ये दो शब्द संबंधित प्रतीत होते हैं, विशेषकर कंप्यूटर विज्ञान और सॉफ्टवेयर इंजीनियरिंग में उनके आवेदन में। क्या एक दूसरे का सबसेट है? क्या एक उपकरण दूसरे के लिए एक प्रणाली बनाने के लिए उपयोग किया जाता है? उनके अंतर क्या हैं और वे क्यों महत्वपूर्ण हैं?
कृत्रिम बुद्धि और मशीन सीखने में क्या अंतर है?
जवाबों:
मशीन लर्निंग को कई लोगों द्वारा विभिन्न तरीकों से परिभाषित किया गया है। एक परिभाषा कहती है कि मशीन लर्निंग (एमएल) अध्ययन का क्षेत्र है जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना सीखने की क्षमता देता है ।
उपरोक्त परिभाषा को देखते हुए, हम यह कह सकते हैं कि मशीन लर्निंग उन समस्याओं की ओर अग्रसर है जिसके लिए हमारे पास (बहुत सारे) डेटा (अनुभव) हैं, जिनसे कोई प्रोग्राम सीख सकता है और किसी कार्य में बेहतर हो सकता है।
आर्टिफिशियल इंटेलिजेंस के कई और पहलू हैं, जहां मशीनें डेटा से सीखकर कार्यों में बेहतर नहीं हो पाती हैं, लेकिन नियमों (जैसे माइसीन जैसे विशेषज्ञ सिस्टम ), लॉजिक या एल्गोरिदम, जैसे रास्तों का पता लगाकर बुद्धिमत्ता का प्रदर्शन कर सकती हैं ।
पुस्तक आर्टिफिशियल इंटेलिजेंस: एक आधुनिक दृष्टिकोण ऐ के और अधिक अनुसंधान क्षेत्रों, जैसे पता चलता बाधा संतोष समस्याएं , संभाव्य तर्क या दार्शनिक नींव ।
आर्टिफिशियल इंटेलिजेंस की परिभाषाओं को चार श्रेणियों में वर्गीकृत किया जा सकता है, थिंकिंग ह्यूमनली, थिंकिंग रेशनलली, एक्टिंग ह्यूमनली एंड एक्टिंग रेशनलली। निम्नलिखित चित्र (आर्टिफिशियल इंटेलिजेंस से: एक आधुनिक दृष्टिकोण) इन परिभाषाओं पर प्रकाश डालेंगे:
जॉन मैकार्थी द्वारा जो परिभाषा मुझे पसंद है, "यह बुद्धिमान मशीनों, विशेष रूप से बुद्धिमान कंप्यूटर प्रोग्राम बनाने का विज्ञान और इंजीनियरिंग है। यह संबंधित है। मानव बुद्धि को समझने के लिए कंप्यूटर का उपयोग करने के समान कार्य के लिए, लेकिन एआई को खुद को उन तरीकों तक सीमित नहीं करना है जो जैविक रूप से अवलोकनीय हैं। "
दूसरी ओर, मशीन लर्निंग, AI का क्षेत्र है जो स्पष्ट रूप से प्रोग्राम किए बिना आउटपुट के लिए बेहतर पूर्वानुमान बनाने के लिए सॉफ़्टवेयर बनाने से संबंधित है। भविष्य की भविष्यवाणी करने के लिए डेटा के एक सेट पर विभिन्न एल्गोरिदम का उपयोग किया जाता है। मशीन लर्निंग डेटा-संचालित और डेटा-उन्मुख है। मशीन लर्निंग को एआई के पैटर्न की पहचान और कम्प्यूटेशनल लर्निंग थ्योरी के अध्ययन से विकसित किया गया है।
संक्षेप में आर्टिफिशियल इंटेलिजेंस कंप्यूटर साइंस का एक क्षेत्र है जो मशीनों को तर्कसंगत कार्य करने की क्षमता प्रदान करने से संबंधित है। प्राकृतिक भाषा प्रसंस्करण, स्वचालन, छवि प्रसंस्करण, और कई अन्य इसका हिस्सा हैं।
