AI和ML有什么区别

毫无疑问，您之前听说过“人工智能”和“机器学习”这两个术语。 如果你还没有，你很快就会。 到 2021 年，估计 80% 的新技术将基于人工智能。 全球 37% 的组织正在使用某种形式的人工智能来改善他们的日常运营。

例如，亚马逊使用机器学习将其运输时间减少了 225% 以上。 因此，如果您不确定这些术语的含义以及它们之间的区别，请不要担心，我们随时为您提供帮助。

在接下来的几段中，我们将深入探讨机器学习和人工智能之间的区别 (1)，希望能够阐明这个有时令人困惑的话题。 我们还将简要介绍每个术语的含义，并举几个不同类型的人工智能和不同类型的机器学习的例子。 最后，我们将讨论为什么这两个术语首先可以互换使用。

• 对人工智能的简要了解
• 不同类型的人工智能
• ML的简要理解
• 不同类型的机器学习
• AI 与 ML 之间的区别
• 为什么科技公司使用 AI 和 ML？
• 最后的想法

人工智能的简要概述

人工智能，简称AI，是指通过人造机器模仿人类智能。 该机器拥有一个计算机化的大脑，能够以与人脑相似的能力学习和解决问题。

人工智能是一个相当广泛的概括性术语，包含几个子集——记住这一点很重要，因为我们稍后会回到它。

人工智能的目标实际上不仅是复制人脑解决问题的能力，而且是复制人脑的决策能力。 这可以通过使用算法来实现，算法本质上是一组规则，概述了计算机在给定情况下所做的事情。

您可以将算法视为一种配方，当所有成分都存在时，计算机必须遵循该配方。

人工智能可以分为三种类型：

• 狭义的人工智能

  顾名思义，狭义 AI 的关注点非常狭窄。 它有时也被称为“弱人工智能”。 狭义 AI 的一个例子是 Siri 或 Google Assistant。 狭义的人工智能代表了我们目前在技术领域的人工智能。

• 通用人工智能

  第二种人工智能是通用人工智能（AGI）。 当计算机的能力可以与人脑的能力相匹配时，就会出现这种类型的人工智能。 在 AGI 下，计算机将能够独立解决问题和推理、决策，甚至是创造性思维。

• 超级人工智能

  第三类人工智能是人工超级智能（ASI）。 您可能对这种类型非常熟悉，尽管它目前不存在。 在 ASI 下，机器开发的智力能力超出了人脑所能达到的水平。

  如果你看过终结者系列，你就会明白为什么这可能是个问题。 然而，现实情况是，许多专家预测 ASI 实际上会极大地造福人类。

机器学习简要概述

还记得我们谈到人工智能如何有几个不同的子集吗？ 好吧，机器学习或 ML 就是其中之一。 机器学习是机器从数据中学习的能力。 当然，必须先对机器进行编程。 但是一旦适当的算法到位并且机器可以访问数据，它就可以开始学习。

机器学习存在并且实际上在我们今天的世界中非常普遍。 自动更正是现代生活中机器学习的一个例子，垃圾邮件过滤器也是如此。 这些程序远非有感知能力，但它们具有根据新数据改变行为的能力。 如果这听起来很像狭隘的人工智能，那是因为它确实如此。 机器学习是狭义人工智能的一个例子。

机器学习可以分为四个不同的类别：

• 监督

  这种类型的机器学习涉及使用标记数据集。 一旦数据教会机器某种模式或一组特征，机器就可以预测结果。

• 无监督

  无监督机器学习就是对未标记的现有数据进行排序。 无监督机器学习算法可以教计算机根据关系或模式将数据分成不同的组。

• 半监督

  半监督机器学习介于两者之间。 当数据集同时具有标记和未标记的组件时，这种类型的机器学习就会发挥作用。 在半监督机器学习下给出的预测往往是所有类型机器学习中最准确的。

• 加强

  这种类型的 ML 类似于人类参与的强化学习。在强化学习下，当确定了最佳行动方案时会给予奖励。 机器的目标是做出最大化奖励的决策。

人工智能和机器学习之间的主要区别

毕竟，您可能想知道：这些东西有什么不同？ 有一些关键特征可能使区分更容易记住。

• 范围

  要记住的一件事是范围。 人工智能的范围非常广泛。 另一方面，机器学习的范围要窄得多——这些机器可以完成给定的任务，但它们不能做很多其他事情。

• 目标

  人工学习和机器学习之间的另一个关键区别是两者的目标截然不同。 谈到人工智能，特别是 AGI 或 ASI，目标是创造一台能够做出决策和有感知能力的计算机。 使用机器学习，目标只是让机器能够根据过去的数据准确预测结果。

• 数据集类型

  此外，人工智能可以处理所有类型的数据——结构化、非结构化和半结构化。 或者，机器学习只能理解结构化和半结构化数据。 此外，虽然 AI 和 ML 都涉及自我纠正，但只有 AI 涉及推理。

• 智慧与知识

  你也可以说人工智能涉及智慧和智能的获取，而机器学习的目标是知识。

• 结果

  人工智能将查看多种结果并选择最好的结果。 机器学习将选择它认为唯一的解决方案，无论它是否是最好的解决方案。

• 意识

  确实，机器学习和人工智能之间差异的核心是有情思想。 机器学习不需要计算机来发展自己的意识。 人工智能要求机器能够独立于其编程来感受和思考，以匹配人脑的能力。

为什么科技公司倾向于交替使用 AI 和 ML？

科技公司可以互换使用人工智能和机器学习，因为几十年前，重点主要是开发真正的人工智能——AGI 和 ASI。 那时，围绕这个词的负面污名开始出现。 这种污名可能与电影、电视和媒体中对 ASI 的描绘有关。

出于这个原因，随着技术的进步，其他术语开始出现。 机器学习和深度学习等术语开始出现，人们将它们与狭义的人工智能互换使用。

问题在于，机器学习实际上只是狭义 AI 的代名词。 一旦人工通用和超级智能成为竞争者，机器学习和人工智能之间的区别很可能会变得更加重要，术语自然会变得不那么可互换。

最后的想法

机器学习就是今天的人工智能技术。 人工智能代表了它可能在明天的位置。 如果您需要帮助保持术语的正确性，请记住机器学习涉及教机器学习。

这些机器非常好地执行单一任务。 另一方面，人工智能涉及复制人类思维。 从理论上讲，这些机器可以像人类一样执行各种任务——如果不是更好的话。

最终，随着岁月的流逝，两者之间的差异将变得更大，更容易区分。

其他有用的资源：

人工智能如何将机器人过程自动化提升到一个新的水平

提高转化率的最佳人工智能平台

人工智能网络安全的未来

机器学习的前 5 个公共数据集

机器学习算法专家应该知道的列表