人工智能与机器学习：有什么区别？

如今，科技界有太多的流行语，跟上最新趋势可能具有挑战性。人工智能 （AI） 一直占据着新闻的主导地位，以至于 AI 被柯林斯词典评为 2023 年最引人注目的词。然而，像“机器学习”这样的特定术语经常被使用来代替人工智能。

1959年，美国计算机科学家亚瑟·塞缪尔（Arthur Samuel）提出了“机器学习”一词，该术语被描述为“计算机无需明确编程即可学习的能力”。

机器学习 （ML） 是人工智能 （AI） 的一个子集。虽然它们经常互换使用，尤其是在讨论大数据时，但这些流行的技术有几个区别，包括它们的范围、应用等方面的差异。

什么是人工智能？

大多数人现在都知道这个概念。尽管如此，人工智能实际上是指集成到系统中的一系列技术，使其能够思考、学习和解决复杂的问题。它有能力复制与人类相似的认知能力，使其能够看到、理解和反应口语或书面语言、分析数据、提供建议等等。

什么是机器学习？

机器学习只是人工智能的一个领域，它自动使机器或系统能够从经验中学习和改进。它不是依赖于显式编程，而是使用算法来筛选庞大的数据集，从数据中提取学习，然后利用这些数据做出明智的决策。学习部分是，随着时间的推移，它通过训练和接触更多数据而改进。

“机器学习模型”是程序通过对训练数据运行算法获得的结果或知识。使用的数据越多，模型的性能就越好。

关系

机器学习是人工智能的一个方面，它使机器能够从数据中获取知识并从中学习。相比之下，人工智能代表了允许机器或系统像人类一样理解、推理、行动或适应的总体原则。

因此，将人工智能视为整个海洋，包括各种形式的海洋生物。机器学习就像海洋中的一种特定种类的鱼。正如这个物种生活在更广阔的海洋环境中一样，机器学习也存在于人工智能领域，只代表了众多元素或方面之一。然而，它仍然是整个生态系统中重要而充满活力的部分。

区别

机器学习不能模仿人类智能，这不是它的目标。相反，它专注于构建能够通过识别模式独立学习和适应新数据的系统。另一方面，人工智能的目标是创造能够智能和独立运行的机器，模拟人类智能来执行从简单到高度复杂的各种任务。

例如，当您收到电子邮件时，您的电子邮件服务使用机器学习算法来过滤掉垃圾邮件。机器学习系统已经在大量的电子邮件数据集上进行了训练，通过识别文本、发件人信息和其他属性中的模式来学习区分垃圾邮件和非垃圾邮件。随着时间的流逝，它会适应新型垃圾邮件和您的个人偏好（例如您将哪些电子邮件标记为垃圾邮件）不断提高其准确性。

在这种情况下，您的电子邮件提供商可能会使用 AI 来提供智能回复，将电子邮件分类（如社交、促销、主要），甚至优先考虑基本电子邮件。这个人工智能系统了解你的电子邮件的上下文，对它们进行分类，并根据它分析的内容提出简短的回复。它模仿了通常需要人类智能的高度理解和响应生成。

机器学习4 种类型

机器学习主要有三种类型和一些特殊形式，包括监督学习、无监督学习、半监督学习和强化学习。

在监督学习中，机器由操作员示教。用户为机器学习算法提供一个可识别的数据集，其中包含与正确输出配对的特定输入，并且该算法必须弄清楚如何从给定的输入中生成这些输出。尽管用户知道正确的解决方案，但算法需要识别模式，同时从中学习并做出预测。如果预测有错误，用户必须纠正它们，并且这个循环重复，直到算法达到相当程度的准确性或性能。

半监督学习介于监督学习和无监督学习之间。标记数据由标记有意义的标签的信息组成，允许算法理解数据，而未标记的数据不包含这些信息标签。使用这种组合，可以训练机器学习算法为未标记的数据分配标签。

无监督学习涉及在没有明确标签或正确答案的数据集上训练算法。目标是让模型自行识别数据中的模式和关系。它试图学习数据的底层结构，以将其分类为集群或沿维度分布。

最后，强化学习着眼于结构化学习方法，其中机器学习算法被赋予一组动作、参数和目标。然后，该算法必须通过试验不同的策略来浏览各种场景，评估每个结果以确定最有效的方法。它采用试错法，借鉴以往经验，完善战略，并根据具体情况调整行动，以取得最 佳结果。