2021年3月31日 星期三

.人工智慧與機器學習有什麼區別?

What’s The Difference Between Artificial Intelligence And Machine Learning 

人工智慧與機器學習有什麼區別?



來源 企業網


當人們被要求評估人工智慧或機器學習的潛力,以解決其組織的問題時,最好瞭解兩者之間的區別。

如今,人工智慧和機器學習,經常變得混雜在一起,人們很容易將這兩者誤認為是同義詞。這並不準確:雖然肯定是密切相關的,但實際上不能互換。

「人工智慧與機器學習密切相關,所以這些術語的使用是鬆散且可互換的,這一點並不奇怪。」Very 公司工程副總裁 Bill Brock 說。

如果組織還沒有使用人工智慧或機器學習,那麼很快就會需要評估其對組織的潛力。

Red Hat 公司首席技術官辦公室,人工智慧高級總監 Daniel Riek 表示,「作為工作負載的人工智慧,將成為 IT 策略的主要驅動力。人工智慧代表著 IT 行業的轉型發展:所有垂直行業的客戶,越來越關注智慧應用,以便透過人工智慧為業務提供幫助。這適用於在軟體中實施的任何工作流程,這不僅適用於企業的傳統業務,還適用於研究、生產流程以及產品本身。透過人工智慧實現的自動化程度的提高,將迅速成為企業競爭力建設的關鍵因素,並將使人工智慧成為一種策略性技術。」

自然語言處理和其他支持人工智慧的功能,將幫助組織重新考慮客戶服務和分析大量非結構化數據。這將實現更多的預測分析,提高效率,並增強決策能力。

那麼人工智慧和機器學習有什麼區別?先從定義術語開始。

人工智慧意味著什麼 
Brock 說,「簡單地說,人工智慧是機器能夠執行,需要人工完成的任務。這涉及讓電腦訪問大量數據,並讓他們自己學習。」 

機器學習是人工智慧的一個具體應用或學科,但不是唯一的一個。Brock 解釋說,「算法被輸入數據,並被要求在沒有特定編程的情況下進行處理。與人類一樣,機器學習算法,可以從錯誤中吸取教訓,以提高性能。」 

作為區分人工智慧和機器學習的起點,將人工智慧視為,包含多個特定技術,或學科的更高層次,或傘形類比是很有幫助的,機器學習就是其中之一。

Amplify.ai 公司首席執行官兼聯合創始人 Mahi de Silva 說。「人工智慧包括各種領域的研究,包括機器學習、自然語言處理(NLP)、語音/音訊辨識、電腦視覺/圖像辨識、搜索、路由、自主機器人、自主運輸等學科。」

談到機器學習,SigOpt 公司研究工程師 Michael McCourt,提出了一個比喻:「機器學習就像是,人工智慧這把雨傘上的一個輻條,有著更具體的定義。」

可以回顧一下:McCourt 注意到人工智慧的定義,是非常廣泛的,它就像一把雨傘,以至於如果要求一組 10 個人給出他們的定義,可能會得到 10 個不同的答案。「人工智慧是一個沒有具體定義的總稱,因為它包含了所有模擬人類能力的機械、機器人和汽車任務。」McCourt 說。  

此外,人工智慧的定義已經發生變化,並且會隨著時間的推移而不斷變化。McCourt 指出,「二十年前,像拼寫檢查這樣的工具,被認為是一種人工智慧。而在十年前,人工智慧意味著能夠對圖像進行分類。」

機器學習意味著什麼 
雖然機器學習技術和用途可能會發展,但其核心定義更加具體和細化。 

「機器學習模型,根據儲存的數據集和查詢生成結果,以學習特定模式,」McCourt 說。如果之前沒有儲存答案,機器學習會分析環境,給出正確答案的最佳猜測。

Indico 數據解決方案公司的首席執行官 Tom Wilde 指出,人工智慧和機器學習,被同時使用和混淆的原因非常普遍。

「混淆的原因是可以理解的:機器學習可以被認為是當前人工智慧的最先進技術。」Wilde 說。除此之外,他還補充說,機器學習是最古老和最成熟的人工智慧學科之一。在企業用例方面,它也是最新的成果。

理解人工智慧和機器學習之間的區別,不僅僅是澄清術語的區別,或減少那些不懂的非技術人員的煩惱。相反,它是人工智慧項目成功的關鍵。

Brock 說,「區分人工智慧和機器學習很重要,因為這對於成功地設計、構建、開發和維護應用或平台非常重要。」

這對組織的內部知識和人工智慧技能的發展是正確的;對評估和選擇合適的供應商也是如此。

人們還記得每種產品突然在其名稱中添加了「雲」這個詞的情景嗎?那麼以後也可能在各種產品中看到人工智能和機器學習。

當心人工智慧清洗產品
 「雖然許多公司自稱使用人工智慧,但實際上許多公司很少使用機器學習,而且大多使用基於規則的系統。人工智慧與機器學習之間的混淆產生了一些重大問題。」

SigOpt 公司的 McCourt 說,「首先,它為人工智慧和機器學習成功的實際情況,創造了一個不斷變化的目標。其次,這種模糊性為企業,聲稱他們正在使用機器學習技術,提供了空間,而不用擔心他們會受到挑戰。」

這是一個巨大的缺陷,特別是考慮到如此多的組織,才剛剛開始(如果有的話)辨識他們潛在的人工智慧機會。加上大量的宣傳炒作,缺乏對關鍵術語的理解,使得很難正確評估選項。

Amplify.ai 公司首席執行官 de Silva 指出,這並不是說人們應該忽視不同術語,和技術之間的重疊和聯繫;相反,只是不應該將這些重疊和聯繫視為是相同的事情。人工智慧所包含的各種學科,如機器學習、自然語言處理(NLP)和電腦視覺,在正確地結合使用時,可以產生放大效應。

他說:「重要的是要認識到,在這些研究和實施領域,存在大量的交叉整合的機會,在這些領域,這些技術疊加起來,將提供更多的實用性。」 

只需確保組織清楚地看到不同的界限,以確保在當前和未來的人工智慧項目中,取得最大的成功幾率。目前,瞭解人工智慧和機器學習之間的區別,是一個很好的基礎。 

Brock 說,「對於首席資訊官和 IT 決策者來說,熟悉概念,並與對概念及其應用有全面瞭解的團隊(包括內部員工以及第三方供應商和顧問)合作是很重要的。

在接下來的兩年裡,隨著許多機器學習項目進入生產階段,我們將看到機器學習項目的爆炸式成長,因此擁有適當的專業知識水準,以確保這些項目的成功非常重要。」

什麼是監督與無監督機器學習?
人們還要區分兩種類型的機器學習。「在用例方面,監督機器學習在這一點上,是更常見的。這種類型的機器學習,透過提供有關所需類別參數的資訊,來訓練機器,並讓算法決定如何對它們進行分類。」Brock 解釋道。

Brock 指出,另一方面,無監督機器學習不使用訓練數據。因此它更複雜,在這一點上已經用於更少的應用程序。但是如果聽到有人以可互換的方式地,使用人工智慧和機器學習,那麼他們可能會考慮無人監督的機器學習,因為它不需要像監督機器學習一樣需要更多的(如果有的話)人類輸入和訓練。

Brock 說,「無監督的機器學習,是人工智慧未來的促進因素。無人監督的機器學習已經被用於(或正在開發中)圖像辨識、癌症檢測、音樂合成、機器人導航、自動駕駛和許多其他創新等應用。」

沒有留言:

張貼留言