인공 지능과 기계 학습의 차이점은 무엇입니까?

이 두 용어는 특히 컴퓨터 과학 및 소프트웨어 공학에서의 응용에서 관련이있는 것으로 보입니다. 하나는 다른 것의 부분 집합입니까? 하나는 다른 하나의 시스템을 구축하는 데 사용되는 도구입니까? 차이점은 무엇이며 왜 중요한가?

머신 러닝은 많은 사람들에 의해 다른 방식으로 정의되었습니다. 한 가지 정의에 따르면 머신 러닝 (ML)은 컴퓨터 가 명시 적으로 프로그래밍하지 않고도 학습 할 수있는 연구 분야라고합니다 .

위의 정의를 감안할 때, 머신 러닝은 우리가 (많은) 데이터 (경험)를 가진 문제에 중점을두고 있으며, 이로 인해 프로그램이 과제를보다 잘 배우고 향상시킬 수 있다고 말할 수 있습니다.

인공 지능은 머신이 데이터를 학습하여 작업을 잘 수행하지 못하지만 규칙 (예 : Mycin 과 같은 전문가 시스템 ), 논리 또는 알고리즘 (예 : 경로 찾기 )을 통해 지능 을 나타낼 수있는 더 많은 측면을 가지고 있습니다 .

인공 지능 : 현대적 접근 책 은 구속 조건 만족 문제 , 확률 론적 추론 또는 철학적 기초 와 같은 AI의 더 많은 연구 분야를 보여줍니다 .

인공 지능의 정의는 인간적으로 사고, 합리적으로 생각하고, 인간적으로 행동하고 합리적으로 행동하는 네 가지 범주로 분류 할 수 있습니다. 다음 그림 (인공 지능 : 현대적 접근 방식)은 이러한 정의에 대해 조명합니다. 내가 좋아하는 정의는 John McCarthy의 설명입니다. "지능형 컴퓨터, 특히 지능형 컴퓨터 프로그램을 만드는 과학 및 엔지니어링입니다. "인간 지능을 이해하기 위해 컴퓨터를 사용하는 것과 비슷한 과제이지만 AI는 생물학적으로 관찰 가능한 방법에 국한 할 필요는 없습니다."





반면 머신 러닝은 인공 지능 분야에서 소프트웨어를 명시 적으로 프로그래밍하지 않고도 출력을 더 잘 예측할 수 있도록합니다. 미래를 예측하기 위해 일련의 데이터에 대해 다양한 알고리즘이 사용됩니다. 머신 러닝은 데이터 중심적이고 데이터 지향적입니다. 기계 학습은 AI의 패턴 인식 및 전산 학습 이론 연구에서 발전했습니다.

간단히 말해서 인공 지능은 컴퓨터 과학 분야에서 기계에게 합리적인 작업을 수행 할 수있는 기능을 제공합니다. 자연어 처리, 자동화, 이미지 처리 및 기타 많은 것들이 그 일부입니다.
머신 러닝은 데이터 지향적이고 예측을 다루는 AI의 하위 집합입니다. 검색 엔진, 유튜브 권장 목록 등에 사용됩니다.

기계 학습은 인공 지능의 하위 집합입니다. 대략적으로 말하면 학습 측면에 해당합니다. "공식적인"정의는 없으며 경계는 약간 희미합니다.

많은 용어가 '주로'같은 의미를 가지므로 차이점은 강조, 관점 또는 역사적 하강에 있습니다. 사람들은 어떤 레이블이 수퍼 세트 또는 서브 세트를 나타내는 지에 동의하지 않습니다. AI를 ML의 분기라고 부르는 사람들과 ML을 AI의 분기라고 부르는 사람들이 있습니다.

나는 일반적으로 머신 러닝이 '응용 통계'의 한 형태로 사용되는 것을 들었습니다. 여기서는 학습 데이터를 제공하고 다른 쪽에서 유용한 모델을 얻을 수있을 정도로 학습 문제를 충분히 상세하게 지정합니다.

