Yapay zeka ve makine öğrenmesi arasındaki fark nedir?

Bu iki terimin, özellikle bilgisayar bilimleri ve yazılım mühendisliğindeki uygulamalarıyla ilişkili olduğu görülmektedir. Biri bir başkasının alt kümesi mi? Biri, diğeri için bir sistem oluşturmak için kullanılan bir araç mı? Farkları nelerdir ve neden önemlidir?

Makine öğrenmesi birçok kişi tarafından farklı şekillerde tanımlanmıştır. Bir tanım, makine öğreniminin (ML), bilgisayarlara açıkça programlanmadan öğrenme becerisi sağlayan çalışma alanı olduğunu söylüyor .

Yukarıdaki tanım göz önüne alındığında, makine öğrenmesinin, bir programın öğrenebileceği ve bir görevde daha iyi hale getirebileceği (çok) veriye (deneyime) sahip olduğumuz sorunlara yönelik olduğunu söyleyebiliriz.

Yapay zekanın, makinelerden veriden öğrenerek görevlerde daha iyi olamadığı, ancak kuralları (örneğin Mycin gibi uzman sistemler ), mantığı veya algoritmaları, örneğin yolları bulma yoluyla istihbaratı gösterebileceği daha birçok yönü vardır .

Yapay Zeka: Modern Bir Yaklaşım kitabı , Kısıt Memnuniyeti Sorunları , Olasılıklı Muhakeme veya Felsefi Temeller gibi AI'nın daha fazla araştırma alanını göstermektedir .

Yapay Zekanın Tanımları, İnsanca Düşünmek, Akılcı Düşünmek, Akılcı Oynamak ve Akılcı Davranmak olarak dört kategoriye ayrılabilir. Aşağıdaki resim (Yapay Zeka'dan: Modern Bir Yaklaşım'dan) bu tanımlara ışık tutacaktır: Sevdiğim tanım, John McCarthy'nin “Akıllı makineler üretme bilimi ve mühendisliği, özellikle akıllı bilgisayar programları. İnsan istihbaratını anlamak için bilgisayar kullanma benzer görevine rağmen, AI kendini biyolojik olarak gözlemlenebilir yöntemlerle sınırlamak zorunda değildir. ”





Makine Öğrenmesi, diğer taraftan, açıkça programlanmadan çıktı için daha iyi tahminler yapmak için yazılım yapmakla ilgilenen AI alanıdır. Geleceği tahmin etmek için bir dizi veri üzerinde çeşitli algoritmalar kullanılır. Makine Öğrenmesi veri odaklı ve veri odaklı. Makine Öğrenmesi, örüntü tanıma ve AI'nın hesaplamalı öğrenme teorisi çalışmasından geliştirilmiştir.

Kısaca Yapay Zeka, makinelere rasyonel görevleri yerine getirme yeteneği sağlama ile ilgilenen bir Bilgisayar Bilimi alanıdır. Doğal Dil İşleme, Otomasyon, Görüntü İşleme ve diğerleri de bunun bir parçası.
Makine Öğrenmesi, veri odaklı ve öngörmeyle ilgilenen AI'nın bir alt kümesidir. Arama motorlarında, Youtube öneri listelerinde vb. Kullanılır.

Makine öğrenmesi yapay zekanın bir alt kümesidir. Kabaca konuşma, onun öğrenme tarafına karşılık gelir. "Resmi" bir tanım yok, sınırlar biraz bulanık.

Birçok terimin aynı anlamları 'çoğunlukla' vardır ve bu nedenle farklılıklar sadece vurgu, perspektif ya da tarihsel bir iniş şeklindedir. İnsanlar hangi etiketin üst veya alt kümeye atıfta bulundukları konusunda hemfikir değildir; AI'ya bir ML dalı diyecek kişiler ve ML'ye bir AI dalı diyecek kişiler var.

Genelde 'Öğrenim İstatistikleri' olarak kullanılan Makine Öğrenimini duyuyorum; burada eğitim verilerini sadece besleyebileceğimiz ve diğer tarafa yararlı bir model alabileceğimiz kadar ayrıntılı bir öğrenme sorunu belirledik.

