了解机器学习和人工智能之间的区别

A 人工智能 和 机器学习 是近年来科技行业的流行语，但它们到底是什么意思？ 这里 您可以查看我们详细解释什么是机器学习的帖子，但我们想在这里解决的问题是我们如何区分这两个术语。

数字学习

这两个术语经常被想要使其技术复杂化的公司混淆和错误使用。 事实上，人工智能和机器学习非常不同，对计算机可以做什么以及它们如何与我们交互具有不同的含义。

O 机器学习 是推动增长的计算范式 “大数据” e IA. 它基于神经网络的发展和 深度学习. 这通常被描述为模仿人类学习的方式，但这是不正确的。 机器学习确实与统计分析和迭代学习有关。

而不是构建由以下内容组成的传统程序 逻辑陈述 e 决策树，一 神经网络 专为使用并行神经元网络进行训练和学习而构建，每个神经元都针对特定目的进行配置。

任何特定神经网络的性质都可能非常复杂，但它们工作方式的关键是应用权重（或 重要因素) 到输入的某些属性。 使用各种权重和层的网络，可以产生一个概率或估计您的输入与一个或多个定义的输出相匹配。

与常规编程一样，此类计算的问题在于依赖于人类程序员如何设置它，并且重新调整所有这些权重以微调输出的准确性可能需要很多工时才能实现。 一旦引入了纠正反馈回路，神经网络就会过渡到机器学习领域。

“训练”机器

通过监控输出，将其与输入进行比较，并逐渐减少神经元的权重，网络可以自我训练以提高准确性。 这里的重要部分是机器学习算法能够在没有程序员的情况下学习和行动，指定数据集中的所有可能性。

可以通过多种不同的方式训练网络，但所有方式都涉及一种迭代的蛮力方法，以最大限度地提高输出精度并训练通过网络的最佳路径。 然而，这种自我训练仍然是一个比手动优化算法更有效的过程，并且允许算法在比其他方式更快的时间内更改和排序大量数据。

经过训练后，机器学习算法能够以极快的速度和准确性实时对网络中的新输入进行分类。 这使其成为计算机视觉、语音识别、语言处理和科学研究项目的重要技术。

什么是人工智能，什么不是人工智能

机器学习是一种智能处理技术，但它不具备任何真正的智能。 算法不需要确切地了解它自我纠正的原因，只需要了解它在未来如何变得更准确。

可以筛选图像数据库并识别图像中主要对象的机器学习算法看起来并不聪明，因为它没有以“人类”的方式应用该信息。

人工智能可以分为两大类， 应用 ou 一般的。 一个 应用人工智能 现在更可行了。 它与上面的机器学习示例更相关，旨在执行特定任务。 这可能是商业库存、管理智慧城市的交通或帮助诊断患者。

A 通用人工智能 顾名思义，它更广泛、更强大。 它能够处理更广泛的任务，几乎可以理解任何数据集，因此似乎可以像人类一样思考更广泛的问题。 从理论上讲，通用人工智能可以在其原始知识集之外进行学习，这可能会导致其能力飞速增长。

展望未来

尽管存在所有科学术语和技术谈话，但机器学习和人工智能的应用已经出现。 我们离与通用人工智能共存还有很长的路要走，但如果你正在使用 谷歌助理 或 亚马逊的Alexa的，您已经在与一种应用人工智能形式进行交互。

用于语言处理的机器学习是当今智能设备的关键推动因素之一，尽管它们肯定不够智能，无法回答您的所有问题。

智能家居只是最后一个用例。 机器学习在大数据领域的应用已经有一段时间了，这些用例越来越多地侵入人工智能领域。 欧 Google 将其用于搜索引擎工具。 欧 Facebook 用于优化广告。

机器学习和人工智能之间有很大的区别，尽管前者是后者非常重要的组成部分。 在整个 2018 年及以后，我们肯定会继续听到很多关于这两者的讨论。