मशीन लर्निंग एआई का सबसेट है जो डेटा ओरिएंटेड है और भविष्यवाणी के साथ संबंधित है। सर्च इंजन, Youtube अनुशंसा सूची, आदि में उपयोग किया जाता है।
2
मशीन लर्निंग पैटर्न मान्यता तक ही सीमित नहीं है, भले ही यह इसका सबसे बड़ा हिस्सा है।
—
Cem Kalyoncu
मशीन लर्निंग कृत्रिम बुद्धिमत्ता का सबसेट है। मोटे तौर पर, यह सीखने के पक्ष से मेल खाती है। कोई "आधिकारिक" परिभाषा नहीं है, सीमाएं थोड़ी फजी हैं।
गलत होने पर मुझे सही करें, लेकिन मुझे लगता है कि आर्टिफिशियल इंटेलिजेंस मशीन लर्निंग का सबसेट है क्योंकि मशीन लर्निंग भी बेसिक बाइनरी वर्गीकरण हो सकता है।
—
रसात राय
मैं एआई समस्या के रूप में बाइनरी वर्गीकरण का संबंध होगा। लेकिन इन सभी परिभाषाओं को मैंने व्यक्तिपरक छोड़ दिया, मैं सहमत हूं।
—
फ्रेंक डेर्नोनकोर्ट
सच सच। वे काफी सब्जेक्टिव हैं।
—
रसात राय
मुझे लगता है कि यह एक निश्चित उपसमुच्चय बनाने के लिए दोनों क्षेत्रों को एक दूसरे के साथ ओवरलैप करने की तरह है।
—
युगनेस
कई शब्दों के 'अधिकतर' एक ही अर्थ होते हैं, और इसलिए मतभेद केवल जोर, परिप्रेक्ष्य या ऐतिहासिक वंश में होते हैं। लोग असहमत हैं कि कौन सा लेबल सुपरसेट या सबसेट को संदर्भित करता है; ऐसे लोग हैं जो AI को ML की शाखा कहेंगे और जो लोग ML को AI की शाखा कहेंगे।
मैं आमतौर पर मशीन लर्निंग को 'लागू आँकड़ों' के रूप में प्रयुक्त सुनता हूँ जहाँ हम सीखने की समस्या को पर्याप्त रूप से निर्दिष्ट करते हैं कि हम इसमें प्रशिक्षण डेटा को फीड कर सकते हैं और दूसरी तरफ एक उपयोगी मॉडल प्राप्त कर सकते हैं।
मैं आमतौर पर आर्टिफिशियल इंटेलिजेंस को पर्यावरण या कोड में अंतर्निहित किसी भी प्रकार की बुद्धिमत्ता को संदर्भित करने के लिए एक कैच-ऑल टर्म के रूप में सुनता हूं। यह एक बहुत ही विस्तृत परिभाषा है, और अन्य लोग संकीर्ण लोगों का उपयोग करते हैं (जैसे कि कृत्रिम सामान्य बुद्धि पर ध्यान केंद्रित करना , जो कि डोमेन-विशिष्ट नहीं है)। (एक चरम पर ले जाया गया, मेरे संस्करण में थर्मोस्टैट्स शामिल हैं।)
अन्य StackExchange साइट, क्रॉस मान्य और डेटा विज्ञान को इंगित करने के लिए यह एक अच्छा समय है , जिसमें इस बैठने के साथ काफी ओवरलैप है।
मशीन लर्निंग कृत्रिम बुद्धिमत्ता का एक उप-समुच्चय है जो इसकी क्षमता का एक छोटा सा हिस्सा है। यह एआई को लागू करने का एक विशिष्ट तरीका है जो काफी हद तक सांख्यिकीय / संभाव्य तकनीकों और विकासवादी तकनीकों पर केंद्रित है। क्यू
कृत्रिम होशियारी
