Разлика између машинског учења и вештачке интелигенције

Кључна разлика - Машинско учење против вештачке интелигенције
 

Вештачка интелигенција широк је појам. Паметни домови са сопственим возилом неки су примери вештачке интелигенције. Неке земље имају интелигентне роботе у областима као што су медицина, производња, војска, пољопривреда и домаћинство. Машинско учење је врста вештачке интелигенције. Тхе кључна разлика између машинског учења и вештачке интелигенције је то Машинско учење је врста вештачке интелигенције која омогућава рачунару да учи без да се експлицитно програмира, а вештачка интелигенција је теорија и развој рачунарских система који могу да обављају задатке интелигентно сличне људским. Машинско учење користи алгоритам за рашчлањивање података, учење из њега и доношење одлука у складу с тим. То је развој алгоритама само-учења, а вештачка интелигенција је наука о развоју система или софтвера који је паметан као човек.

САДРЖАЈ

1. Преглед и кључне разлике
2. Шта је машинско учење
3. Шта је вештачка интелигенција
4. Сличности између машинског учења и вештачке интелигенције
5. Упоредно упоређивање - Машинско учење против вештачке интелигенције у табеларном облику
6. Резиме

Шта је машинско учење?

Алгоритам је низ корака који налажу рачунару да реши проблем. Машинско учење је врста вештачке интелигенције. Рачунарима пружа могућност учења без експлицитног програмирања. То су различити алгоритми који су доступни за решавање проблема машинског учења. У зависности од врсте проблема, може се одабрати одговарајући алгоритам машинског учења. Фокусира се на развој рачунарских програма који могу дати резултат када су изложени новим подацима.

Постоје различите врсте машинског учења. То су надзирано учење, неконтролирано учење и учење ојачања. Надзирано учење користи познати скуп података да би предвидио. Скуп улазних података (Кс) и скуп одговарајућих одзивних вредности или излаза (И) дати су надзираном алгоритму учења. Тај скуп података познат је као скуп тренинга. Користећи тај скуп података, алгоритам гради модел (И = ф (Кс)), тако да може дати излазну вредност за комплетирање новог скупа података.

Класификација и регресија су алгоритми за надгледање машинског учења. Класификација се користи за класификацију записа. Један једноставан пример је „да ли је температура хладна“. Одговор може бити или „да“ или „не“. Постоји одређени број избора за класификацију. Ако постоје два избора, то је класификација у две класе. Ако постоји више од два избора, то је класификација у више класа. Регресија се користи за израчунавање нумеричког излаза. На пример, предвиђање температуре за сутра. Други пример би било предвиђање вредности куће.

У Ненадзорованом учењу дају се само улазни подаци и не постоје одговарајући излази. Уместо тога, алгоритам проналази образац или структуру како би сазнао више о подацима. Кластерирање је категорисано као неконтролисано учење. Он раздваја податке у групе или кластере како би се олакшала интерпретација података.

Слика 01: Машинско учење

Ојачавање учења инспирисано је бихевиористичком психологијом. Она се односи на максимизирање неког појма кумулативне награде. Један пример учвршћивања учења је подучавање рачунара да игра шах. Постоји толико корака у учењу шаха. Стога није могуће упутити о сваком кораку. Али могуће је рећи да ли је одређена акција изведена тачно или погрешно. У Ојачавању учења рачунар ће покушати да максимизира награду и научи из искуства. Други пример је Аутоматски регулатор температуре. Систем треба да повећа или смањи температуру у складу са захтевом. Учење ојачања добро је за системе који би требали доносити одлуке без много људских упута.

Шта је вештачка интелигенција?

Вештачка интелигенција подразумева да рачунар, робот који управља рачунаром или софтвер мисле на интелигенцију сличну људској. Примењивала се на систем, начин на који људи размишљају, како људи уче, одлучују и решавају проблеме. Коначно, изграђен је паметан и интелигентан систем. Вештачка интелигенција је модерна технологија у савременом свету. То је комбинација различитих дисциплина као што су рачунарска наука, биологија, математика и инжењерство.

Слика 02: Вештачка интелигенција

Постоје многе апликације вештачке интелигенције (АИ). Савремене игре користе АИ. АИ истраживање такође укључује обраду природног језика. То је пружање могућности рачунару или машини да разумеју природни језик који људи говоре и у складу са тим обављају задатке. Друга апликација су Индустриал Роботс. Постоје софистициранији роботи са ефикасним процесорима и огромном количином меморије. Могу се прилагодити новом окружењу и прикупљати податке користећи светлост, температуру, звук итд. Користе се у областима као што су медицина и производња. Вештачка интелигенција се такође примењује у оптичком препознавању знакова, аутономним возилима, војним симулацијама и многим другима.

Које су сличности између машинског учења и вештачке интелигенције?

• Оба се могу користити за изградњу софистицираних система за обављање одређених задатака.
• Оба се заснивају на статистици и математици.
• Машинско учење је нова врхунска технологија вештачке интелигенције.

Која је разлика између машинског учења и вештачке интелигенције?

Машинско учење вс вештачкој интелигенцији
Машинско учење је врста вештачке интелигенције која рачуналу омогућава могућност учења без експлицитног програмирања. Користи алгоритам за анализу података, учење из њих и доношење одлука у складу с тим.	Вештачка интелигенција је теорија и развој рачунарских система који могу да обављају задатке интелигентно сличне људском бићу.
Функционалност
Машинско учење фокусира се на тачност и обрасце.	Умјетна интелигенција фокусирана је на интелигентно понашање и максималну промјену успјеха.
Категоризација
Машинско учење може се категорисати на Надзор учења, Ненадзирано учење и Ојачавање учења.	Апликације засноване на вештачкој интелигенцији могу се категорисати као примењене или опште.

Резиме - Машинско учење вс вештачкој интелигенцији

Вештачка интелигенција је напредак и широка дисциплина. Састоји се од многих других области попут инжењерства, математике, рачунарске науке итд. Разлика између машинског учења и вештачке интелигенције је у томе што је машинско учење врста вештачке интелигенције која рачунару даје могућност учења без експлицитног програмирања и вештачке интелигенције Интелигенција је теорија и развој рачунарских система који су у стању да обављају задатке интелигентно сличне људским. Машинско учење је нова врхунска технологија вештачке интелигенције.

Преузмите ПДФ верзију машинског учења и вештачке интелигенције

Можете преузети ПДФ верзију овог чланка и користити је за оффлине употребу према напомени. Молимо преузмите ПДФ верзију овде. Разлика између машинског учења и вештачке интелигенције

Референце:

1.едурекаИН. Алгоритми машинског учења | Водич за машинско учење | Образовање података | Еурека, Еурека !, 21. маја 2017. Доступно овде
2.15 Разлика између Аи (вештачке интелигенције) и машинског учења, Пател Видху, 14. јула 2017. Доступно овде 
3.ДигиталОцеан. "Садржај." Увод у машинско учење | ДигиталОцеан, ДигиталОцеан, 11. децембар 2017. Доступно овде 
4. „Надгледани и ненадзоровани алгоритми машинског учења.“ Машинство машинског учења, 21. септембра 2016. Доступно овде 
5.туториалспоинт.цом. „Махоут машинско учење.“ Поента. Доступно овде 

Љубазношћу слике:

1.'2729781 'аутор ГДЈ / 2440 слика (Публиц Домаин) преко пикабаи
2.'Артифициал.интеллигенце 'Алејандро Зоррилал Цруз, (Публиц Домаин) преко Цоммонс Викимедиа