필자는 일반적으로 인공 지능을 환경 또는 코드에 포함 된 모든 종류의 지능을 지칭하는 포괄적 인 용어로 듣습니다. 이것은 매우 광범위한 정의이며, 다른 것들은 더 좁은 것을 사용합니다 (예 : 도메인에 특화된 인공 일반 지능 에 초점을 맞추는 것과 같은 ). (내 버전에는 온도 조절기가 포함되어 있습니다.)

이것은 또한 다른 StackExchange 사이트 인 Cross Validated and Data Science 를 지적하기에 좋은시기 입니다.

기계 학습은 잠재력의 작은 부분 인 인공 지능의 하위 집합입니다. 통계 / 확률 기술과 진화 기술에 주로 초점을 맞춘 AI를 구현하는 구체적인 방법입니다. ^큐

인공 지능

인공 지능은 ' 인간 지능이 필요한 작업을 수행 할 수있는 컴퓨터 시스템의 이론 및 개발 '(시각 인식, 음성 인식, 의사 결정 및 언어 간 번역 등)입니다.

우리는 AI를 비인간적 의사 결정의 개념으로 생각할 수 있습니다. ^Q 는 문제 해결, 의사 결정 또는 언어 의사 소통과 같은인지적인 인간과 유사한 기능을 시뮬레이션하는 것을 목표로합니다.

기계 학습

기계 학습 (ML)은 기본적으로 데이터의 패턴을 예측하고 식별 할 수있는 빌드 모델을 구현 하여 수행하는 학습 입니다.

컴퓨터 과학의 스테파니 R. 테일러 교수 와 강의 논문 및 위키 백과 페이지에 따르면, '머신 러닝은 인공 지능 의 한 분야이며 데이터를 통해 배울 수있는 시스템의 구축 및 연구 '에 관한 것입니다 스팸과 비 스팸을 구별하는 방법을 배우려면 이메일 메시지를 참조하십시오.

옥스포드 사전 (Oxford Dictionaries) 에 따르면 , 머신 러닝은 ' 컴퓨터가 경험을 통해 배울 수있는 능력 '입니다 (예 : 새로 얻은 정보를 기반으로 처리를 수정).

ML은 기존 데이터에서 컴퓨터 화 된 패턴 감지로 간주하여 향후 데이터의 패턴을 예측할 수 있습니다. ^큐

다시 말해, 머신 러닝은자가 학습 알고리즘의 개발을 포함 하고 인공 지능에는 인간이 상황에 반응하고 행동하도록 흉내내는 시스템 또는 소프트웨어 를 개발하는 것이 포함됩니다 . ^쿼라

인공 지능과 기계 학습의 차이점 https://www.linkedin.com/pulse/how-artificial-intelligence-different-from-machine-learning-singh

인공 지능 (AI)과 기계 학습 (ML)은 지금이 매우 뜨거운 유행어를, 그리고 종종 같은 의미로 사용되는 것 같다.

인공 지능은 "스마트 한"것으로 간주되는 방식으로 작업을 수행 할 수있는 기계의 광범위한 개념이며 기계 학습 은 실제로 기계에 데이터에 대한 액세스 권한을 부여 할 수 있어야한다는 아이디어를 기반으로하는 AI의 현재 응용 프로그램입니다. 그들 스스로 배우도록하세요

기계 학습 및 인공 지능 에 대한 추가 정보를 찾을 수 있습니다 .

이론 기반 AI는 머신 러닝의 발전으로 이어졌습니다. 종종 AI의 부분 집합이라고하며, 현재의 최신 기술로 생각하는 것이 더 정확합니다.

머신 러닝은 일부 자체 학습 알고리즘을 사용하여 데이터에 대한 지식을 습득하고 AI는 머신이 학습을 통해 얻은 지식을 기반으로 사람의 지원없이 작업을 수행하는 분야입니다. 이것이 ML이 AI의 하위 집합이라는 의미입니다.

기계 학습은 자체 학습 알고리즘의 개발을 포함하는 과학입니다. 이러한 알고리즘은 본질적으로 다양한 도메인 관련 문제에 적용될 수있는보다 일반적인 것입니다.