कृत्रिम बुद्धिमत्ता ' कंप्यूटर प्रणाली का सिद्धांत और विकास है जो सामान्य रूप से मानव बुद्धि की आवश्यकता वाले कार्यों को करने में सक्षम है ' (जैसे दृश्य धारणा, भाषण मान्यता, निर्णय लेने और भाषाओं के बीच अनुवाद)।
हम AI को गैर-मानवीय निर्णय लेने की अवधारणा के रूप में सोच सकते हैं क्यू जिसका उद्देश्य संज्ञानात्मक मानव-जैसे कार्यों जैसे समस्या-समाधान, निर्णय लेने या भाषा संचार का अनुकरण करना है।
मशीन लर्निंग
मशीन लर्निंग (एमएल) मूल रूप से बिल्ड मॉडल के कार्यान्वयन के माध्यम से एक सीख है जो डेटा से पैटर्न की भविष्यवाणी और पहचान कर सकता है।
कंप्यूटर विज्ञान के प्रो। स्टेफ़नी आर। टेलर और उनके व्याख्यान पत्र , और विकिपीडिया पृष्ठ के अनुसार , 'मशीन लर्निंग कृत्रिम बुद्धिमत्ता की एक शाखा है और यह उन प्रणालियों के निर्माण और अध्ययन के बारे में है जो डेटा से सीख सकते हैं ' (जैसे मौजूदा पर आधारित है) स्पैम और गैर-स्पैम के बीच अंतर करने का तरीका जानने के लिए ईमेल संदेश)।
ऑक्सफोर्ड डिक्शनर्स के अनुसार , मशीन लर्निंग ' अनुभव से सीखने के लिए कंप्यूटर की क्षमता ' है (जैसे कि नई अधिग्रहीत सूचना के आधार पर इसकी प्रोसेसिंग को संशोधित करें)।
हम एमएल को भविष्य के डेटा में पैटर्न की भविष्यवाणी करने के लिए मौजूदा डेटा में कम्प्यूटरीकृत पैटर्न का पता लगा सकते हैं। क्यू
दूसरे शब्दों में, मशीन लर्निंग में स्व-लर्निंग एल्गोरिदम का विकास शामिल है और कृत्रिम बुद्धिमत्ता में किसी परिस्थिति का जवाब देने और व्यवहार करने के लिए मानव की नकल करने के लिए सिस्टम या सॉफ्टवेयर विकसित करना शामिल है। Quora
आर्टिफिशियल इंटेलिजेंस मशीन लर्निंग से कैसे अलग है https://www.linkedin.com/pulse/how-artific-intelligence-different-from-machine-learning-singh
जब भी यह सैद्धांतिक रूप से प्रश्न का उत्तर दे सकता है, तो यहां उत्तर के आवश्यक भागों को शामिल करना बेहतर होगा , और संदर्भ के लिए लिंक प्रदान करना होगा।
—
उपयोगकर्ता 58
आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) अभी दो बहुत ही हॉट बज़वर्ड्स हैं, और अक्सर इंटरकोर्सल रूप से उपयोग किए जाते हैं।
आर्टिफिशियल इंटेलिजेंस मशीनों की व्यापक अवधारणा है जो कार्यों को इस तरह से पूरा करने में सक्षम है कि हम "स्मार्ट" पर विचार करेंगे और मशीन लर्निंग एआई का एक वर्तमान अनुप्रयोग है जो इस विचार के आसपास है कि हमें वास्तव में मशीनों को डेटा तक पहुंच प्रदान करने में सक्षम होना चाहिए और उन्हें अपने लिए सीखने दें।
आप मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के बारे में और जानकारी प्राप्त कर सकते हैं ।
