…
當然，機器學習已經被市場營銷者抓住了一個機會。在人工智能出現這么長時間之后，它有可能在某種程度上被視為“老一套”的東西，甚至在它的潛力還沒有真正實現之前就已經開始被認為是一種“老一套”的東西了。在通往“人工智能革命”的道路上，已經有了一些錯誤的開端，而“機器學習”這個術語無疑給營銷人員提供了一些新的、閃亮的，而且重要的是，牢牢扎根于此時此地的東西。
我們最終會發展出像人類一樣的人工智能，這一事實常常被技術專家們當作是不可避免的。當然，今天我們比以往任何時候都更接近這一目標，我們正以越來越快的速度朝著這一目標邁進。我們最近幾年看到的許多令人興奮的進展都歸功于我們對人工智能工作方式的根本改變，這是由ML帶來的。我希望這篇文章幫助一些人理解人工智能和ML之間的區別。
