什么是机器学习和人工智能以及它们之间的差异

机器学习和人工智能

机器学习和人工智能的区别:“好的,谷歌!有什么事吗?你能演奏我最喜欢的曲目或者预订一辆从宫殿路到MG路的出租车吗?”

“亚历克莎,几点了?”“早上5点叫醒我。”“你能告诉我明天的会议吗?”

这是机器学习和人工智能的完美结合。

机器学习

机器学习是一种自动建立分析模型的数据分析方法。这是一个利用算法从数据中学习并做出预测的领域。它也是人工智能的一种应用,它提供了系统从经验中自动学习和改进的能力,而无需显式编程。机器学习的重点是开发可以访问数据并使用它自己学习的计算机程序。

实际上,这意味着我们可以将数据输入到算法中,并用它来预测未来可能发生的事情。它是人工智能的一个分支,基于这样的理念:系统可以从数据中学习,识别模式,并在最少的人为干预下做出决策。

人工智能

人工智能(AI)是智能智能体的研究和设计,这些智能体具有分析环境和产生最大化成功的行动的能力。人工智能研究使用的工具和见解来自许多领域,包括计算机科学、心理学、哲学、神经科学、认知科学、语言学、运筹学、经济学、控制理论、概率、优化和逻辑。人工智能是基于人类如何思考、学习、决定和工作来解决问题的研究,然后将研究结果作为开发智能软件和系统的基础。

不同的机器学习技术

机器学习使用两种技术。

  1. 监督式学习
  2. 无监督学习

监督学习:监督学习是指你有输入变量(x)和输出变量(Y),你使用一种算法来学习从输入到输出的映射函数Y = f(x)。有监督的机器学习系统为学习算法提供已知的数量,以支持未来的判断。监督学习通常是在分类上下文中进行的,当我们想要将输入映射到输出标签,或者当我们想要将输入映射到连续输出时进行回归。

1.分类:分类预测建模是将一个映射函数(f)从输入变量(X)逼近到离散输出变量(y)的任务。分类问题是当输出变量是一个类别时,例如“红色”或“蓝色”或“疾病”和“没有疾病”。分类模型试图从观测值中得出一些结论。

2.回归:回归预测建模是将一个映射函数(f)从输入变量(X)逼近到连续输出变量(y)的任务。回归问题是当输出变量为实值或连续值时,如“工资”或“重量”。

无监督学习:无监督学习是一种机器学习技术,用于查找数据中的模式。无监督学习是指只有输入数据(X)而没有相应的输出变量。无监督学习的目标是对数据中的底层结构或分布进行建模,以便更多地了解数据。无监督机器学习算法从数据集中推断模式,而不参考已知或标记的结果。

聚类是最常见的无监督学习方法。群集允许您根据相似度自动将数据集分割成组。它用于探索性数据分析,以发现数据中的隐藏模式或分组。

从事机器学习和人工智能的公司

亚马逊:亚马逊在实现机器学习方面走在了前面。亚马逊在使用机器学习洞察力方面处于领先地位。亚马逊正利用一贯可靠的客户服务加强客户的互动。在客户服务中,他们使用机器学习来预测客户问题,识别正确的工作流程来解决问题,在某些情况下还会发现服务的滥用。

Facebook: Facebook是一家美国在线社交媒体和社交网络服务公司,总部位于加州门洛帕克。截至2017年6月,Facebook每月活跃用户超过20亿。

微软:根据CB Insights的数据,在过去的五年里,微软实际上是第三大收购方。该公司确实涉足互联网市场,特别是在几年前以260亿美元收购领英(LinkedIn)之后。微软开发、制造、许可、支持和销售计算机软件、消费电子产品、个人电脑和服务。

谷歌:谷歌不局限于搜索引擎。谷歌有很多用于人工智能和机器学习的东西。谷歌广泛致力于机器学习和人工智能,为工程技术带来革命。

机器学习和人工智能全球场景

机器学习正迅速成为具有前瞻性思维的组织的现实。国际数据公司(IDC)预计,今年全球人工智能系统的营收将增加近一倍,至125亿美元,并将以类似的速度增长,直到2020年达到460亿美元。机器学习是数字转换的最新方法,使我们的计算过程更高效、更经济、更可靠。

机器学习和人工智能被广泛使用

自然语言处理(NLP)用于呼叫中心和自动呼叫机的语音识别。

虚拟助理:Siri, Alexa,谷歌,Crotona是一些流行的虚拟个人助理。

基于应用程序的出租车——在预订出租车时,应用程序会估算车费和到达时间。

视频监控系统——它由人工智能提供动力,使得在犯罪发生前就能发现犯罪。

社交媒体服务——它提供面部识别功能,你可能认识的人,类似的密码。

电子邮件垃圾邮件和恶意软件过滤你的收件箱。

在线客户支持先进的聊天机器人。

购物体验与产品推荐。

机器学习和人工智能的区别

原文发布于微信公众号 - 程序你好(codinghello)

原文发表时间:2018-11-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏奇点大数据

统计、概率和数据挖掘

统计、概率、数据挖掘,这几个词经常伴随出现,尤其是统计和概率两个概念,几乎就像自然界的伴生矿一样分不了家,有很多出版社都出版过叫做《概率统计》的书籍。 我们这本...

2484
来自专栏灯塔大数据

如何区分人工智能、机器学习与深度学习?

现在科技行业的术语产生速度令人惊愕,几乎每天都有新名词被创造出来。最近一段时间人们讨论最多的莫过于人工智能、机器学习和深度学习了。 很多公司已经果断采取措施,...

4356
来自专栏数据的力量

深入浅出谈数据挖掘

1828
来自专栏PPV课数据科学社区

了解人工智能之基础概念-基本概念问答

? 摘要: 本文对人工智能领域的一些基础知识进行了普及。对刚刚接触机器学习的人们会有不小的帮助。 在关注了机器学习一段时间以后,最近我开始投入到这个领域的研究...

3569
来自专栏大数据文摘

12位专家,展望未来5年深度学习发展趋势

2168
来自专栏AI科技评论

专访百度硅谷AI实验室Greg Diamos:基于GPU的深度学习的可扩展性

编者按:百度首席科学官吴恩达在ISC大会上谈到了超级计算能力如何在人工智能领域里应用,他的同事,百度硅谷人工智能实验室高级研究员Greg Diamos在参加纽约...

3496
来自专栏人称T客

第四次产业革命:始于人工智能 | 周末长文

T客汇官网:tikehui.com 撰文 | 徐婧欣 ? 「最近十年,我们一直在建立一个移动优先(mobile-first)的世界,而接下来的十年里,我们的将转...

3626
来自专栏CDA数据分析师

入门 | 做数据科学如烤蛋糕?不服来看

面部识别、自动驾驶、机器人统治世界?!还有那个令人毛骨悚然的机器人女孩,索菲亚。emmm…还有黑镜?

1012
来自专栏新智元

【报告】神经网络:技术发展与未来挑战(PDF下载)

【新智元导读】本文为爱思唯尔收费报告。西班牙格拉纳达大学研究人员系统梳理神经网络历史,从模型、模拟器到实现几方面阐释神经网络发展,展示了随时间推移,神经网络如何...

3598
来自专栏CSDN技术头条

专家展望未来5年深度学习发展趋势

2015年已然过去,2016刚刚开始,回头将目光集中于去年的成就上,以及对将来科学趋势的预测。去年最令人瞩目的一个领域就是深度学习,它是机器学习中越来越流行的一...

4045

扫码关注云+社区

领取腾讯云代金券