Umělá inteligence a strojové učení jsou součástí informatiky, které spolu souvisí. Tyto dvě technologie jsou nejsledovanějšími technologiemi, které se používají pro vytváření inteligentních systémů.
I když se jedná o dvě příbuzné technologie a někdy je lidé používají jako synonymum pro sebe, stále jsou oba dva různé pojmy v různých případech.
Na široké úrovni můžeme rozlišovat AI a ML jako:
ukazatel v c
AI je širší koncept pro vytváření inteligentních strojů, které dokážou simulovat schopnosti a chování lidského myšlení, zatímco strojové učení je aplikace nebo podmnožina AI, která umožňuje strojům učit se z dat, aniž by byly explicitně naprogramovány.
Níže jsou uvedeny některé hlavní rozdíly mezi umělou inteligencí a strojovým učením spolu s přehledem umělé inteligence a strojového učení.
Umělá inteligence
Umělá inteligence je obor počítačové vědy, který vytváří počítačový systém, který může napodobovat lidskou inteligenci. Skládá se ze dvou slov „ Umělý ' a ' inteligence ', což znamená 'lidmi vytvořená myslící síla.' Můžeme to tedy definovat jako,
Umělá inteligence je technologie, pomocí které můžeme vytvářet inteligentní systémy, které dokážou simulovat lidskou inteligenci.
Systém umělé inteligence nevyžaduje předprogramování, místo toho používá takové algoritmy, které umí pracovat s jejich vlastní inteligencí. Zahrnuje algoritmy strojového učení, jako je algoritmus Reinforcement learning a neuronové sítě hlubokého učení. Umělá inteligence se používá na mnoha místech, jako je Siri, Google AlphaGo, AI při hraní šachů atd.
Na základě schopností lze umělou inteligenci rozdělit do tří typů:
V současné době pracujeme se slabou AI a obecnou AI. Budoucností umělé inteligence je silná umělá inteligence, o které se říká, že bude inteligentní než lidé.
jak převést řetězec na int v java
Strojové učení
Strojové učení je o získávání znalostí z dat. Lze jej definovat jako,
Strojové učení je podpolí umělé inteligence, které umožňuje strojům učit se z minulých dat nebo zkušeností, aniž by byly explicitně naprogramovány.
Strojové učení umožňuje počítačovému systému předpovídat nebo přijímat některá rozhodnutí pomocí historických dat, aniž by byl explicitně naprogramován. Strojové učení využívá obrovské množství strukturovaných a polostrukturovaných dat, takže model strojového učení může generovat přesné výsledky nebo poskytovat předpovědi na základě těchto dat.
Strojové učení funguje na algoritmu, který se učí sám pomocí historických dat. Funguje to pouze pro konkrétní domény, například když vytváříme model strojového učení pro detekci obrázků psů, poskytne výsledky pouze pro obrázky psů, ale pokud poskytneme nová data, jako je obrázek kočky, přestane reagovat. Strojové učení se používá na různých místech, jako je systém online doporučování, vyhledávací algoritmy Google, filtr nevyžádané pošty v e-mailech, návrhy na označování přátel Facebook Auto atd.
Dá se rozdělit do tří typů:
smyčka do a while v Javě
Hlavní rozdíly mezi umělou inteligencí (AI) a strojovým učením (ML):
| Umělá inteligence | Strojové učení |
|---|---|
| Umělá inteligence je technologie, která umožňuje stroji simulovat lidské chování. | Strojové učení je podmnožinou umělé inteligence, která umožňuje stroji automaticky se učit z minulých dat bez explicitního programování. |
| Cílem umělé inteligence je vytvořit chytrý počítačový systém jako lidé, který bude řešit složité problémy. | Cílem ML je umožnit strojům učit se z dat, aby mohly poskytovat přesný výstup. |
| V AI vyrábíme inteligentní systémy, které provádějí jakýkoli úkol jako člověk. | V ML učíme stroje s daty vykonávat konkrétní úkol a poskytovat přesný výsledek. |
| Strojové učení a hluboké učení jsou dvě hlavní podmnožiny umělé inteligence. | Hluboké učení je hlavní podmnožinou strojového učení. |
| AI má velmi široký rozsah působnosti. | Strojové učení má omezený rozsah. |
| AI pracuje na vytvoření inteligentního systému, který dokáže provádět různé složité úkoly. | Strojové učení se snaží vytvářet stroje, které dokážou vykonávat pouze ty konkrétní úkoly, pro které jsou vyškoleny. |
| Systém AI se stará o maximalizaci šancí na úspěch. | Strojové učení se zajímá především o přesnost a vzory. |
| Hlavní aplikace AI jsou Siri, zákaznická podpora pomocí catboats , Expertní systém, hraní online her, inteligentní humanoidní robot atd. | Hlavní aplikace strojového učení jsou Online systém doporučení , Algoritmy vyhledávání Google , Návrhy automatického označování přátel na Facebooku , atd. |
| Na základě schopností lze AI rozdělit do tří typů, kterými jsou: Slabá AI , Generál AI , a Silná AI . | Strojové učení lze také rozdělit především do tří typů, které jsou Učení pod dohledem , Učení bez dozoru , a Posílení učení . |
| Zahrnuje učení, uvažování a sebeopravování. | Zahrnuje učení a sebeopravy, když jsou zavedeny s novými daty. |
| AI se kompletně zabývá strukturovanými, polostrukturovanými a nestrukturovanými daty. | Strojové učení se zabývá strukturovanými a polostrukturovanými daty. |