Разница между искусственным интеллектом и машинным обучением, дорожная карта для достижения искусственного интеллекта.

Машинное обучение - это концепция искусственного интеллекта, в которой мы позволяем машине учиться самостоятельно, если она снабжена достаточными данными и вычислительной мощностью ( машины явно не запрограммированы ) . Здесь машины учатся, как люди, приобретая опыт, используя мыслительные способности, где опыт - это не что иное, как информация или данные и мыслительные способности - это не что иное, как вычислительная мощность.

Искусственный интеллект - это гораздо более широкая концепция, в рамках которой машины способны достигать вещей, которые мы люди считают «умными». Есть несколько способов достичь ИИ, но самые лучшие и революционные открытия происходят в области машинного обучения.

Можно сказать, что сейчас основной движущей силой ИИ является машинное обучение, поэтому эти два слова переплетаются.

Машинное обучение - это прогнозирование на основе предоставленных данных (опыта), а предпринимаемые действия называются искусственным интеллектом. Люди тоже делают то же самое, основываясь на своем опыте.

Дорожная карта для достижения ИИ:

  1. Бизнес-аналитика (BI): это один из ключевых факторов, при котором на основе данных обнаруживаются проблема или идеи, которые затем анализируются для поиска наилучшего решения.
  2. Большие данные. Для чего-либо существенного в машинном обучении (в основном глубокого обучения) требуются огромные объемы данных. Когда хранилище дешевело, хранилось огромное количество данных. Используя большие данные, просто поместите все наши данные в Hadoop и запустите на нем пакетные процессы, называемые MapReduce, которые в конечном итоге заменили / увеличили наши хранилища данных. Таким более простым способом переход от BigData к машинному обучению произошел в основном благодаря глубокому обучению.
  3. Машинное обучение. Как обсуждалось ранее, машинное обучение узнает об этом, если будет предоставлено достаточно данных и небольшое руководство. (Мой следующий пост о необходимости ML и о том, почему явное программирование - не лучшая идея). Здесь используются определенные специфические алгоритмы для достижения ожидаемых результатов.
  4. Глубокое обучение: это часть машинного обучения, в которой количество задействованных уровней увеличивается для достижения лучших результатов, чтобы оно могло превзойти все модели.
  5. Искусственный интеллект. Это последний этап, на котором мы можем сделать машины достаточно умными, чтобы они соответствовали человеческому уровню или превосходили человеческие возможности. Здесь конкретные используемые алгоритмы сделаны больше как цель за счет замены определенных используемых алгоритмов.

Примечание. Все представленные бизнес-проблемы не требуют машинного обучения или применения ИИ, некоторые из них можно решить с помощью простого анализа.

Кредиты: https://bloggeek.me/ml-vs-ai/

Далее у меня Почему Машинное обучение для достижения ИИ и как начать его изучать? . Обязательно подпишитесь на меня. medium, linkedin, twitter, Instagram , чтобы получать больше обновлений.

Присоединяйтесь к нашему сообществу WhatsApp здесь.