थ्योरी-आधारित AI मशीन लर्निंग के विकास के लिए क्या कारण है। अक्सर एआई के सबसेट के रूप में संदर्भित, इसे वर्तमान अत्याधुनिक तकनीक के रूप में सोचने के लिए वास्तव में अधिक सटीक है।
मशीन लर्निंग कुछ स्व-शिक्षण एल्गोरिदम का उपयोग कर डेटा के बारे में ज्ञान प्राप्त कर रहा है और एआई एक ऐसा क्षेत्र है जहां मशीन सीखने के माध्यम से प्राप्त ज्ञान के आधार पर मानव सहायता के बिना कार्यों को पूरा करती है। तो यह वही है जो एमएल एआई का सबसेट है।
मशीन लर्निंग एक विज्ञान है जिसमें स्व-शिक्षण एल्गोरिदम का विकास शामिल है। ये एल्गोरिदम प्रकृति में अधिक सामान्य हैं जो इसे विभिन्न डोमेन संबंधित समस्याओं पर लागू किया जा सकता है।
आर्टिफिशियल इंटेलिजेंस एक ऐसी प्रणाली या सॉफ्टवेयर विकसित करना है जो मानव को एक परिधि में प्रतिक्रिया देने और व्यवहार करने के लिए नकल करने के लिए विकसित करता है। अत्यंत व्यापक दायरे वाले क्षेत्र के रूप में, AI ने अपने लक्ष्य को कई विखंडू में परिभाषित किया है। बाद में प्रत्येक चक अपनी समस्या को हल करने के लिए अध्ययन का एक अलग क्षेत्र बन गया है।
आर्टिफिशियल इंटेलिजेंस: कार्रवाई में एक कृत्रिम इकाई में ज्ञान की संपत्ति।
मशीन लर्निंग: अपने ज्ञान के लिए जानकारी (जानें) को जोड़ने के लिए एक कृत्रिम इकाई कैसे करें
पुन: ऐ, यह है कि आप के रूप में प्रदर्शन करने का विरोध आप ज्ञान पर परिभाषा का आधार है, और मुझे पसंद है आप योग्य है कि उस ज्ञान सक्रिय है दिलचस्प है (ज्ञान ज्ञान संग्रहीत बनाम का उपयोग किया।)
—
DukeZhou
आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) अभी दो बहुत ही हॉट बज़वर्ड्स हैं, और अक्सर इंटरकोर्सल रूप से उपयोग किए जाते हैं। वे काफी समान नहीं हैं, लेकिन यह धारणा कि वे कभी-कभी कुछ भ्रम पैदा कर सकते हैं। इसलिए मैंने सोचा कि अंतर को समझाने के लिए एक टुकड़ा लिखने के लायक होगा।
मशीन लर्निंग कृत्रिम बुद्धिमत्ता का एक मुख्य उप-क्षेत्र है; यह कंप्यूटर को स्पष्ट रूप से क्रमादेशित किए बिना स्व-शिक्षा के एक मोड में लाने में सक्षम बनाता है। नए डेटा के संपर्क में आने पर, ये कंप्यूटर प्रोग्राम खुद से सीखने, बढ़ने, बदलने और विकसित होने में सक्षम होते हैं।
सबसे पहले, मुझे अपने एआई कक्षाओं की तुलना में अपने बिजनेस इंटेलिजेंस कक्षाओं में मशीन लर्निंग का अधिक सामना करना पड़ा।
मेरे एआई के प्रोफेसर रॉल्फ फ़ाइफ़र ने इसे इस तरह से रखा होगा: (यह जानने के बाद कि बुद्धि क्या है, इसे कैसे परिभाषित किया जा सकता है, विभिन्न प्रकार की बुद्धिमता इत्यादि)। एमएल अधिक स्थिर और "गूंगा" है, इसके बारे में अनजान है कि यह काल्पनिक वातावरण है और इसके साथ बातचीत करने के लिए या केवल एक सार आधार पर नहीं बनाया गया है। एआई को अपने पर्यावरण के बारे में एक निश्चित जागरूकता है और इसके साथ स्वायत्तता से बातचीत करता है, जिससे फीडबैक लूप के साथ स्वायत्त निर्णय होते हैं। उस दृष्टिकोण से, उग्नेस उत्तर शायद निकटतम होगा। इसके अलावा, ऑफ कोर्स, एमएल एआई का सबसेट है।
