別把機器學習和人工智慧搞混了!
智力就是理性思考和控制行為的能力。人類有智慧去思考和利用常識來作出決定。人工智慧就是一個構建智慧代理的研究領域,因此未來我們打造出來的人工智慧可以像人一樣思考並理性行事。圖靈測試由艾倫·圖靈(1950)提出,旨在提供令人滿意的智慧操作定義。如果機器人具有以下功能,則可以通過圖靈測試:
1. 通過理解和編寫自然語言與人交往;
2.知識表示(知道如何向使用者呈現知識);
3.知識推理(知道如何從儲存的知識推斷回答以回答人類);
4.機器學習推斷模式並適應新的環境。
簡而言之,AI就是研究有助於構建智慧機器的規則和演算法,AI解決的一組問題是NP完全的。
人工智慧是一個廣泛的研究領域,涉及以下五個重要學科:
1. 專家系統;
2.神經網路;
3.模糊系統;
4.機器人;
5.自然語言處理。
機器學習(ML)
機器學習是人工智慧的一個子集,它通過演算法在資料中學習獲得一些人類需要的資料。學習可以把人變成天才,讓他們適應新的環境。同樣,機器的學習能力使其足夠強大以適應新的環境。任何機器學習演算法的目標都是通過學習過程使其目標最大化,以便它能夠處理看不見的資料。
實現機器學習的兩個關鍵學習方法(演算法)是:
1. 監督學習:外部設計者或標記資料有助於機器學習。
2.無監督學習:機器學習時沒有任何標籤資料或外部設計者。
人工智慧的目標是使機器像人一樣地聰明。
專家系統
專家系統是依靠知識庫來解決問題的系統。知識庫可以用不同的形式表示,如規則、語義網路和決策樹。專家系統由知識庫和推理引擎組成,以從儲存的知識庫中推斷或推理知識。專家系統用於需要人類專家來解決特定問題的地方。
知識庫
基於規則的專家系統以規則的形式捕捉專家在特定領域的知識。這些規則構成知識庫,然後通過推理引擎對事實進行評估,以解決特定問題。規則示例:
如果天空很清晰,陽光燦爛,
那麼雨衣是不需要的。
優點
- 由於規則以自然語言表示,因此易於捕捉對知識庫的理解。
缺點
- 專家對同一主題的意見各不相同,這使得難以掌握領域知識。
- 規則的維護和更新是一個漫長的過程。
而且不同領域記憶體在不同型別的專家系統,如基於規則的專家系統,模糊專家系統和基於框架的專家系統。
推理
專家系統中的推理通過向前或向後連結進行。正向連結是一種資料驅動推理技術,它從知道資料開始,並按照該規則前進。反向連結是一種目標驅動的推理,它從一個目標開始並向後推進以找到支援目標的資料。
神經網路
人工神經網路(ANN)受到人類神經系統的啟發。該系統的工作方式與人類大腦儲存和處理知識的方式完全相同。與人類大腦非常相似的神經網路由一組彼此高度連線的神經元或節點組成。資訊在網路的神經元中被儲存,處理和分析。每個節點或神經元都可以啟用網路中的其他神經元,神經元之間的連結或連線稱為權重。一個網路可以包含n個神經元或節點,這可以使網路變得非常複雜。一個簡單的神經網路由一個輸入和輸出層組成。
以下是不同型別的神經網路:
- 前饋神經網路;
- 卷積神經網路(CNN);
- 遞迴神經網路;
- 長短期記憶網路(LSTM)。
人工神經網路能夠通過調整權重來學習。正是這種神經網路的能力使它們適合於機器學習。不同型別的學習演算法都可以用於神經網路,其中最突出的是反向傳播演算法。
本文由@阿里云云棲社群組織翻譯。
文章原標題《demystifying-ai-and-machine-learning》,
譯者:虎說八道,審校:袁虎。
文章為簡譯,更為詳細的內容,請檢視原文。
相關文章
- 誰說.NET不適合搞大資料,機器學習、人工智慧大資料機器學習人工智慧
- 搞機器學習要哪些技能機器學習
- 神經網路和機器學習、強人工智慧神經網路機器學習人工智慧
- 機器學習的趨勢和人工智慧的未來機器學習人工智慧
- 機器學習和深度學習的區別機器學習深度學習
- 15個人工智慧和機器學習的商業應用人工智慧機器學習
- 談談人工智慧和機器學習的資料架構人工智慧機器學習架構
- 《人工智慧和機器學習》公開課在北京舉行!人工智慧機器學習
- 人工智慧-機器學習簡介人工智慧機器學習
- 【日記】不小心把 Bot 搞炸了(586 字)
- 機器學習如何看世界 對抗機器學習詮釋人工智慧和人類思維的不同機器學習人工智慧
- 人工智慧/機器學習 重要會議人工智慧機器學習
- 人工智慧,機器學習,深度學習人工智慧機器學習深度學習
- 資料科學、機器學習、人工智慧的區別到底是什麼?資料科學機器學習人工智慧
- 【人工智慧】各種機器學習的應用場景分別是什麼?人工智慧機器學習
- 除了影片分析,人工智慧和機器學習還有什麼好處?人工智慧機器學習
- 蘭德公司:保持人工智慧和機器學習的競爭優勢人工智慧機器學習
- 人工智慧和機器學習能為抗擊新冠肺炎做些什麼?人工智慧機器學習
- IBM長文解讀人工智慧、機器學習和認知計算IBM人工智慧機器學習
- 人工智慧和機器學習領域的10個開源專案人工智慧機器學習
- 機器學習中偏差bias和方差variance區別機器學習
- 資料科學、機器學習和AI的區別資料科學機器學習AI
- 英特爾與微軟聯合搞事人工智慧微軟人工智慧
- 要去實習應該把這些面試題搞(bei)懂(hui)面試題UI
- 100ms的SQL把伺服器搞崩潰了SQL伺服器
- 臥槽,sql注入竟然把我們的系統搞掛了SQL
- 合體!模擬-數位電路(2)——用SPICE搞機器學習機器學習
- 人工智慧之機器學習路線圖人工智慧機器學習
- 人工智慧與機器學習有哪些不同人工智慧機器學習
- 人工智慧-機器學習-邏輯迴歸人工智慧機器學習邏輯迴歸
- 人工智慧-機器學習-支援向量機SVM人工智慧機器學習
- 機器學習和人工智慧處於“真空填補期”和“黎明前的黑暗”機器學習人工智慧
- 2018年大資料,機器學習和人工智慧預測!大資料機器學習人工智慧
- 人工智慧和機器學習領域有哪些有趣的開源專案?人工智慧機器學習
- 10個關於人工智慧和機器學習的有趣開源專案人工智慧機器學習
- 開源 | 微軟開源嵌入式機器學習庫ELL:把人工智慧擴充套件到邊緣裝置微軟機器學習人工智慧套件
- 【年度總結】在大廠混了兩年,然後呢?
- 終於有人把雲端計算、大資料和人工智慧講明白了大資料人工智慧