Apa perbedaan antara kecerdasan buatan dan pembelajaran mesin?

Kedua istilah ini tampaknya terkait, terutama dalam penerapannya dalam ilmu komputer dan rekayasa perangkat lunak. Apakah satu bagian dari yang lain? Apakah satu alat digunakan untuk membangun sistem untuk yang lain? Apa perbedaan mereka dan mengapa mereka signifikan?

Pembelajaran mesin telah didefinisikan oleh banyak orang dengan cara yang berbeda. Satu definisi mengatakan bahwa pembelajaran mesin (ML) adalah bidang studi yang memberikan komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.

Mengingat definisi di atas, kita dapat mengatakan bahwa pembelajaran mesin diarahkan pada masalah yang kita punya (banyak) data (pengalaman), dari mana sebuah program dapat belajar dan bisa menjadi lebih baik dalam suatu tugas.

Kecerdasan buatan memiliki lebih banyak aspek, di mana mesin tidak mendapatkan tugas yang lebih baik dengan belajar dari data, tetapi dapat menunjukkan kecerdasan melalui aturan (misalnya sistem pakar seperti Mycin ), logika atau algoritma, misalnya menemukan jalur .

Buku Artificial Intelligence: A Modern Approach menunjukkan lebih banyak bidang penelitian AI, seperti Kendala Kepuasan Masalah , Penalaran Probabilistik atau Yayasan Filsafat .

Definisi Kecerdasan Buatan dapat dikategorikan ke dalam empat kategori, Berpikir Manusiawi, Berpikir Rasional, Bertindak Manusiawi dan Bertindak Rasional. Gambar berikut (dari Artificial Intelligence: A Modern Approach) akan menjelaskan tentang definisi-definisi ini: Definisi yang saya sukai adalah oleh John McCarthy, "Ini adalah ilmu dan teknik pembuatan mesin cerdas, terutama program komputer cerdas. Hal ini terkait untuk tugas yang sama menggunakan komputer untuk memahami kecerdasan manusia, tetapi AI tidak harus membatasi diri pada metode yang dapat diamati secara biologis. "





Machine Learning, di sisi lain, adalah bidang AI yang berkaitan dengan pembuatan perangkat lunak untuk membuat prediksi yang lebih baik untuk output tanpa diprogram secara eksplisit. Berbagai algoritma digunakan untuk sekumpulan data untuk memprediksi masa depan. Pembelajaran Mesin berorientasi data dan berorientasi data. Machine Learning berevolusi dari studi pengenalan pola dan teori pembelajaran komputasi AI.

Singkatnya, Kecerdasan Buatan adalah bidang Ilmu Komputer yang berkaitan dengan menyediakan mesin kemampuan untuk melakukan tugas-tugas rasional. Pemrosesan Bahasa Alam, Otomatisasi, Pemrosesan Gambar, dan banyak lainnya adalah bagian darinya.
Machine Learning adalah subset dari AI yang berorientasi data dan berkaitan dengan prediksi. Digunakan di mesin pencari, daftar rekomendasi Youtube, dll.

Pembelajaran mesin adalah bagian dari kecerdasan buatan. Secara kasar, ini sesuai dengan sisi pembelajarannya. Tidak ada definisi "resmi", batas-batasnya agak kabur.

Banyak istilah memiliki 'sebagian besar' makna yang sama, dan perbedaannya hanya dalam penekanan, perspektif, atau keturunan historis. Orang tidak setuju label mana yang merujuk pada superset atau subset; ada orang yang akan menyebut AI cabang ML dan orang-orang yang menyebut ML cabang AI.

Saya biasanya mendengar Machine Learning digunakan sebagai bentuk 'statistik terapan' di mana kami menentukan masalah pembelajaran secara cukup rinci sehingga kami bisa memasukkan data pelatihan ke dalamnya dan mendapatkan model yang bermanfaat di sisi lain.

Saya biasanya mendengar Inteligensi Buatan sebagai istilah umum untuk merujuk pada segala jenis kecerdasan yang tertanam di lingkungan atau dalam kode. Ini adalah definisi yang sangat luas, dan yang lain menggunakan yang lebih sempit (seperti berfokus pada kecerdasan umum buatan , yang tidak spesifik untuk domain). (Diambil secara ekstrim, versi saya termasuk termostat.)