मशीन लर्निंग एक वास्तविक बुद्धिमत्ता (imho) नहीं है, यह ज्यादातर मानव बुद्धि तार्किक एल्गोरिदम में परिलक्षित होती है, और जैसा कि मेरा बिजनेस इंटेलिजेंस प्रो इसे लगाएगा: डेटा और इसके विश्लेषण के बारे में। मशीन लर्निंग में बहुत सारे पर्यवेक्षित एल्गोरिदम हैं जो वास्तव में मनुष्यों को सीखने की प्रक्रिया का समर्थन करने के लिए यह बताने की आवश्यकता है कि क्या सही है और क्या गलत है, इसलिए वे स्वतंत्र नहीं हैं। और एक बार जब वे लागू होते हैं, तो एल्गोरिदम ज्यादातर स्थिर होते हैं जब तक कि मानव उन्हें पुन: अन्याय नहीं करता है। एमएल में आपके पास ज्यादातर ब्लैक बॉक्स डिज़ाइन होते हैं और मुख्य पहलू डेटा होता है। डेटा में आता है, डेटा को एनालाइज़ किया जाता है ("इंटेलिजेंटली"), डेटा बाहर जाता है, और अधिकांश समय में सीखना पूर्व-कार्यान्वयन / लर्निंग फ़ेस पर लागू होता है। ज्यादातर मामलों में एमएल एक मशीन के पर्यावरण के बारे में परवाह नहीं करता है, यह डेटा के बारे में है।
इसके बजाय एआई मानव या पशु बुद्धि की नकल करने के बारे में है। मेरे प्रोफेसर के दृष्टिकोण के बाद, एआई आवश्यक रूप से आत्म-चेतना के बारे में नहीं है, लेकिन पर्यावरण के साथ बातचीत के बारे में है, इसलिए एआई का निर्माण करने के लिए आपको मशीन सेंसर को पर्यावरण का अनुभव करने की आवश्यकता है, एक तरह का बुद्धिमत्ता सीखने में सक्षम बनाने के लिए, और बातचीत करने के लिए तत्व पर्यावरण (हथियार, आदि) के साथ। बातचीत स्वायत्त तरीके से होनी चाहिए और आदर्श रूप में, मनुष्यों की तरह, सीखने को एक स्वायत्त, चल रही प्रचलित होनी चाहिए।
इसलिए ड्रोन जो फसलों के भीतर मातम खोजने के लिए रंग पैटर्न के लिए एक तार्किक योजना में खेतों को स्कैन करता है, वह अधिक एमएल होगा। विशेष रूप से अगर डेटा को बाद में मनुष्यों द्वारा विश्लेषण और सत्यापित किया जाता है या उपयोग किया जाने वाला एल्गोरिदम यह है कि "इंटेलिजेंस" में बनाया गया एक स्टेटिक एल्गोरिथ्म है, लेकिन इसके वातावरण को पुनर्व्यवस्थित या अनुकूल बनाने में सक्षम नहीं है। एक ड्रोन जो स्वायत्तता से उड़ान भरता है, बैटरी के डाउन होने पर खुद को चार्ज करता है, मातम के लिए स्कैन करता है, अज्ञात लोगों का पता लगाने के लिए सीखता है और उन्हें खुद से बाहर निकालता है और सत्यापन के लिए वापस लाता है, एआई होगा ...
