您当前所在的位置:首页 / 新闻中心 / 产品技术
新闻中心
行业资讯
常见问题
知识百科
产品技术
推荐新闻

机器学习与 人工智能:了解关键差异

发表于:2019-11-27

人工智能(AI)和机器学习(ML)是当前市场上的两个时髦流行语,并且经常看起来可以互换使用。

它们不是完全相同的东西,但是观察到它们多次直接导致了一些混乱。因此,我有意写这篇博客来阐明两者之间的区别。

当主题是数据分析,洞察力,大数据以及技术变革如何驱动整个世界的更广泛方式时,这两种术语都会浮出水面。

简而言之,对于它们之间的差异或差异的准确答案是:

人工智能(AI)是机器能够以我们认为“智能”的方式执行任务的更广泛的概念。

和,

机器学习(ML)是基于AI的思想的积极应用,我们实际上应该能够将机器引入数据并让他们自己学习。

什么是人工智能:让我们从早期开始

人工智能已经存在了很长一段时间。希腊神话叙述了机械人模仿我们行为的故事。早期,在欧洲国家制造的某些计算机被认为是“逻辑机器”,并且通过复制诸如基本算术和记忆之类的能力,他们试图产生机械大脑。

随着技术的发展,以及从本质上讲,我们对大脑的工作方式的理解日益增长,关于什么是人工智能以及如何智能地工作的总体概念已经改变。与逐步处理更多层面的计算不同,AI领域的工作取决于复制人类决策过程并以增加的人工方式执行工作。

人工智能设备如何设计以智能地采取措施

AI设备的创建旨在使其发挥智能作用,并将其归类为主要类别,例如应用或通用。应用的AI是为智能交易股票而创建的广泛应用的系统,否则自动驾驶汽车将属于这一类。

通用AI是理论上可以管理任何作业的系统或设备。它们不是很常用。但是,这是当今发生的一些最令人激动的侵犯行为的地方。这也是驱动机器学习扩展到技术领域的方法的领域。机器学习通常被认为是AI的子集,它不仅先进而且更精确,可以认为它是当前技术世界中的最先进技术。

人工智能实例及其解决方案

  • 虚拟个人助理

Cortana Siri和Google Now是许多平台(Android,iOS或Windows Mobile)上的一些智能数字个人助理。当您通过语音请求信息时,它们可帮助启用重要信息。您可以说“隔壁的印度餐厅在哪里?”,“目前我的日历上有什么?”,“在晚上7点钟打铃给约翰打电话”,然后助手会通过发现信息来采取行动,从智能手机传达信息,或与其他应用进行交互。

  • 视频游戏

人工智能的功效不断增强,使视频游戏角色能够熟练掌握自己的行为,采取刺激措施并以易变的方式做出反应。

  • 智能汽车

人工智能会影响交通(自动驾驶汽车正在逼近现实);谷歌的项目和特斯拉的自动驾驶功能是最新新闻中的两个例子。谷歌创建的算法可以使自动驾驶汽车以类似于人类通过智能和经验所做的方式驾驶。

  • 购买预测

无论是发送给您提供优惠券,提供固定折扣,定位促销广告,还是管理仓库以预测您将要购买的产品,都可以广泛地利用此功能。如您所料,这是对AI的有争议的使用,它使许多人担心通过执行预测分析可能会侵犯潜在的隐私。

  • 欺诈识别

如果许多银行或金融机构认为在您的信用卡上进行特定购买时,可能已经对您的帐户进行了欺诈,则会发送电子邮件。并且要确保在转账到另一家公司之前您对这次购买表示赞赏。人工智能是用于跟踪此类欺诈行为精确技术

什么是机器学习?

机器学习是一个AI APP,它使系统能够自动进行探索,增强和改进,而无需进行明确的编程即可从不同的体验中进行改进。机器学习集中在智能计算机程序的开发上,该程序可以处理数据并利用数据向它们学习。

学习的过程从数据和观察开始,例如直接的经验或命令等示例,以我们提供的示例为基础,探索数据模式并在未来的前景中做出更好的决策。关键目标是使计算机能够自动学习,而无需人工干预或支持,从而调节操作。

一些机器学习方法

机器学习算法通常被描述为有监督的和无监督的。

  • 监督机器学习算法

有监督的机器学习算法可以与早期阶段使用标记的示例预测未来事件的新数据相关。从对公认的训练数据集的分析开始,学习算法会生成一个推断函数,以对所需的输出值进行预测。该系统足够智能,可以在经过充分培训后为任何新工作提供目标。学习算法还可以使用准确的预期输出来测量其输出,并发现错误,以便为此原因调整模型。

