机器学习：它是什么？它与AI有什么关系？

今天，我们想更深入地教给您一种革命性的术语，这些术语将使我们已经了解的某些互动发生革命性的变化 。 我们正在谈论 人工智能 及其最具体的分支， 机器学习或自动学习。

如您所知，计算始终处于不断发展的过程中，我们可以购买的东西通常没有尽可能地先进。

例如，在我们开发 第四代 PCI-Express的同时 ，研究人员已经在开发 PCIe Gen 5 并研究向 第六 代 的 过渡 。 出于同样的原因，找到我们不知道要执行从未听说过的任务的技术并不少见。

但是，在进一步介绍之前，让我们缩小讨论的话题，因为什么是 机器学习 ？

内容索引

什么是 机器学习 ？

机器学习 是计算机科学和 人工智能的 一个特定分支 ，其中创建了能够自动学习的系统。

该分支机构于80年代左右开始研究和发展，今天已经相当发达。 出于同样的原因， 人工智能 和 机器学习 也在许多科学和日常领域中使用。

在此分支中， AI 由一种或多种能够处理大量数据并据此学习的算法组成 。 该主题所围绕的两个关键思想是：

• 该系统必须能够分析数据并建立其诞生之初就没有的技能。 情报 必须能够自主完成工作，即无需人工监督。

在现实世界中，我们有一些实际示例，例如电子邮件中的 垃圾邮件 分类，有关 亚马逊的 建议或使用公司数据的未来预测。 后者是一个有趣的部分， 越来越多的公司押注于此。

使用 机器学习， 我们可以看到哪些模式可以识别不满意的客户或前客户，以尝试改善与处于相同状态的其他用户的关系。 研究资历，投诉数量，合同计划等内容以创建特定的资料。 得出 AI的 结论后，一组营销专家便可以发起专门的运动来解决这些问题。

因此，公司可以根据某些假设制定计划来吸引或留住客户 ，并从被动策略转变为主动策略。 使用 人工智能 ，大量数据和 机器学习 是一种非常有趣的策略。

人工智能 如何训练？

要准备 人工智能 ， 它必须经历不同的阶段：

1. 它首先要经过受控环境。 在此处输入大量数据及其各自的结果，您可以使用这些数据来创建构想之间的关系。 这部分称为 监督学习 。 然后，您将进入一个免费且无法回答的环境 ，在该环境中， AI 本身必须选择结果。 通过知道答案是否正确，可以在算法中创建新规则。 这个阶段称为 无监督学习 。 最后，为他准备的环境为他准备了。 例如，如果您难以区分低亮度的图像，则也许您会接受夜间照片训练。 此阶段称为 强化学习。 您可以从步骤2开始多次调整该 智能 。

广义机器学习方案

一个实际的例子是向 AI 显示一千万张照片，并告诉它们哪些是狗，哪些不是。 在这里，他将谈到狗通常有皮毛，它们通常会四只脚，根据品种的不同，形状和大小也不同。

之后，给他一百万张照片进行分类。 在这里，您必须回答照片中是否有狗，并根据您是否要在数据库中创建新的 “想法” 来回答。 为了实现这些新数据， Intelligence将 在其算法中建立新规则 ，现在，例如，它将能够区分狗和猫。

最后， 研究了他的效率，并准备了新照片来训练他的弱点。

当然，这是一个简单且非常重复的演示系统，但还有其他更多的实验性和奇特方法。

Tay，Twitter机器人

最近的一个实验培训案例是 Tay ，这是由 Microsoft 开发的 AI ，旨在学习将自己表达为人类。

Tay的Twitter个人资料

该机器人被编程为最初以19岁女孩的身份说话，并于 2016 年 3月23日 在 Twitter 的黑暗地方被释放 。

您被编程为与社区对话，并从收到的消息以及与用户的互动中学习 。 她的学习几乎完全是自主的，尽管由于表现出负面行为而不得不在16个小时后退学 。

在他的一生中，他发了超过96, 000条推文。 但是，这个社交网络的故意攻击行为使 Tay 很快用种族主义和其他短语做出回应。

在这种情况下，应该适当地修订 “ 监督学习” 和一系列 基本规则 。 Tay 知道社交网络的无忧无虑和令人反感的语调， 因此不准备将真实内容与讽刺内容区分开。 出于相同的原因，一些用户设法轻松地 “打破” 了 Intelligence 的 “智力障碍” 。

现实世界中的 机器学习应用

我们已经告诉您一些日常使用，也许您已经了解 机器学习 ，但是还有其他情况。

在下面，您将看到该技术在最常见问题中的一系列实际应用 。 当然，它们是最先进的解决方案，因此它们通常也需要更多的资金。

健康状况

正在研究一种能够读取人体信息的新型服装技术。 它可能能够读取我们的脉搏，呼吸或焦虑。

这些数据由 Intelligence 读取，该 Intelligence 可以实时评估患者的状态。 因此，如果您在特定时间遇到心脏病等问题，则可以更快地进行诊断和/或响应。