अंतर में जाने से पहले यह स्पष्ट करना महत्वपूर्ण है कि उनका वास्तव में क्या मतलब है।
आर्टिफिशियल इंटेलिजेंस कंप्यूटर बनाने का विज्ञान और इंजीनियरिंग है जो मानव व्यवहार की नकल करने के लिए - एंड्रयू मूर से व्यवहार करता है
मशीन लर्निंग कंप्यूटर एल्गोरिदम का अध्ययन है जो कंप्यूटर प्रोग्राम को अनुभव के माध्यम से स्वचालित रूप से सुधारने की अनुमति देता है - टॉम मिशेल
यदि आर्टिफिशियल इंटेलिजेंस मानव बुद्धि का प्रदर्शन करने के लिए मशीनें बना रहा है, तो मशीन लर्निंग उस कृत्रिम बुद्धिमत्ता को प्राप्त करने के लिए एक दृष्टिकोण है जिसमें मशीन स्पष्ट रूप से प्रोग्राम किए बिना अपने आप सीख सकती है। बस, मशीन लर्निंग एआई का एक हिस्सा है।
आइए अंतर का पता लगाने के लिए स्वयं परीक्षण करें।
चरण 1: मैं एक शब्द लिखूंगा और आपको इसे उच्चारण करना होगा।
शब्द है: Stackoverflow
अच्छा!!! तो आप इसे मूल उच्चारण कर सकते हैं
स्टेप 2: अब आपको एक और शब्द का उच्चारण करना है।
शब्द है: Worcestershire
Hmmmm !!! यह मुश्किल लग रहा है लेकिन फिर भी, आप इसे उच्चारण करते हैं, जो आपको बुद्धिमान बनाता है।
तो ठीक है, जब आप कठिनाई को दूर करते हैं intelligence।
लेकिन अब अगर मैंने आपको बताया कि इसका उच्चारण कैसे किया जाता है, और आप उसी परीक्षा की कोशिश करते हैं, तो आपको कठिनाइयाँ नहीं होंगी जैसा कि आपने सीखा कि इसका उच्चारण कैसे करें।
वही आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग का मामला है।
तो आर्टिफिशियल इंटेलिजेंस मानव तर्क, तर्क, समझ और समस्या को सुलझाने के कौशल को मैप करने का एक तरीका है।
जबकि मशीन लर्निंग पैटर्न, सांख्यिकी और अनुभव द्वारा याद या भविष्यवाणी करना है।
तो आर्टिफिशियल इंटेलिजेंस में प्रॉब्लम सॉल्विंग स्किल्स, लॉजिक, रीजनिंग, अंडरस्टैंडिंग है, लेकिन फिर भी आपको इन स्किल्स को सीखना जरूरी है, इसलिए मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक हिस्सा है।
कंप्यूटर गेम में, एक AI हो सकता है: यदि खिलाड़ी कूदता है, तो शूट करें। तो AI बस व्यवहार के लिए स्पष्ट निर्देशों का एक सेट हो सकता है। एआई प्रोग्रामर ने पहले ही तय कर लिया है कि खिलाड़ी कूदते समय शूट करना सबसे अच्छा है।
डीप लर्निंग उन निर्देशों को पहले से परिभाषित नहीं करने का एक तरीका है, लेकिन जब वे हो रहे होते हैं, तब उन्हें सीखते हैं, इसलिए एआई को पता चलता है कि जब खिलाड़ी कूदता है तो उसे शूट करना सबसे अच्छा होता है। यह अन्य समय पर शूट करने की कोशिश करके और यह पता लगाकर सीख सकता है कि इसका प्रभाव कम है।
आर्टिफिशियल इंटेलिजेंस का मतलब है कि आप एक निश्चित कार्य करने के लिए एक प्रोग्राम लिखते हैं और आप इस बात पर विचार नहीं कर रहे हैं कि व्यक्तिगत उपयोगकर्ता प्रोग्राम का उपयोग कैसे कर रहा है या प्रोग्राम के किस भाग का वह लगातार उपयोग कर रहा है ...
मशीन लर्निंग का मतलब है कि आप एक ही प्रोग्राम लिखते हैं और आप प्रोग्राम को एक ऐसी चीज़ का सुझाव देने के लिए भी कहते हैं जिसमें उपयोगकर्ता की रुचि हो ...
मशीन लर्निंग का सबसे अच्छा उदाहरण चेहरा पहचान है
आपने रंगों, चेहरों के आकार और तब पहचानने के लिए कार्यक्रम लिखा, जब यह एक ऐसे चेहरे को पहचानता है जिसे आप अन्य कार्य कर सकते हैं ... इट्स मशीन लर्निंग।
लेकिन अगर आपके पास पहले से ही कार्यक्रम में संग्रहीत विभिन्न चेहरों की छवियां हैं और आप इसकी तुलना किसी उपयोगकर्ता से कर रहे हैं और फिर आप एक निश्चित कार्य करते हैं तो यह आर्टिफिशियल इंटेलिजेंस होगा