على الرغم من الاستفادة من هذه التقنيات ، فإن الكثير من الناس لا يدركون فعليًا الفرق بين ML و AI. ترتبط الذكاء الاصطناعى والـ ML بطريقة غير متماثلة ويجب تحديدهما بشكل منفرد.
الذكاء الاصطناعي
الذكاء الاصطناعي هي تقنية ذكاء من صنع الإنسان تمكن أجهزة الكمبيوتر من العمل كبشر. في الواقع ، من الصعب قليلاً إعطاء تعريف مناسب للذكاء الاصطناعي.
وفقًا لـ "Skymind" Stat John McCarthy المعترف به على نطاق واسع كواحد من عرابين الذكاء الاصطناعي ، عرّفها على أنها "علم وهندسة صنع الآلات الذكية".قدرة الآلات على الأداء بذكاء مثل البشر.
تعريفات أخرى للذكاء الاصطناعي:
المهام التي تؤديها أجهزة الكمبيوتر والتي عادة ما يؤديها البشر مع الإدراك البصري والتعرف على الكلام وصنع القرار والترجمة بين اللغات.
يمكن تصنيف خدمات AI إلى AI عمودي أو أفقي
الذكاء الأصطناعي العمودي
إن الدافع وراء هذه الخدمات هو التركيز على وظيفة واحدة ، والتي قد تكون جدولة اجتماع أو عمل تكراري تلقائي ، وما إلى ذلك لأنها تركز فقط على وظيفة واحدة ، بحيث تكون قادرة على أداء هذه المهمة بشكل جيد للغاية.
الذكاء الاصطناعي الأفقي
هذه الخدمات قادرة بما فيه الكفاية حتى يتمكنوا من إدارة مهام متعددة. يمكن اعتبار Cortana و Siri و Alexa أفضل الأمثلة على الذكاء الاصطناعي الأفقي. هذه الخدمات الإجابة على الأسئلة بدقة ، مثل "ما هي درجة الحرارة في نيويورك؟" أو "Call Alex".
لذلك يمكن القول أن الذكاء الاصطناعي يركز على العمل تلقائيًا وفقًا للعقل البشري أو بدقة أكبر من العقل البشري. يعتبر الذكاء الاصطناعى هو نظام اتخاذ القرار الآلي ، والأهم من ذلك ، هناك حاجة إلى خوارزميات هنا للتعلم من التجربة. وهنا يأتي دور التعلم الآلي.
تعلم الآلة
التعلم الآلي هو تطبيق للذكاء الاصطناعي حيث تتعلم الآلات من تلقاء نفسها على أساس الخبرة السابقة. مصطلح "التعلم الآلي" هو في حد ذاته يعطي المقدمة.
يمكن اعتبار ML مجموعة فرعية من الذكاء الاصطناعي ، مجرد تقنية لتحقيق الذكاء الاصطناعي.
هناك أساسا ثلاثة أنواع من خوارزميات التعلم الآلي.
خوارزمية تعلم الآلة الخاضعة للإشراف
التعلم الآلي تحت الإشراف هو المكان الذي يوجد فيه متغير المدخلات والمخرجات ، ثم يتم استخدام خوارزمية هناك بحيث يمكن تخيل متغير الإخراج.
تعلم الآلة بدون رقابة
تعلم الآلة بدون رقابة هو المكان الذي يوجد فيه فقط متغير إدخال بدلاً من متغير الإخراج. هنا يتم تجميع البيانات في مجموعات بحيث يمكن جمع المزيد من المعلومات المتعلقة بالبيانات
هناك حاجة إلى خوارزمية خاصة لمعالجة التعلم الآلي بحيث يمكن تعليم الآلات.
تعزيز التعلم
يُعرف هذا النوع من خوارزميات التعلم الآلي بجعل البرامج والآلات تعرف السلوك المثالي داخل السياق بحيث يمكن زيادة أدائها.
بالمختصر
الذكاء الاصطناعي هو مفهوم كبير حيث يمكن للآلات أن تعمل بذكاء.
التعلم الآلي هو تطبيق الذكاء الاصطناعي حيث يتعين علينا إدخال البيانات وتعلم الآلات وإعطاء النتائج تلقائيًا وفقًا للتجربة.
لذلك ، يمكننا القول أنه نظرًا لأن التعلم الآلي عبارة عن مجموعة فرعية من الذكاء الاصطناعي ، وبالتالي يمكن اعتبار كل ML من الذكاء الاصطناعي ولا تفسر الذكاء الاصطناعي ML.
التاريخ والأصل
الذكاء الاصطناعي
على الرغم من أن الذكاء الاصطناعي معروف بأحدث التقنيات وفقًا للأساطير ، إلا أنه سائد بيننا لفترة طويلة. وفقا للأساطير اليونانية ، كان هناك رجل ميكانيكي تم إنشاؤه من أجل تقليد سلوك كائن بشري. في وقت سابق كانت أجهزة الكمبيوتر الأوروبية مجرد "آلات منطقية" ولكن مع مرور الوقت ، تم إنتاج هذه أجهزة الكمبيوتر وأصبحت ذكية.
لقد تغير الذكاء الاصطناعى خلال الوقت وحتى الآن ، وبدلاً من العمل على المواقف المعقدة ، فهمت منظمة العفو الدولية كيف يعمل العقل البشري بالفعل وبدأت في اتخاذ القرارات مثل البشر.
تعلم الآلة
كان هناك اثنين من الأحداث الهامة التي أدت إلى بدء التعلم الآلي.
أولاً ، في عام 1959 ، أدرك آرثر صموئيل أنه يجب أن يكون هناك ابتكار في ذكاء أجهزة الكمبيوتر. لقد أدرك أنه بدلاً من تدريب أجهزة الكمبيوتر على كل شيء حول العالم ، يجب أن تصنع أجهزة الكمبيوتر بطريقة يمكنها من خلالها تعلم نفسها.
ثانياً ، عندما وصل الإنترنت ، كان هناك طلب على كمية هائلة من المعلومات الرقمية.
بعد ظهور هذه الابتكارات ، أدرك المهندسين أن أجهزة الكمبيوتر يجب أن تتخذ خطوة إلى الأمام. أنه يمكن توصيلهم بالإنترنت للوصول إلى المعلومات التي من شأنها أن تمكنهم من معرفة أنفسهم والسلوك مثل البشر.
باختصار ، يمكن القول أن التعلم الآلي عبارة عن مجموعة فرعية من الذكاء الاصطناعي حيث يرتبط كلاهما بالمعرفة والذكاء.
تعتمد جميع التطبيقات تقريبًا على ML ، ويمكننا أن نرى عملًا يستخدم التطبيقات المستندة إلى ML من أجل إدارة أعمالهم بذكاء.
تعليقات
إرسال تعليق