另一方面，一些能够检测自杀念头的机器人已经在某些人中实现。 著名的 Facebook Intelligence通过 阅读对话和您的活动来识别自杀倾向的模式，尽管还有其他版本可以更仔细地研究人的行为，语气和肢体语言。

金融学

在经济学上，一些银行和公司已使用基于 机器学习 的解决方案来检测和预防欺诈。

另一方面，类似的东西也被用来更容易地识别投资机会。 它也可以用来决定何时出售或购买股票和其他方式。

市场行销

我们已经提到过，但这是其最著名的应用程序之一。

您将有可能在 亚马逊 上看到几个产品，进入 Facebook，Google或Instagram， 然后在广告中看到该产品。 这并非巧合，因为社交网络和 Google 实施了 智能 ，可以研究您的历史和可能的兴趣，以尽可能地捕获它们。

一些用户将其视为 “攻击” 用户的一种侵入性方式，这并不奇怪，因为他们用一个想法轰炸了您。 但是，广告将朝着这个方向发展，因为它更具个性化，并且广告将针对潜在的买家。

机器学习 和 深度学习

这两个术语通常是并行的， 但是它们并不完全相同。 在以后的文章中，我们将讨论第二个术语，因为这是值得学习的东西。

我们建议您如何清洁轻松地卸载AMD驱动程序

通常，我们可以将 机器学习 和 深度学习 之间的关系建立为 人工智能 和 机器学习之间的关系 。 深度学习 是 机器学习的 一个更具体的分支。

它共享一些关键部分，例如随着时间和经验的发展，但是还有其他一系列差异。

简化的深度学习

它学习和处理数据的基础是使用充当神经元的不同层。 因此，我们可以确定这些 智能 通常更精细，但构建起来也更加复杂和昂贵 。

尽管如果您对该主题更感兴趣，请继续关注该网站，并访问我们关于 深度学习的 下一篇文章。

我们离 天网 多远？

我们为最梦想的人准备了本节。

这是书籍，电影和其他书籍中一个非常重复的话题。 并非没有，确切地说是一个名为 Cyber​​punk 的流派或主题。 但是，除了那些由 人工智能 控制的未来性反乌托邦之外，我们的机器还有很长的路要走。

瑞克和莫蒂的智能机器人

当今的 机器学习 系统属于“ 弱AI” 类别 。 如我们所见，这些 智能 只能理解模式并进行简单推论。 它们对于在某些情况下为我们提供支持非常有用，但它们根本不是自治系统。

另一方面，我们将拥有 “强大的AI” ，它们以未来派的故事形式呈现 ，它们等同于或比人类聪明得多。 我们可以在流行文化中找到著名的例子，例如 “黑客帝国” ， “终结者” ， “攻壳机动队”或“光环” 。 实际上，在这个清单中有两个相互关联的作品。 猜猜哪一个？

今天，我们仍在开发完全自动驾驶和安全的汽车。 我们正在不断前进，但是我们仍然有办法发展完全由技术 构成的平等 事实。

如果您想进一步了解它，可以访问有关 人工智能 的文章。 这是从更一般的角度来看的文本，我们将对该技术可能产生的影响进行一些研究。

机器学习的 最终词汇

与我们关于 人工智能 的结论类似 ，很 明显，未来是不确定的。 但是，不可避免地需要对进化进行审查，以在其技能和特征之间实施技术。

互联网 将越来越受到程序和算法的更好地控制 。 社交网络将得到更好的校准，并将根据我们的喜好为我们提供更多内容。 最后， 当存在欺诈等危险时，通过更轻松地检测 ，在线关系将更加安全。

另一方面，对于本世纪 物联网（IoT）将 大放异彩的时代 ，请不要感到惊讶。 这是我们梦dream以求的想法，而且这个想法越来越近了。 此外， 物联网 是与 机器学习 相关的尖端技术的大型竞标者 ， 尽管它仍缺乏有关安全性的一些调整。

就我们而言，我们认为这将是一个循序渐进的发展，只要您了解正在发生的事情， 您就不必担心。 新车或电冰箱对您来说可能听起来很奇怪，但我当然认为我们不会看到 “强大的AI” 的唤醒 。

我们建议阅读市场上最好的笔记本电脑

最后，我们必须承认我们不是 人工智能 或 机器学习方面的 专家，因此不要对某些奇怪的数据感到惊讶。 如果我们犯了一个错误，请不要犹豫告诉我们！ 毕竟， 我们还不是完美的机器。

而且，您如何看待 机器学习 和 人工智能 ？ 您认为应该在哪些方面实施？ 在下面分享您的想法。

Clever Dataapdsaslagacetawhatsnew字体