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