AI和ML有什麼區別

毫無疑問，您之前聽說過“人工智能”和“機器學習”這兩個術語。 如果你還沒有，你很快就會。 到 2021 年，估計 80% 的新技術將基於人工智能。 全球 37% 的組織正在使用某種形式的人工智能來改善他們的日常運營。

例如，亞馬遜使用機器學習將其運輸時間減少了 225% 以上。 因此，如果您不確定這些術語的含義以及它們之間的區別，請不要擔心，我們隨時為您提供幫助。

在接下來的幾段中，我們將深入探討機器學習和人工智能之間的區別 (1)，希望能夠闡明這個有時令人困惑的話題。 我們還將簡要介紹每個術語的含義，並舉幾個不同類型的人工智能和不同類型的機器學習的例子。 最後，我們將討論為什麼這兩個術語首先可以互換使用。

• 對人工智能的簡要了解
• 不同類型的人工智能
• ML的簡要理解
• 不同類型的機器學習
• AI 與 ML 之間的區別
• 為什麼科技公司使用 AI 和 ML？
• 最後的想法

人工智能的簡要概述

人工智能，簡稱AI，是指通過人造機器模仿人類智能。 該機器擁有一個計算機化的大腦，能夠以與人腦相似的能力學習和解決問題。

人工智能是一個相當廣泛的概括性術語，包含幾個子集——記住這一點很重要，因為我們稍後會回到它。

人工智能的目標實際上不僅是複制人腦解決問題的能力，而且是複制人腦的決策能力。 這可以通過使用算法來實現，算法本質上是一組規則，概述了計算機在給定情況下所做的事情。

您可以將算法視為一種配方，當所有成分都存在時，計算機必須遵循該配方。

人工智能可以分為三種類型：

• 狹義的人工智能

  顧名思義，狹義 AI 的關注點非常狹窄。 它有時也被稱為“弱人工智能”。 狹義 AI 的一個例子是 Siri 或 Google Assistant。 狹義的人工智能代表了我們目前在技術領域的人工智能。

• 通用人工智能

  第二種人工智能是通用人工智能（AGI）。 當計算機的能力可以與人腦的能力相匹配時，就會出現這種類型的人工智能。 在 AGI 下，計算機將能夠獨立解決問題和推理、決策，甚至是創造性思維。

• 超級人工智能

  第三類人工智能是人工超級智能（ASI）。 您可能對這種類型非常熟悉，儘管它目前不存在。 在 ASI 下，機器開發的智力能力超出了人腦所能達到的水平。

  如果你看過終結者係列，你就會明白為什麼這可能是個問題。 然而，現實情況是，許多專家預測 ASI 實際上會極大地造福人類。

機器學習簡要概述

還記得我們談到人工智能如何有幾個不同的子集嗎？ 好吧，機器學習或 ML 就是其中之一。 機器學習是機器從數據中學習的能力。 當然，必須先對機器進行編程。 但是一旦適當的算法到位並且機器可以訪問數據，它就可以開始學習。

機器學習存在並且實際上在我們今天的世界中非常普遍。 自動更正是現代生活中機器學習的一個例子，垃圾郵件過濾器也是如此。 這些程序遠非有感知能力，但它們具有根據新數據改變行為的能力。 如果這聽起來很像狹隘的人工智能，那是因為它確實如此。 機器學習是狹義人工智能的一個例子。

機器學習可以分為四個不同的類別：

• 監督

  這種類型的機器學習涉及使用標記數據集。 一旦數據教會機器某種模式或一組特徵，機器就可以預測結果。

• 無監督

  無監督機器學習就是對未標記的現有數據進行排序。 無監督機器學習算法可以教計算機根據關係或模式將數據分成不同的組。

• 半監督

  半監督機器學習介於兩者之間。 當數據集同時具有標記和未標記的組件時，這種類型的機器學習就會發揮作用。 在半監督機器學習下給出的預測往往是所有類型機器學習中最準確的。

• 加強

  這種類型的 ML 類似於人類參與的強化學習。在強化學習下，當確定了最佳行動方案時會給予獎勵。 機器的目標是做出最大化獎勵的決策。

人工智能和機器學習之間的主要區別

畢竟，您可能想知道：這些東西有什麼不同？ 有一些關鍵特徵可能使區分更容易記住。

• 範圍

  要記住的一件事是范圍。 人工智能的範圍非常廣泛。 另一方面，機器學習的範圍要窄得多——這些機器可以完成給定的任務，但它們不能做很多其他事情。

• 目標

  人工學習和機器學習之間的另一個關鍵區別是兩者的目標截然不同。 當談到人工智能，特別是 AGI 或 ASI 時，目標是創造一台能夠做出決策和感知思維的計算機。 使用機器學習，目標只是讓機器能夠根據過去的數據準確預測結果。

• 數據集類型

  此外，人工智能可以處理所有類型的數據——結構化、非結構化和半結構化。 或者，機器學習只能理解結構化和半結構化數據。 此外，雖然 AI 和 ML 都涉及自我糾正，但只有 AI 涉及推理。

• 智慧與知識

  你也可以說，人工智能涉及智慧和智慧的獲取，而機器學習的目標是知識。

• 結果

  人工智能將查看多種結果並選擇最好的結果。 機器學習將選擇它認為唯一的解決方案，無論它是否是最好的解決方案。

• 意識

  確實，機器學習和人工智能之間差異的核心是有情思想。 機器學習不需要計算機來發展自己的意識。 人工智能要求機器能夠獨立於其編程來感受和思考，以匹配人腦的能力。

為什麼科技公司傾向於交替使用 AI 和 ML？

科技公司可以互換使用人工智能和機器學習，因為幾十年前，重點主要是開發真正的人工智能——AGI 和 ASI。 那時，圍繞這個詞的負面污名開始出現。 這種污名可能與電影、電視和媒體中對 ASI 的描繪有關。

出於這個原因，隨著技術的進步，其他術語開始出現。 機器學習和深度學習等術語開始出現，人們將它們與狹義的人工智能互換使用。

問題在於，機器學習實際上只是狹義 AI 的代名詞。 一旦人工通用和超級智能成為競爭者，機器學習和人工智能之間的區別很可能會變得更加重要，術語自然會變得不那麼可互換。

最後的想法

機器學習就是今天的人工智能技術。 人工智能代表了它可能在明天的位置。 如果您需要幫助保持術語的正確性，請記住機器學習涉及教機器學習。

這些機器非常好地執行單一任務。 另一方面，人工智能涉及復制人類思維。 從理論上講，這些機器可以像人類一樣執行各種任務——如果不是更好的話。

最終，隨著歲月的流逝，兩者之間的差異將變得更大，更容易區分。

其他有用的資源：

人工智能如何將機器人過程自動化提升到一個新的水平

提高轉化率的最佳人工智能平台

人工智能網絡安全的未來

機器學習的前 5 個公共數據集

機器學習算法專家應該知道的列表