Yapay Zeka'yı, çevreye ya da koda gömülü herhangi bir zeka türüne atıfta bulunmak için her şeyi yakalama terimi olarak dinlerim. Bu çok geniş bir tanımdır ve diğerleri daha dar olanları kullanır (örneğin , alana özgü olmayan yapay genel zekaya odaklanma gibi ). (Aşırı alındığında, versiyonum termostat içerir.)

Bu aynı zamanda , bu siteyle oldukça fazla örtüşen diğer StackExchange sitelerini, Çapraz Doğrulanmış ve Veri Bilimini işaret etmek için iyi bir zamandır .

Makine öğrenmesi, potansiyelinin sadece küçük bir kısmı olan bir yapay zeka alt kümesidir. AI'yı büyük ölçüde istatistiksel / olasılıksal tekniklere ve evrimsel tekniklere odaklanan bir şekilde uygulamaktır. ^S

Yapay zeka

Yapay zeka ' normal olarak insan zekası gerektiren işleri yapabilen bilgisayar sistemlerinin teorisi ve gelişimidir (örneğin görsel algı, konuşma tanıma, karar verme ve diller arası çeviri gibi).

Biz insan olmayan karar verme kavramının olarak AI düşünebiliriz ^Q , problem çözme, karar verme veya dil iletişim gibi bilişsel insan benzeri işlevlerle benzerlik amaçlamaktadır.

Makine öğrenme

Makine öğrenmesi (ML) temel olarak verilerden kalıpları tahmin edebilen ve tanımlayabilen derleme modellerinin uygulanması yoluyla yapılan bir öğrenimdir .

Bilgisayar Biliminden Prof. Stephanie R. Taylor ve ders kitabına ve ayrıca Wikipedia sayfasına göre , 'makine öğrenmesi yapay zekanın bir dalıdır ve verilerden öğrenebilen sistemlerin yapımı ve incelenmesi ile ilgilidir ' (mevcut olana dayanarak olduğu gibi) Spam ile spam olmayanları ayırt etmeyi öğrenmek için e-posta mesajları).

Oxford Dictionaries'a göre , makine öğrenmesi “ bir bilgisayarın deneyimden öğrenme kapasitesidir ” (örneğin, yeni edinilen bilgiler temelinde işlemlerini değiştirir).

Gelecekteki verilerde kalıpları tahmin etmek için ML'yi mevcut verilerde bilgisayarlı kalıp tespiti olarak düşünebiliriz. ^S

Başka bir deyişle, makine öğrenmesi, kendi kendine öğrenme algoritmalarının geliştirilmesini ve yapay zekanın, insanı bir durumda yanıt vermesi ve davranması için taklit etmesi için sistemler veya yazılım geliştirmeyi içerir . ^Quora

Yapay Zeka Makine Öğrenmesinden Ne Kadar Farklıdır? Https://www.linkedin.com/pulse/how-artificial-intelligence-different-from-machine-learning-singh

Yapay Zeka (AI) ve Makine Öğrenmesi (ML) şu anda çok ateşli iki terimdir ve sıklıkla birbirinin yerine kullanılmaktadır.

Yapay Zeka, “akıllı” olarak düşündüğümüz şekilde görevleri yerine getirebilecek makinelerin daha geniş bir konseptidir ve Makine Öğrenmesi , makinelere verilere gerçekten erişebilmemiz gerektiği fikrine dayanan mevcut bir AI uygulamasıdır. ve kendileri için öğrenmelerine izin verin.

Makine Öğrenimi ve Yapay Zeka hakkında daha fazla bilgi bulabilirsiniz .

Teoriye Dayalı Yapay Zeka Makine Öğreniminin gelişmesine neden olan şeydir. Genellikle AI'nın bir alt kümesi olarak anılırsa, onu en son teknoloji olarak düşünmek daha doğru olur.

Makine Öğrenimi, bazı kendi kendine öğrenme algoritmaları kullanılarak veriler hakkında bilgi edinir ve AI, makinenin öğrenme yoluyla edinilen bilgiye dayanarak insan desteği olmadan görevleri gerçekleştirdiği bir alandır. Demek ki, AI'nın ortalama değeri alt kümesidir.

Makine öğrenmesi, kendi kendine öğrenme algoritmalarının geliştirilmesini içeren bir bilimdir. Bu algoritmalar, doğası gereği çeşitli etki alanlarına uygulanabilecek doğası gereği daha geneldir.

