هوش مصنوعی و یادگیری ماشین بخشی از علوم رایانه هستند که با یکدیگر ارتباط دارند. این دو فناوری پیشرفته ترین فناوری هایی هستند که برای ایجاد سیستم های هوشمند مورد استفاده قرار می گیرند.اگرچه این دو فناوری مرتبط هستند و حتی گاهی اوقات بسیاری از آنها به عنوان مترادف یکدیگر استفاده می کنند ، اما هنوز هم در موارد مختلفی این دو اصطلاح کاملا متفاوت میباشند.در این مقاله برخی تفاوت های اصلی بین هوش مصنوعی و یادگیری ماشین و همچنین مرور اطلاعاتی درخصوص هوش مصنوعی و یادگیری ماشین را خواهیم داشت :
به طور کلی، می توانیم هوش مصنوعی و ماشین لرنینگ را به صورت زیر تفکیک کنیم:
هوش مصنوعی یک مفهوم بزرگتر از ماشین لرنینگ و با هدف ایجاد ماشینهای هوشمند است که می تواند توانایی رفتاری و تفکر انسان را شبیه سازی کند ، در حالی که ، یادگیری ماشین یک برنامه یا زیر مجموعه هوش مصنوعی است که به ماشین ها اجازه می دهد از داده ها و اطلاعات بیاموزند بدون اینکه از قبل برنامه ریزی شوند.
هوش مصنوعی زمینه ای از علم رایانه است که یک سیستم رایانه ای را ایجاد کرده که می تواند از هوش انسان تقلید کند. هوش مصنوعی از دو کلمه "مصنوعی" و "هوش" تشکیل شده است ، که به معنای "قدرت تفکر انسانی"میباشد . از این رو می توانیم آن را به این صورت تعریف کنیم:
هوش مصنوعی یک فناوری پیشرفته است که با استفاده از آن می توانیم سیستمهای هوشمند ایجاد کنیم که بتوانند هوش انسانی را شبیه سازی کنند.
سیستم هوش مصنوعی نیازی به پیش برنامه ریزی ندارد ، در عوض از الگوریتم هایی استفاده می کنند که می توانند با هوش خود کار کنند. شامل الگوریتم های یادگیری ماشینی ازجمله الگوریتم یادگیری تقویتی و شبکه های عصبی یادگیری عمیق .از جمله کاربردهای هوش مصنوعی به Siri ، Google's Alpha ، Go، بازی هایی مانند شطرنج و غیره میتوان اشاره کرد .
به طور کلی و بر اساس توانایی هوش مصنوعی را می توان به سه نوع طبقه بندی کرد:
هوش مصنوعی ضعیف
هوش مصنوعی عمومی
هوش مصنوعی قوی
در حال حاضر ، ما با هوش مصنوعی ضعیف و هوش مصنوعی عمومی کار می کنیم. آینده AI هوش مصنوعی قوی است که گفته می شود از انسان باهوش است..!
یادگیری ماشین در واقع استخراج دانش از داده ها و اطلاعات میباشد. می توان آن را به این صورت تعریف کرد:
یادگیری ماشینی زیر مجموعه ای از هوش مصنوعی است که ماشین ها را قادر می سازد بدون داشتن برنامه ریزی قبلی و با استفاده از داده ها و تجربیات قبلی یاد بگیرند.
يادگيري ماشيني يك سيستم رايانه را قادر مي سازد بدون استفاده از داده هاي گذشته ی خود ، پيش بيني كند و يا تصميم گيري كند.
درواقع بدون برنامه ريزي صريح. یادگیری ماشینی از انبوهی از داده های ساختاری و نیمه ساختار یافته استفاده می کند تا بتواند نتیجه دقیقی را ایجاد کند یا حتی بر اساس آن داده ها پیش بینی کند.
یادگیری ماشینی بر روی الگوریتمی کار می کند که با استفاده از داده های قبلی بتواند بیاموزد. اما این الگوریتم فقط برای دامنه های خاص و محدودی کار می کند، برای مثال اگر ما در حال ایجاد یک مدل یادگیری ماشین برای شناسایی تصاویر سگ ها هستیم ، فقط برای تصاویر سگ نتیجه خواهد داد و اگر داده های جدیدی مانند تصویر گربه ارائه دهیم ،یادگیری ماشینی پاسخگو نخواهد بود. یادگیری ماشین در موارد مختلفی از جمله سیستم های توصیه کننده آنلاین ، برای الگوریتم های جستجوی Google ، فیلتر اسپم ایمیل ، چت بات ها ،دوست یابی در Facebook و غیره مورد استفاده قرار می گیرد.