Ini juga saat yang tepat untuk menunjukkan situs StackExchange lainnya, Cross Validated dan Ilmu Data , yang memiliki sedikit tumpang tindih dengan posisi ini.

Pembelajaran mesin adalah sub-set kecerdasan buatan yang hanya sebagian kecil dari potensinya. Ini adalah cara khusus untuk mengimplementasikan AI yang sebagian besar berfokus pada teknik statistik / probabilistik dan teknik evolusi. ^Q

Kecerdasan buatan

Kecerdasan buatan adalah ' teori dan pengembangan sistem komputer yang mampu melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia ' (seperti persepsi visual, pengenalan ucapan, pengambilan keputusan, dan terjemahan antar bahasa).

Kita dapat menganggap AI sebagai konsep pengambilan keputusan non-manusia ^Q yang bertujuan untuk mensimulasikan fungsi kognitif seperti manusia seperti pemecahan masalah, pengambilan keputusan atau komunikasi bahasa.

Pembelajaran mesin

Machine learning (ML) pada dasarnya adalah pembelajaran dengan melakukan dengan penerapan model bangun yang dapat memprediksi dan mengidentifikasi pola dari data.

Menurut Prof. Stephanie R. Taylor dari Ilmu Komputer dan makalah kuliahnya , dan juga halaman Wikipedia , 'pembelajaran mesin adalah cabang kecerdasan buatan dan ini tentang konstruksi dan studi sistem yang dapat belajar dari data ' (seperti berdasarkan pada yang ada pesan email untuk mempelajari cara membedakan antara spam dan non-spam).

Menurut Oxford Dictionaries , pembelajaran mesin adalah ' kapasitas komputer untuk belajar dari pengalaman ' (mis. Memodifikasi pemrosesannya berdasarkan informasi yang baru diperoleh).

Kita dapat menganggap ML sebagai deteksi pola terkomputerisasi dalam data yang ada untuk memprediksi pola dalam data masa depan. ^Q

Dengan kata lain, pembelajaran mesin melibatkan pengembangan algoritma belajar mandiri dan kecerdasan buatan melibatkan pengembangan sistem atau perangkat lunak untuk meniru manusia untuk merespons dan berperilaku dalam keadaan tertentu. ^Quora

Bagaimana Kecerdasan Buatan berbeda dari Pembelajaran Mesin https://www.linkedin.com/pulse/how-artificial-intelligence-different-from-machine-learning-singh

Kecerdasan Buatan (AI) dan Pembelajaran Mesin (ML) adalah dua kata kunci yang sangat panas saat ini, dan sering kali tampaknya digunakan secara bergantian.

Inteligensi Buatan adalah konsep mesin yang lebih luas yang dapat melakukan tugas dengan cara yang kami anggap "pintar" dan Pembelajaran Mesin adalah aplikasi AI terkini berdasarkan gagasan bahwa kami seharusnya benar-benar hanya mampu memberikan akses mesin ke data dan biarkan mereka belajar sendiri.

Anda dapat menemukan informasi lebih lanjut tentang Pembelajaran Mesin dan Kecerdasan Buatan.

Teori berbasis AI adalah Apa yang menyebabkan pengembangan Machine Learning. Sering disebut sebagai himpunan bagian dari AI, itu benar-benar lebih akurat untuk menganggapnya sebagai teknologi terkini.

Machine Learning adalah memperoleh pengetahuan tentang data menggunakan beberapa algoritma belajar mandiri dan AI adalah bidang di mana mesin menyelesaikan tugas-tugas tanpa dukungan manusia berdasarkan pada pengetahuan yang diperoleh melalui pembelajaran. Jadi inilah yang ML maksud dari subset AI.

Pembelajaran mesin adalah ilmu yang melibatkan pengembangan algoritma belajar mandiri. Algoritma ini lebih bersifat generik sehingga dapat diterapkan pada berbagai masalah terkait domain.

Kecerdasan Buatan adalah ilmu untuk mengembangkan sistem atau perangkat lunak untuk meniru manusia untuk merespons dan berperilaku dalam keliling. Sebagai bidang dengan cakupan yang sangat luas, AI telah menetapkan tujuannya menjadi beberapa bagian. Kemudian setiap chuck telah menjadi bidang studi yang terpisah untuk menyelesaikan masalahnya.

