기계 학습과 인공 지능의 차이점 이해

A 인텔리 전시 아 인공 과 기계 학습 최근 몇 년 동안 기술 산업의 유행어이지만 정확히 무엇을 의미합니까? 여기에 기계 학습이 무엇인지 자세히 설명하는 게시물을 확인할 수 있지만 여기서 다루고 싶은 질문은 이 두 용어를 어떻게 구별할 수 있는가입니다.

디지털 학습

두 용어는 기술을 정교하게 만들고자 하는 회사에서 종종 혼동되고 잘못 사용됩니다. 사실 인공 지능과 기계 학습은 매우 다르며 컴퓨터가 할 수 있는 작업과 컴퓨터가 우리와 상호 작용하는 방식에 대해 서로 다른 의미를 갖습니다.

O 기계 학습 성장을 주도하는 컴퓨팅 패러다임 "빅 데이터" e IA. 신경망의 발달에 기반을 두고 있으며 딥 러닝. 이것은 일반적으로 인간이 학습하는 방식을 모방하는 것으로 설명되지만 이는 잘못된 것입니다. 기계 학습은 실제로 통계 분석 및 반복 학습과 관련이 있습니다.

로 구성된 전통적인 프로그램을 구축하는 대신 논리적 진술 e 결정 트리, 하나 신경망 각각 특정 목적을 위해 구성된 병렬 뉴런 네트워크를 사용하여 교육 및 학습을 위해 특별히 제작되었습니다.

특정 신경망의 특성은 매우 복잡할 수 있지만 작동 방식의 핵심은 가중치(또는 중요한 요소) 입력의 일부 속성에. 다양한 가중치 및 계층의 네트워크를 사용하여 입력이 정의된 출력 중 하나 이상과 일치하는 확률 또는 추정치를 생성할 수 있습니다.

일반 프로그래밍과 마찬가지로 이러한 유형의 계산의 문제는 인간 프로그래머가 설정하는 방법에 의존하고 출력의 정확도를 미세 조정하기 위해 이러한 모든 가중치를 재조정하는 데 많은 시간이 소요될 수 있다는 것입니다. 수정 피드백 루프가 도입되면 신경망이 기계 학습 영역으로 전환됩니다.

기계 "훈련"

출력을 모니터링하고 입력과 비교하고 뉴런 가중치를 점진적으로 줄임으로써 네트워크는 정확도를 향상시키기 위해 스스로 훈련할 수 있습니다. 여기서 중요한 부분은 기계 학습 알고리즘이 프로그래머 없이 학습하고 작동할 수 있으며 데이터 세트 내의 모든 가능성을 지정한다는 것입니다.

네트워크 교육은 여러 가지 방법으로 수행할 수 있지만 모두 출력 정확도를 최대화하고 네트워크를 통해 최적의 경로를 교육하기 위해 반복적인 무차별 접근 방식을 사용합니다. 그러나 이 자체 학습은 알고리즘을 수동으로 최적화하는 것보다 여전히 더 효율적인 프로세스이며 알고리즘이 그렇지 않은 경우보다 훨씬 빠른 시간에 훨씬 더 많은 양의 데이터를 변경하고 정렬할 수 있도록 합니다.

일단 훈련되면 머신 러닝 알고리즘은 네트워크 전체에서 실시간으로 매우 빠르고 정확하게 새로운 입력을 분류할 수 있습니다. 따라서 컴퓨터 비전, 음성 인식, 언어 처리 및 과학 연구 프로젝트에 필수적인 기술입니다.

AI란 무엇인가?

기계 학습은 스마트 처리 기술이지만 실제 지능은 없습니다. 알고리즘은 자신이 스스로 수정하는 이유를 정확히 이해할 필요가 없으며, 앞으로 어떻게 하면 더 정확해질 수 있는지 알 필요가 있습니다.

이미지 데이터베이스를 살펴보고 이미지의 주요 개체를 식별할 수 있는 기계 학습 알고리즘은 "인간" 방식으로 해당 정보를 적용하지 않기 때문에 실제로 똑똑해 보이지 않습니다.

인공지능은 크게 두 가지로 나눌 수 있는데, 적용된 ou 일반. 에이 응용 인공 지능 지금은 훨씬 더 실행 가능합니다. 위의 기계 학습 예제와 더 관련이 있으며 특정 작업을 수행하도록 설계되었습니다. 이것은 상업적 재고, 스마트 시티의 교통 관리 또는 환자 진단을 돕는 것일 수 있습니다.

A 일반 인공 지능 이름에서 알 수 있듯이 더 광범위하고 더 유능합니다. 더 넓은 범위의 작업을 처리하고 거의 모든 데이터 집합을 이해할 수 있으므로 인간처럼 더 광범위하게 생각하는 것 같습니다. 일반 AI는 이론적으로 원래 지식 세트 외부에서 학습할 수 있으므로 잠재적으로 능력이 급격히 성장할 수 있습니다.

미래를 바라보다

모든 과학적 전문 용어와 기술적인 이야기에도 불구하고 기계 학습과 인공 지능의 응용 프로그램은 이미 여기에 있습니다. 일반 AI와 함께 살기에는 아직 멀었지만, 구글 지원 또는 아마존 알렉사, 당신은 이미 적용된 AI의 형태와 상호 작용하고 있습니다.

언어 처리에 사용되는 머신 러닝은 오늘날의 스마트 장치를 가능하게 하는 핵심 요소 중 하나이지만 모든 질문에 답할 만큼 스마트하지는 않습니다.

스마트 홈은 마지막 사용 사례일 뿐입니다. 기계 학습은 한동안 빅 데이터 영역에서 사용되었으며 이러한 사용 사례는 점점 더 AI 영역으로 잠식되고 있습니다. 영형 구글 검색 엔진 도구에 사용합니다. 영형 페이스북 광고를 최적화하는 데 사용합니다.

기계 학습과 인공 지능 사이에는 큰 차이가 있지만 전자는 후자의 매우 중요한 구성 요소입니다. 우리는 2018년과 그 이후에도 두 가지에 대한 많은 이야기를 계속 듣게 될 것입니다.