Оригинал статьи вы можете найти здесь =› https://www.nucleusbox.com/ai-vs-ml-vs-dl-vs-data-science/

Вокруг этой базовой концепции так много путаницы. Часто люди спрашивают меня, в чем реальная разница между этими терминами Al, ML, DL и Data Science.

Каждый термин имеет очень важное значение. Но понимание основной разницы потребует больших усилий, чтобы поглотить разницу. Я могу просто написать определения для всех этих терминов, давайте проверим это. Но достаточно ли этого, чтобы понять магию этого черного ящика?

Люди изо всех сил пытаются найти правильную статью. Что может легко объяснить реальную ценность и основное ценностное предложение этой замечательной технологии. Иногда я и мои друзья рассказываем о том, что бы реально использовать эту технологию. И как люди напрямую получают выгоду. Потому что в конце концов. Если технология не решает реальную проблему или не помогает им расти не так, как они хотели. Я думаю, что это было бы несправедливо по отношению ко всем им.

Искусственный интеллект (ИИ)

История

Группа ученых из IBM основала область искусственного интеллекта как академическую дисциплину в 1956 году. Да, это не новая технология. Это очень старая концепция. Но если вы посмотрите историю того, как люди пришли к этой концепции. а кто эти люди? Итак, чтобы ответить на этот вопрос. Над созданием искусственного мозга думало множество ученых из разных областей науки. Вас может удивить тот факт, что группа ученых, основавших искусственный интеллект как академическую дисциплину в 1956 году, представляла разные области, такие как математика, психология, инженерия, экономика и политология.

Звучит интересно, верно? Я всегда считал, что происхождение всех открытий в технологии исходит только из одного источника — философии.

О (ИИ)

Основная аналогия этой области — имитация человеческого мозга. Мы пишем программу в области ИИ, которая имитирует человеческий интеллект в машине и программирует ее так, чтобы она думала и вел себя как человек. Эта область включала разработку алгоритмов, которые анализируют данные и выполняют действия, подобные человеческим.

Например, понимать естественный язык, как человеческий, и распознавать изображения, чтобы понять, что внутри изображения.

Если бы я спросил вас по этому изображению, сколько объектов на нем и что это за объекты? Таким образом, вы можете легко определить невооруженным глазом. потому что вы знаете эти объекты раньше. Как похожи кошки и собаки.

Но, задавая тот же вопрос машине, вам нужно передать ей некоторый интеллект, чтобы она могла идентифицировать эти объекты. для того, чтобы заставить машину говорить как человек, и процесс, который включает в себя заставить машину говорить, относится к сфере искусственного интеллекта.

Есть и другие примеры, такие как приложение, которое может давать ответы на вопросы, такие как IBM Watson. система принятия решений, которая может принимать бюджетные решения. куда тратить и куда не тратить. и этот список можно продолжать и продолжать. Я расскажу об этом в другом блоге, где буду обсуждать только ИИ.

Машинное обучение (МО)

История

Термин «Машинное обучение» стал популярным в 1959 году, и вся заслуга принадлежит Артуру Сэмюэлю. По его словам,

Машинное обучение — это один из способов использования ИИ. В 1950-х годах пионер искусственного интеллекта Артур Сэмюэл определил его как

«область исследования, которая дает компьютерам возможность учиться без явного программирования».

— Артур Сэмюэл

80-е и 90-е годы были этапами, когда машинное обучение стало мейнстримом. И люди начали узнавать отдельное как отдельное поле. Вначале машинное обучение было сосредоточено на решении проблем ИИ, но после 1990 года акцент сместился в сторону статистических моделей, нечеткой логики и теории вероятностей.

Разницу между AI и ML часто неправильно понимают. У людей было мнение, что машинное обучение учится и прогнозирует на основе пассивного обучения или, можно сказать, обучения на основе прошлой истории данных. А ИИ (искусственный интеллект) использует агента для взаимодействия с окружающей средой, чтобы учиться и предпринимать действия, чтобы максимизировать свои шансы на успех. Мы знаем этот метод как обучение с подкреплением. Я просто ввожу жаргонные ключевые слова, которые мы увидим в другом блоге.

Теперь, начиная с эпохи 2020 года, многие люди начали утверждать, что машинное обучение является частью ИИ. А другие по-прежнему придерживаются мнения, что только «интеллектуальное подмножество» машинного обучения следует считать ИИ.

О (МЛ)

Теперь давайте определим термин ML (машинное обучение). Метод или модель, которую мы используем для обучения системы ИИ с помощью обучающего алгоритма для обучения на основе данных. Без написания явной программы для этой конкретной работы.

Другими словами, мы можем сказать, что машинное обучение — это часть ИИ. Где алгоритмы машинного обучения могут учиться на данных, чтобы повысить точность и производительность систем искусственного интеллекта.

ML — это подмножество ИИ — очень расплывчатый термин. Если мы скажем, что машинное обучение — это подполе ИИ, с помощью которого мы можем обучать алгоритмы работе ИИ. С точки зрения непрофессионала, у ML есть метод, также называемый алгоритмом, чтобы сделать системы ИИ более мощными.

Потому что на основе этого метода мы можем поместить человеческий интеллект в машины. А техника машинного обучения — это способ создания системы человеческого интеллекта или системы искусственного интеллекта.

нажмите, чтобы прочитать больше…

Сноски:

Дополнительное чтение

Хорошо, все, мы закончили. Если у вас есть какие-либо вопросы или предложения, пожалуйста, не стесняйтесь комментировать. В ближайшее время я расскажу о других темах по машинному обучению и инженерии данных. Также прокомментируйте и подпишитесь, если вам нравится моя работа, любые предложения приветствуются и приветствуются.