機械学習と人工知能の違いを理解する

A inteligência人工 と 機械学習 近年のテクノロジー業界の流行語ですが、具体的にはどういう意味ですか? ここで 機械学習とは何かを詳しく説明している投稿を確認できますが、ここで取り上げたい問題は、これら XNUMX つの用語をどのように区別できるかということです。

デジタル学習

この XNUMX つの用語は、テクノロジーを洗練させたい企業によって混同されたり、誤って使用されたりすることがよくあります。 実際、人工知能と機械学習は非常に異なっており、コンピューターができることや、コンピューターが私たちとどのように相互作用するかについて、異なる意味合いを持っています。

O 機械学習 の成長を促進するコンピューティング パラダイムです。 "ビッグデータ" e IA. これは、ニューラル ネットワークの開発に基づいており、 ディープラーニング. これは通常、人間の学習方法を模倣していると説明されていますが、これは正しくありません。 機械学習は、実際には統計分析と反復学習に関連しています。

で構成される従来のプログラムを構築する代わりに、 論理ステートメント e 決定木、一 ニューラルネットワーク は、それぞれが特定の目的のために構成されたニューロンの並列ネットワークを使用して、トレーニングと学習のために特別に構築されています。

特定のニューラル ネットワークの性質は非常に複雑になる可能性がありますが、それらが機能する方法の鍵は重み (または 重要度) 入力の属性に。 さまざまな重みと層のネットワークを使用して、入力が XNUMX つ以上の定義済み出力と一致する確率または推定値を生成できます。

このタイプの計算の問題は、通常のプログラミングと同様に、人間のプログラマーの設定方法に依存することであり、出力の精度を微調整するためにこれらすべての重みを再調整するには、実行可能になるまでに多くの工数がかかる可能性があります。 修正フィードバック ループが導入されると、ニューラル ネットワークは機械学習ドメインに移行します。

マシンの「トレーニング」

出力を監視し、それを入力と比較し、ニューロンの重みを徐々に減らすことで、ネットワークはそれ自体をトレーニングして精度を向上させることができます。 ここで重要な点は、機械学習アルゴリズムがプログラマーなしで学習して動作し、データセット内のすべての可能性を指定できることです。

ネットワークのトレーニングはさまざまな方法で行うことができますが、出力の精度を最大化し、ネットワークを介して最適なパスをトレーニングするために、反復的なブルート フォース アプローチがすべて含まれます。 ただし、この自己トレーニングは、アルゴリズムを手動で最適化するよりも効率的なプロセスであり、アルゴリズムが他の方法よりもはるかに高速に大量のデータを変更およびソートできるようにします。

トレーニングが完了すると、機械学習アルゴリズムはネットワーク全体で新しい入力をリアルタイムで高速かつ正確に分類できます。 これにより、コンピュータ ビジョン、音声認識、言語処理、および科学研究プロジェクトに不可欠なテクノロジとなっています。

AI とは何か、AI とは何か

機械学習はスマートな処理技術ですが、真の知性はありません。 アルゴリズムは、なぜ自己修正するのかを正確に理解する必要はなく、将来どのようにしてより正確になるかを理解する必要があります。

画像のデータベースをふるいにかけ、画像内の主要なオブジェクトを識別する機械学習アルゴリズムは、その情報を「人間の」方法で適用していないため、実際にはスマートに見えません。

人工知能は、大きくXNUMXつのグループに分けることができます。 適用 ou 全般的に直接影響を与えます。健全とされるのは 応用人工知能 今でははるかに実行可能です。 上記の機械学習の例とより密接に結びついており、特定のタスクを実行するように設計されています。 これは、商用在庫、スマート シティでのトラフィックの管理、患者の診断の支援などです。

A 一般的な人工知能 名前が示すように、より幅広く、より機能的です。 より広い範囲のタスクを処理し、事実上すべてのデータセットを理解できるため、人間と同じように、より広く考えることができます。 一般的な AI は、理論的には元の知識セットの外で学習する可能性があり、その能力が暴走する可能性があります。

未来を見据えて

科学的な専門用語や技術的な話が飛び交っていますが、機械学習や人工知能のアプリケーションはすでに登場しています。 一般的な AI と共存するのはまだ先ですが、 Googleのアシスタント または Amazonのアレクサ、あなたはすでに応用された AI の形と対話しています。

言語処理に使用される機械学習は、今日のスマート デバイスを可能にする重要な要素の XNUMX つですが、すべての質問に答えられるほどスマートではないことは確かです。

スマートホームは最後のユースケースです。 機械学習はビッグ データ ドメインで採用されてからしばらく経ちますが、これらのユース ケースはますます AI の領域に侵入しています。 ザ グーグル 検索エンジン ツールに使用します。 ザ Facebook 広告を最適化するために使用します。

機械学習と人工知能には大きな違いがありますが、前者は後者の非常に重要な要素です。 2018年以降も、このXNUMXつについて多くの話を聞き続けることは間違いありません.