介绍
机器学习 (ML) 和人工智能 (AI) 都是人类寻求开发出色、自学、学习机器的基本部分。 虽然这两个术语听起来很相似，但实际上它们的定义存在许多差异。 问自己这个简单的问题就足以更好地理解 AI 和 ML 之间的区别：
我们如何教机器？
我们可以在人工智能和机器学习的基本定义中寻找答案。
什么是人工智能（AI）？
人工智能或人工智能是一个描述能够从以前的经验中学习的机器的术语。 它利用这种学习来根据这些经验做出决策。 人工智能可以根据其用途广泛或狭窄。 人工智能是比机器学习更广泛的术语。
关于人工智能及其如何改变当今世界的更深入的解释可以在这篇知识库文章中找到：
什么是人工智能？ 初学者指南
什么是机器学习 (ML)？
机器学习是机器通过使用高级算法进行学习的能力。 随着时间的推移，我们可以教机器识别我们提供给设备的模式、对象和其他输入数据。 可以说，如果我们真的想拥有人工智能，机器学习是主要的组成部分。
机器学习的类型
当我们谈论机器学习时，我们会考虑三种类型。
监督学习
这种机器学习是最基本的机器学习类型之一。 监督学习机器算法在需要人工标记的小型数据集上进行训练。 它将从中学习并尝试将解决方案应用于更大规模的数据集。 训练数据集将提供基本算法问题、数据点和解决方案。
正如我们之前提到的，在这种类型的机器学习中，需要标记数据集。 这是一个有用的解决方案，因为小规模的初始数据可以应用于更大、更重要的数据集。 为了简化，机器可以使用一个小的 example 并以更大的方式应用这种学习。
无监督学习
与监督学习相比，无监督学习不需要标记其输入数据集。 因此，我们删除了人为干预组件。 在这个模型中，机器将被赋予一个未标记的数据集。 它将尝试从提供的数据中提取一些结构。 它将尝试学习如何从给定的输入创建输出。 而且由于它的数据集不会被标记，它不会像监督学习那样准确。 由于机器必须自行学习，因此它可以使用这些知识更好地适应动态变化的数据结构。
强化学习
这种教育最类似于人类从经验中学习。 它围绕使用试错法进行改进的算法概念展开。 有利的输出被加强或“奖励”，不利的输出被阻止或“惩罚”。 既然我们在谈论一台机器，很多人会问一个设备在机器语言方面是如何奖励或惩罚的？
它只会是这样的：
- 这个动作很好（X 百分比）
- 此操作很糟糕（Y 百分比）
在这个模型中，机器不仅会学习，而且会同时高效。 它的奖励将根据百分比值的整体有效性而增加或减少。 它不仅会学习如何找到正确的解决方案，还会学习如何最快地找到它。
机器学习和人工智能有什么区别？
从表面上看，这似乎很简单。 然而，深度学习、机器学习和人工智能之间存在着复杂的关系。 在下图中，我们看到了不同的智能层。
- 深度学习 (DL) 与 ML 类似，但也从经验中学习，但使用更大的数据集。 一个 example 是自动驾驶汽车：研究人员使用深度学习来自动检测和响应停车标志、交通信号灯和行人等物体。
- 机器学习 (ML) 是指通过经验学习的系统。 示例包括语音和图像识别系统。
- 人工智能 (AI) 是一个广义术语，其主要目标是创建智能机器。 示例包括制造机器人和 Alexa 或 Google Home 等 AI 助手。
人工智能与机器学习
| 人工智能 | 机器学习 |
| 重点是提高成功率 | 重点是提高准确性 |
| 类似于 智能计算机程序 | 根据数据收集原理工作，机器从累积的数据中学习 |
| 目标是模拟人类智能 解决问题 | 目标是通过使用在执行特定任务时收集的数据来最大化性能 |
| AI会尝试使用最优解 | ML 将尝试使用唯一的解决方案 |
| 目标就是智慧 | 目标是知识的积累 |
机器学习的一些例子是监控证券交易所并使用历史数据来预测股票价格的程序或跟踪天气模式并尝试预测天气的程序。
可以说，人工智能将尝试模拟人脑，并通过查看权衡后果的所有选项，然后提出答案，将智能解决方案应用于提出的问题。 相比之下，机器学习将代表我们从科幻电影中了解到的冷酷、黑暗的人工智能。
这是一个实际的可能性吗？ 并不真地。 但是，它的工作原理类似。 它只会在机器学习中收集数据，然后应用解决方案，而无需事后猜测或重新思考。 但是，必须了解机器学习旨在提高效率和生产力，因此其总体目的与人工智能不同。
结论
总之，虽然人工智能和机器学习在某种意义上是相互关联的，机器学习是创造人工智能的必要组成部分，但它们各自的设计目的是为了实现不同的目的。 我们是否应该担心机器学习是人工智能的一个组成部分？ 并非如此，因为它只是其中的一部分，并且可以代表我们可以在人类身上观察到的基本本能。 如果我们看到有人在表面上烫手，我们的本能就是不要碰它。 从某种意义上说，我们的大脑就像一台学习机器。 我们有一个数据输入，我们看到有人烧了他们的手，我们的输出或结论是不要碰它。
人工智能是计算机进化的下一个合乎逻辑的步骤，机器学习极大地推进了这一目标。 朝着正确的方向发展，并拥有一个独特而独特的目的，可以在开发真正的人工智能的同时造福全人类。
快行动！
给我们打电话 800.580.4985，或打开 聊天 或与我们联系，与我们知识渊博的解决方案或经验丰富的托管顾问之一交谈，了解您今天如何利用这些技术！