인공 지능은 인간이 흉내에서 반응하고 행동하도록 흉내내는 시스템 또는 소프트웨어를 개발하는 과학입니다. AI는 매우 광범위한 분야로서 목표를 여러 청크로 정의했습니다. 나중에 각 척은 문제를 해결하기 위해 별도의 연구 분야가되었습니다.

삭티 다산 세 카르

인공 지능 : 인공 지능에 관한 지식의 속성.

기계 학습 : 인공 엔티티를 수행하여 자신의 지식에 대한 정보를 추가 (학습)하는 방법

간단히 말하면 인공 지능 은 인간이나 다른 동물의 행동을 모방하려는 과학 분야입니다.

기계 학습 은 인공 지능의 핵심 도구 / 기술 중 하나입니다.

AI (인공 지능)와 ML (머신 학습)은 현재 매우 인기있는 두 가지 유행어이며 종종 상호 교환 적으로 사용되는 것 같습니다. 그것들은 똑같지는 않지만, 때때로 그들이 혼란에 빠질 수 있다는 인식. 차이점을 설명하기 위해 글을 쓸 가치가 있다고 생각했습니다.

기계 학습은 인공 지능의 핵심 하위 영역입니다. 컴퓨터가 명시 적으로 프로그래밍되지 않고 자체 학습 모드로 전환 될 수 있습니다. 새로운 데이터에 노출되면 이러한 컴퓨터 프로그램은 스스로 학습, 성장, 변경 및 개발할 수 있습니다.

우선, 나는 AI 클래스보다 Business Intelligence 클래스에서 MachineLearning이라는 용어를 훨씬 더 많이 접했습니다.

내 인공 지능 교수 Rolf Pfeifer는 (지능이 무엇인지, 어떻게 정의 할 수 있는지, 다양한 유형의 지능 등에 대해 오랫동안 연설 한 후) 그렇게 말했을 것입니다. ML은 더 정적이고 "멍청한"것으로, 그것이 재정적 환경을 인식하지 못하고 상호 작용을하지 않거나 추상적 기반으로 만 만들어졌습니다. AI는 환경에 대한 특정 인식을 가지고 있으며 자율적으로 상호 작용하므로 피드백 루프를 통해 자율적 인 결정을 내립니다. 이러한 관점에서 Ugnes Answer가 아마도 가장 가까운 것입니다. 그 외에도 ML은 AI의 하위 집합입니다.

머신 러닝은 실제 지능 (imho)이 아니며 논리 알고리즘에 반영된 인간 지능이며 데이터 및 분석에 관한 비즈니스 인텔리전스 교수가 말한 것처럼. 기계 학습에는 실제로 무엇이 옳고 그른지를 말함으로써 학습 프로세스를 지원하기 위해 인간이 필요로하는 많은 감독 알고리즘이 있으므로 독립적이지 않습니다. 그리고 일단 적용되면 알고리즘은 사람이 다시 조정할 때까지 정적입니다. ML에는 주로 블랙 박스 디자인이 있으며 주요 측면은 데이터입니다. 데이터가 들어오고, 데이터가 분석되고 ( "지능적으로"), 데이터가 나옵니다. 대부분의 경우 학습은 사전 구현 / 학습에 적용됩니다. 대부분의 경우 ML은 머신이있는 환경에 관심이없고 데이터에 관한 것입니다.

AI는 대신 인간 또는 동물 지능을 모방하는 것입니다. 교수님의 접근 방식에 따라 AI는 반드시 자의식이 아니라 환경과의 상호 작용에 관한 것이므로 AI를 구축하려면 기계 센서에 환경을 인식하고 학습을 유지할 수있는 일종의 지능과 상호 작용할 요소를 부여해야합니다 환경 (팔 등). 상호 작용은 자율적 인 방식으로 이루어져야하며 이상적으로는 인간과 마찬가지로 학습은 자율적이고 지속적인 과정이어야합니다.