Yapay Zeka insanı bir ortamda yanıt vermesi ve davranması için taklit edecek bir sistem veya yazılım geliştiren bir bilimdir. Son derece geniş kapsamı olan bir alan olarak AI, hedefini birden fazla parçaya ayırmıştır. Daha sonra her bir ayna kendi problemini çözmek için ayrı bir çalışma alanı haline geldi.

Sakthi Dasan Sekar

Yapay Zeka: Yapay bir varlıktaki eylem halindeki bir bilgi özelliğidir.

Makine Öğrenimi: Bilgisine bilgi eklemek için yapay bir varlık nasıl yapılır (Öğrenin)

Basit bir deyişle, Yapay zeka insanları veya diğer hayvanların davranışlarını taklit etmeye çalışan bir bilim alanıdır.

Makine Öğrenimi Yapay zekanın ardındaki temel araç / teknolojilerden biridir.

Yapay Zeka (AI) ve Makine Öğrenmesi (ML) şu anda çok ateşli iki terimdir ve sıklıkla birbirinin yerine kullanılmaktadır. Tamamen aynı şey değiller, ancak oldukları algısı bazen kafa karışıklığına neden olabilir. Bu yüzden farkı açıklamak için bir parça yazmaya değeceğini düşündüm.

Makine öğrenmesi, yapay zekanın temel bir alt alanıdır; Bilgisayarların açıkça programlanmadan kendi kendine öğrenme moduna girmelerini sağlar. Yeni verilere maruz kaldığında, bu bilgisayar programlarının kendileri tarafından öğrenmeleri, büyümeleri, değişmeleri ve gelişmeleri sağlanır.

Her şeyden önce, İş Zekası derslerimde Makine Dersi terimiyle AI derslerimden çok daha fazla tanıştım.

AI Profesörüm Rolf Pfeifer bunu şöyle söyleyecekti: (zekanın ne olduğu, nasıl tanımlanabileceği, farklı zeka türleri vs.) hakkında uzun bir konuşma yaptıktan sonra. ML, fiziksel ortamının farkında olmayan ve onunla etkileşime girmeyen veya yalnızca soyut bir temele dayanmayan daha statik ve "aptal" dır. AI, çevresi hakkında belirli bir farkındalığa sahiptir ve özerk bir şekilde etkileşime girerek geri bildirim döngüleri ile özerk kararlar alır. Bu açıdan, Ugnes Cevap muhtemelen en yakın olurdu. Bunun yanında, elbette, ML, AI'nın bir alt kümesidir.

Makine Öğrenimi gerçek bir zeka değildir (imho), çoğunlukla mantıksal algoritmalara yansıyan insan zekasıdır ve İş Zekamı Prof'inin belirttiği gibi: veriler ve analizleri hakkında. Makine Öğrenmesi, neyin doğru neyin yanlış olduğunu söyleyerek öğrenme sürecini desteklemek için insanlara ihtiyaç duyan birçok denetimli algoritmaya sahiptir, bu yüzden bağımsız değillerdir. Ve bir kez uygulandıklarında, algoritmalar insanlar onları yeniden düzenleyene kadar çoğunlukla statiktir. ML'de çoğunlukla kara kutu tasarımlarınız vardır ve asıl yönü veridir. Veriler gelir, Veriler analiz edilir ("Akıllıca"), Veriler söner ve çoğu zaman Öğrenme, bir uygulama öncesi / Öğrenme temeli için geçerlidir. Çoğu durumda, ML bir makinenin bulunduğu ortamı önemsemez, verilerle ilgilidir.

AI, insan veya hayvan zekasını taklit etmekle ilgilidir. Prof'in yaklaşımını takiben, AI mutlaka kendi bilinciyle ilgili değil, çevre ile etkileşimle ilgili olduğundan, AI oluşturmak için makine sensörlerini çevreyi algılaması, öğrenmeye devam edebilecek bir zeka sorto ve etkileşim için elemanlar vermeniz gerekir çevre ile (kollar vb.) Etkileşim özerk bir şekilde yapılmalı ve ideal olarak, insanlarda olduğu gibi, öğrenme özerk ve devam eden bir süreç olmalıdır.