Sakthi Dasan Sekar

Inteligensi Buatan: Properti pengetahuan dalam entitas buatan yang sedang beraksi.

Machine Learning: Cara melakukan entitas buatan untuk menambahkan informasi (Belajar) untuk pengetahuannya

Dengan kata sederhana, kecerdasan buatan adalah bidang ilmu yang mencoba meniru perilaku manusia atau hewan lainnya.

Machine Learning adalah salah satu alat / teknologi utama di balik kecerdasan buatan.

Kecerdasan Buatan (AI) dan Pembelajaran Mesin (ML) adalah dua kata kunci yang sangat panas saat ini, dan sering kali tampaknya digunakan secara bergantian. Mereka tidak persis sama, tetapi persepsi bahwa mereka kadang-kadang dapat menyebabkan beberapa kebingungan. Jadi saya pikir akan ada baiknya menulis artikel untuk menjelaskan perbedaannya.

Pembelajaran mesin adalah sub-area inti dari kecerdasan buatan; itu memungkinkan komputer untuk masuk ke mode belajar mandiri tanpa diprogram secara eksplisit. Saat terpapar ke data baru, program komputer ini diaktifkan untuk belajar, tumbuh, berubah, dan dikembangkan sendiri.

Pertama-tama, saya menemukan istilah MachineLearning jauh lebih banyak di kelas Business Intelligence saya daripada di kelas AI saya.

Profesor AI saya Rolf Pfeifer akan berkata seperti itu: (setelah berbicara panjang lebar tentang apa itu kecerdasan, bagaimana kecerdasan itu dapat didefinisikan, berbagai jenis kecerdasan, dll.). ML lebih statis dan "bisu", tidak menyadari lingkungan fisiknya dan tidak dibuat untuk berinteraksi dengannya, atau hanya berdasarkan abstrak. AI memiliki kesadaran tertentu tentang lingkungannya dan berinteraksi dengannya secara otonom, dengan demikian membuat keputusan otonom dengan putaran umpan balik. Dari sudut pandang itu, Jawaban Ugnes mungkin adalah yang terdekat. Selain itu, tentunya ML adalah bagian dari AI.

Pembelajaran Mesin bukanlah kecerdasan nyata (imho), kebanyakan kecerdasan manusia tercermin dalam algoritma logis, dan seperti yang dikatakan Prof Intelejen Bisnis saya: tentang data dan analisisnya. Machine Learning memiliki banyak algoritma yang diawasi yang benar-benar membutuhkan manusia untuk mendukung proses pembelajaran dengan mengatakan apa yang benar dan apa yang salah, sehingga mereka tidak independen. Dan begitu mereka diterapkan, sebagian besar algoritma statis sampai manusia menyesuaikannya. Dalam ML Anda sebagian besar memiliki desain kotak hitam dan aspek utamanya adalah data. Data masuk, Data dianalisa ("Cerdas"), Data padam, dan Pembelajaran dalam sebagian besar waktu berlaku untuk fase pra-implementasi / Pembelajaran. Dalam kebanyakan kasus, ML tidak peduli dengan lingkungan mesin, ini tentang data.

AI sebaliknya adalah tentang meniru kecerdasan manusia atau hewan. Mengikuti pendekatan Prof saya, AI tidak selalu tentang kesadaran diri tetapi tentang interaksi dengan lingkungan, jadi untuk membangun AI Anda perlu memberikan sensor mesin untuk memahami lingkungan, semacam kecerdasan yang dapat terus belajar, dan elemen untuk berinteraksi dengan lingkungan (senjata, dll.). Interaksi harus terjadi secara otonom dan idealnya, seperti pada manusia, pembelajaran harus merupakan proses yang berkelanjutan dan otonom.

Jadi drone yang memindai bidang dalam skema logis untuk pola warna untuk menemukan gulma di dalam tanaman akan lebih banyak ML. Khususnya jika data kemudian dianalisis dan diverifikasi oleh manusia atau algoritma yang digunakan adalah algoritma statis dengan built in "intelligence" tetapi tidak dapat diatur ulang atau beradaptasi dengan lingkungannya. Drone yang terbang secara otonom, mengisi sendiri ketika baterai habis, memindai gulma, belajar mendeteksi yang tidak dikenal dan merobeknya dengan sendirinya dan membawanya kembali untuk verifikasi, akan menjadi AI ...