따라서 작물 내 잡초를 찾기 위해 논리적 패턴으로 필드를 스캔하여 색상 패턴을 조사하는 드론은 더 ML입니다. 특히 데이터가 나중에 사람에 의해 분석되고 검증 된 경우 또는 사용 된 알고리즘은 "지능"이 내장되어 있지만 환경에 맞게 조정하거나 조정할 수없는 정적 알고리즘입니다. 자율적으로 비행하는 드론은 배터리가 방전되면 스스로 충전하고 잡초를 스캔하며 알 수없는 것을 감지하여 스스로 찢어 버리고 검증을 위해 다시 가져 오는 AI입니다 ...

차이가 나기 전에 정확히 무엇을 의미하는지 명확하게하는 것이 중요합니다.

인공 지능은 인간의 행동을 모방하기 위해 컴퓨터가 행동하도록 만드는 과학 및 공학-Andrew Moore

머신 러닝은 컴퓨터 프로그램이 경험을 통해 자동으로 개선 될 수 있도록하는 컴퓨터 알고리즘에 대한 연구입니다-Tom Mitchell

인공 지능이 기계를 인간 지능을 나타내도록 만드는 경우 기계 학습은 기계가 명시 적으로 프로그래밍되지 않고 스스로 학습 할 수있는 인공 지능을 달성하는 접근 방식입니다. 머신 러닝은 AI의 일부입니다.

차이점을 찾기 위해 스스로 테스트를 해보자.

1 단계 : 단어를 쓰고 큰 소리로 발음해야합니다.

단어는 : Stackoverflow

좋은!!! 완벽하게 발음 할 수 있습니다

2 단계 : 이제 다른 단어를 발음해야합니다.

단어는 : Worcestershire

흠 !!! 어렵지만 여전히 발음하기 때문에 지적이됩니다.

정확하게, 당신이 어려움을 극복 할 때 그것의 intelligence.

그러나 이제 그것이 어떻게 발음되는지 말해 주었고, 같은 시험을 시도해도 발음 법을 배우는 데 어려움이 없습니다.

인공 지능과 기계 학습의 경우도 마찬가지입니다.

따라서 인공 지능은 인간의 논리, 추론, 이해 및 문제 해결 기술을 매핑하는 방법입니다.

머신 러닝은 패턴, 통계 및 경험별로 기억하거나 예측하는 것입니다.

따라서 인공 지능은 문제 해결 기술, 논리, 추론, 이해력을 갖지만 이러한 기술을 습득하는 법을 배워야하기 때문에 기계 학습은 인공 지능의 일부입니다.

컴퓨터 게임에서 AI는 다음과 같습니다. 플레이어가 점프하면 쏴라. 따라서 AI는 단순히 행동에 대한 명확한 지침 세트가 될 수 있습니다. AI 프로그래머는 플레이어가 점프 할 때 촬영하는 것이 가장 좋다고 미리 결정했습니다.

딥 러닝은 이러한 명령어를 미리 정의하지 않고 진행되는 동안 배우는 방법이므로 AI는 플레이어가 점프 할 때 촬영하는 것이 가장 좋습니다. 또한 다른 시간에 촬영을 시도하고 이것이 효과가 적은지 진단함으로써이를 배울 수 있습니다.

인공 지능은 특정 작업을 수행하기 위해 프로그램을 작성한다는 것을 의미하며 개별 사용자가 프로그램을 사용하는 방법이나 프로그램의 어떤 부분을 지속적으로 사용하는지 고려하지 않습니다 ...

기계 학습은 동일한 프로그램을 작성하고 프로그램에 사용자가 관심을 가질 것을 제안하도록 지시합니다.

머신 러닝의 가장 좋은 예는 얼굴 인식입니다.

당신은 색상, 얼굴의 모양을 감지하고 얼굴을 인식하면 다른 작업을 수행 할 수있는 프로그램을 작성했습니다 ... 그것은 기계 학습입니다.

그러나 이미 프로그램에 저장된 다른 얼굴의 이미지 데이터가 있고 사용자와 비교하고 특정 작업을 수행하면 인공 지능이됩니다.