Bu nedenle, mahsullerin içindeki yabancı otları bulmak için renk desenleri için alanları mantıklı bir programda tarayan bir dron daha fazla ML olacaktır. Özellikle veriler daha sonra insanlar tarafından analiz edilip doğrulanırsa veya kullanılan algoritma, "istihbarat" içine yerleştirilmiş ancak yeniden düzenlenmesi veya ortamına uyum sağlama kabiliyeti bulunmayan statik bir algoritmadır. Otonom olarak uçan, pil bittiğinde kendini şarj eden, yabani otları tarayan, bilinmeyenleri tespit etmeyi öğrenen ve onları kendiliğinden söküp doğrulamak için geri getiren bir uçak, ...

Farklılığa girmeden önce tam olarak ne anlama geldiklerini net olarak anlamak önemlidir.

Yapay zeka, bilgisayar davranışını, insan davranışlarını taklit edecek şekilde davranmasını sağlayan bilim ve mühendisliktir - Andrew Moore

Makine öğrenmesi, bilgisayar programlarının deneyim yoluyla otomatik olarak gelişmesini sağlayan bilgisayar algoritmalarının incelenmesidir - Tom Mitchell

Yapay Zeka, insan zekasını sergilemek için makineler yapıyorsa, makine öğrenmesi, makinenin açıkça programlanmadan kendi başına öğrenebileceği yapay zekanın elde edilmesi için bir yaklaşımdır. Basitçe, Makine öğrenmesi AI'nın bir parçasıdır.

Aradaki farkı bulmak için kendimiz üzerinde bir test yapalım.

Adım 1: Bir kelime yazacağım ve yüksek sesle telaffuz etmeniz gerekiyor.

Kelimedir: Stackoverflow

İyi!!! böylece sorunsuz bir şekilde telaffuz edebildiniz

Adım 2: Şimdi başka bir kelimeyi telaffuz etmeniz gerekiyor.

Kelimedir: Worcestershire

Hmmmm !!! zor buluyorum ama yine de, bunu telaffuz ediyorsunuz, bu sizi akıllı yapar.

Kesin olarak, zorlukların üstesinden geldiğinizde onun intelligence.

Fakat şimdi size bunun nasıl telaffuz edildiğini söylersem ve aynı testi denerseniz, nasıl telaffuz edeceğinizi öğrendiğiniz için zorluk çekmezsiniz.

Yapay Zeka ve makine öğrenimi durumu aynıdır.

Yapay zeka insan mantığını, muhakeme, anlama ve problem çözme becerilerini haritalamanın bir yoludur.

Makine öğrenirken kalıp, istatistik ve deneyime göre hatırlamak veya tahmin etmek olur.

Yapay zeka problem çözme becerilerine, mantığa, muhakemeye, anlayışa sahip olmaktır, ancak yine de, bu becerileri edinmeyi öğrenmeniz gerekir, bu nedenle makine öğrenimi Yapay zekanın bir parçasıdır.

Bilgisayar oyunlarında, AI olabilir: Oynatıcı atlarsa, ateş edin. Bu nedenle AI, davranış için açık bir talimatlar kümesi olabilir. AI programcısı önceden oyuncu zıpladığında çekim yapmanın en iyisi olduğuna karar verdi.

Derin Öğrenme, bu talimatları önceden tanımlamamanın, ancak olurken öğrenmenin bir yoludur, bu nedenle AI, oyuncu zıpladığında çekim yapmanın en iyi yol olduğunu öğrenir. Bunu başka zamanlarda da çekmeye çalışarak ve bunun daha az etkili olduğunu teşhis ederek öğrenebilir.

Yapay Zeka belirli bir işi yapmak için bir program yazdığınız anlamına gelir ve bireysel kullanıcının programı nasıl kullandığını veya programın hangi bölümünü sürekli kullandığını düşünmüyorsunuz ...

Makine Öğrenmesi, aynı programı yazdığınız anlamına gelir ve ayrıca programa, kullanıcının ilgisini çekecek bir şey önermesini söylersiniz ...

Makine Öğreniminin en iyi örneği Yüz tanımadır

renklerin, yüzlerin şekillerinin algılanması için bir program yazdınız ve ardından bir yüzü tanıdığında diğer görevleri yapabilirsiniz ... Bu Makine Öğrenmesi.

fakat programda kayıtlı farklı yüzlere ait görüntülerin verileri zaten varsa ve onu bir kullanıcıyla karşılaştırıyorsanız ve o zaman belli bir görevi yaparsanız Yapay Zeka olacaktır.