Sebelum masuk ke perbedaan, penting untuk memperjelas apa artinya sebenarnya.

Kecerdasan buatan adalah ilmu dan teknik membuat komputer berperilaku sedemikian rupa, untuk meniru perilaku manusia - Andrew Moore

Pembelajaran mesin adalah studi tentang algoritma komputer yang memungkinkan program komputer untuk secara otomatis meningkat melalui pengalaman - Tom Mitchell

Jika Kecerdasan Buatan membuat mesin untuk menunjukkan kecerdasan manusia, maka pembelajaran mesin adalah pendekatan untuk mencapai kecerdasan buatan di mana mesin dapat belajar sendiri tanpa diprogram secara eksplisit. Sederhananya, Machine learning adalah bagian dari AI.

Mari kita lakukan tes pada diri kita sendiri untuk mengetahui perbedaannya.

Langkah 1: Saya akan menulis sepatah kata dan Anda harus mengucapkannya dengan keras.

Kata itu adalah: Stackoverflow

Baik!!! sehingga Anda bisa mengucapkannya dengan mulus

Langkah 2: Sekarang Anda harus mengucapkan kata lain.

Kata itu adalah: Worcestershire

Hmmmm !!! menemukan kesulitan tetapi tetap, Anda mengucapkannya, itu membuat Anda cerdas.

Jadi tepatnya, ketika Anda mengatasi kesulitannya intelligence.

Tetapi sekarang jika saya memberi tahu Anda bagaimana cara mengucapkannya, dan Anda mencoba tes yang sama Anda tidak akan mengalami kesulitan ketika Anda belajar cara mengucapkannya.

Sama halnya dengan Kecerdasan Buatan dan pembelajaran mesin.

Jadi kecerdasan buatan adalah cara untuk memetakan logika manusia, penalaran, pemahaman, dan keterampilan memecahkan masalah.

Sedangkan pembelajaran mesin adalah mengingat atau memprediksi berdasarkan pola, statistik, dan pengalaman.

Jadi kecerdasan artifisial adalah memiliki keterampilan pemecahan masalah, logika, penalaran, pemahaman tetapi masih, Anda perlu belajar untuk memperoleh keterampilan ini, sehingga pembelajaran mesin adalah bagian dari kecerdasan buatan.

Dalam permainan komputer, AI mungkin: Jika pemain melompat, maka tembak. Jadi AI bisa menjadi sekumpulan instruksi yang jelas untuk perilaku. Programmer AI telah memutuskan sebelumnya bahwa yang terbaik adalah menembak ketika pemain melompat.

Deep Learning adalah cara untuk tidak mendefinisikan instruksi-instruksi tersebut sebelumnya tetapi mempelajarinya ketika sedang terjadi, sehingga AI belajar bahwa yang terbaik adalah menembak ketika pemain melompat. Itu bisa mempelajari ini dengan juga mencoba menembak di waktu lain dan mendiagnosis bahwa ini memiliki efek yang lebih kecil.

Inteligensi Buatan berarti Anda menulis sebuah program untuk melakukan tugas tertentu dan Anda tidak mempertimbangkan bagaimana pengguna individu menggunakan program tersebut atau bagian mana dari program yang ia gunakan secara konstan ...

Pembelajaran Mesin berarti Anda menulis program yang sama dan Anda juga memberi tahu program tersebut untuk menyarankan sesuatu yang pengguna akan minati di dalamnya ...

Contoh terbaik dari Pembelajaran Mesin adalah Pengenalan wajah

Anda menulis program untuk mendeteksi warna, bentuk wajah dan kemudian ketika mengenali wajah Anda dapat melakukan tugas-tugas lain ... Ini Machine Learning.

tetapi jika Anda sudah memiliki data gambar wajah yang berbeda yang tersimpan dalam program dan Anda membandingkannya dengan pengguna dan kemudian Anda melakukan tugas tertentu maka itu akan menjadi Kecerdasan Buatan