  • 无监督机器学习算法

与此不同的是,当未标记使用的数据或信息时,将使用无监督的机器学习算法。无监督学习探索了系统如何关闭功能以解释来自未标记数据的隐藏结构。该系统不会发现或找出确切的输出,但是会重新发现信息和数据,以从可用数据集中获取见解,以详细说明实际上未标记的数据中的隐藏结构。

  • 半监督机器学习算法

半监督机器学习算法可以在监督学习和无监督学习之间进行分类,因为它们利用标记和未标记的数据来指导,尤其是较少量的标记数据和大量的未标记信息。使用这种半监督方法的系统能够明显提高学习精度。通常,当获得的标记数据需要熟练且相关的资源来指导或从中学习时,就会选择半监督学习,或者从广义上获得未标记的数据不需要额外的资源。

  • 强化机器学习算法

强化机器学习算法是一种通过构造动作与周围环境交互并确定故障或奖励的方法。延迟返回和试错搜索是强化学习的最适用功能。

这种方法有助于软件和机器自动发现特定上下文中的田园行为,从而充分发挥其性能。直截了当的奖励反馈是代理商了解哪种行为最出色的必要条件;这被确认为增强信号。

机器学习的演变

导致机器学习作为一种媒介出现的关键突破吸引了AI开发以其自身的积极迅速而自我保证的积极态度,目前它已经出现在不同的基于技术的领域和行业中。

其中之一是理解,在一定程度上要比对计算机进行大量培训–他们只需要了解世界以及如何执行活动和任务即可;可能教育他们进行自我探索。

第二个突破是创建,捕获和访问可用于分析的数字数据或信息的出现。

第三是最新的,包括所有基于技术的环境和设备中的数字转换。

一旦完成了这些现代化改造,工程师们就会意识到,相对于指导计算机和机器如何完成整个工作,将它们编码为像人一样思考的能力将大大提高。然后,这些方案将它们插入在线世界,以使它们可以在全球范围内访问所有数据和信息。

神经网络–机器学习的关键

神经网络是已变形ML的一组确定算法。神经网络的扩展对于引导计算机以人类的方式感知和感知世界至关重要。这保持了他们对我们的固有利益,例如迅速,准确和缺乏任何偏见。

神经网络是一个程序化的系统,旨在通过以类似于人脑的方式对数据和信息进行分类来工作。可以教会他们熟悉例如图表,流程图或图像,并按照其所包含的组件进行组织。

现在,让我们看一看按服务进行机器学习的示例。

银行和金融服务

机器学习可以帮助银行,保险公司和金融投资者在不同领域做出更好的决策。这包括以下内容。

  • 监控客户和客户满意度

  • 市场分析和对市场趋势的反应

  • 测量和计算风险因素

  • 使用智能机器保持创新和竞争力

个性化健康监控

可穿戴设备使健康跟踪成为现实。但是,机器学习正在将事情提前一步,分配医生和亲戚来关注家庭成员的健康。通过智能算法提供的个性化数据可以更好地了解用户资料,使医疗保健专业人员能够尽早发现健康中可能存在的违规情况。

零售情报

亚马逊等公司使用机器学习技术来提供高级个性化服务。

  • 在线建议和建议

  • 更好的服务和交付

  • 确保持续的客户满意度

  • 监控产品和价格变化

符号AI与 机器学习

象征性AI是AI社区中盛行的范例。符号推理的应用被称为知识图Google创造了一个巨大的市场,这就是当您搜索像意大利首都这样的简单地点时,它会在您问题下方的顶部框中提供的信息。这些系统从根本上说是一堆嵌套的if-then语句,这些语句勾勒出有关人类可读的思想及其关系的结论。

机器学习与常规符号推理之间的主要区别之一是学习发生的地方。在机器学习中,该算法发现输入和输出之间的规则。但是,在符号推理中,规则是由人为干预生成的。

人工智能与 机器学习:哪一个适合您?

AI和ML都可以具有有用的业务APP。找出最适合您公司的产品取决于您的确切要求。

这些系统具有许多最好的APP,但是ML最近得到了更多的了解,因此许多公司不得不将其作为解决方案的关键来源。但是,AI对于许多不需要进行渐进式学习的APP也可以具有建设性。

营销人员积极地将机器学习视为机会。在AI如此广泛地出现之后,很可能甚至在尚未实现其观点之前就将其视为“旧帽子”。通往“ AI起义”的道路上有许多起点,而ML无疑无疑为营销人员提供了令人难以置信的新鲜事物。

重要要点

我们会在适当的时候开发类似人类的AI的事实通常被技术人员认为是可预测的。当然,今天我们比以往任何时候都更近,我们正在迅速朝着这个目标迈进。近年来,我们看到的许多激动人心的进展都归因于我们预见AI和高级机器学习方式的根本变化。

我们希望这篇文章向那些了解AI和ML之间的差异的人们讲解了基本概念,以便他们在将来开发并进一步应用它。

游客