- 💂 个人网站:【 海拥】【保卫机器人】【骑士冒险】【开发文档导航】
- 🤟 风趣幽默的前端学习课程：👉28个案例趣学前端
- 💅 想寻找共同学习交流、摸鱼划水的小伙伴，请点击【摸鱼家族】
- 💬 免费且实用的计算机相关知识题库：👉进来逛逛
给大家安利一个免费且实用的前端刷题（面经大全）网站，👉点击跳转到网站。
直接跳到末尾 参与评论送书
人工智能和机器学习都是计算机科学领域的术语。本文讨论了一些要点，我们可以根据这些要点来区分这两个术语。
人工智能
AI（人工智能）：人工智能一词由“人工”和“智能”两个词组成。人工是指由人类或非自然事物制造的东西，智能是指有理解或思考的能力。有一种误解认为人工智能是一个系统，但其实它并不是一个系统，人工智能是在系统中实现。人工智能的定义可以有很多，一个定义可以是“研究如何训练计算机，使计算机可以做目前人类可以做得更好的事情”。因此，这是一种智能，我们希望将所有能力添加到人类所拥有的机器上。
众所周知，智力是获取和应用知识的能力。知识是通过经验获得的信息。经验是通过接触（培训）获得的知识。总结这些术语，我们将人工智能理解为“自然（即人类）‘谁’能够获取和应用通过暴露获得的信息的复制品。”
信息由以下部分组成：
- 推理
- 学习
- 解决问题
- 洞察力
- 语言智能
人工智能中使用了许多工具，包括搜索和数学优化、逻辑、基于概率和经济学的方法的版本。人工智能领域借鉴了计算机科学、数学、心理学、语言学、哲学、神经科学、人工心理学等等。
对人工智能的需求
1.创建具有智能行为的专家系统，具有学习、演示、解释和建议用户的能力。
2.帮助机器像人类一样找到复杂问题的解决方案，并以计算机友好的方式将它们作为算法应用。
人工智能的应用包括自然语言处理、游戏、语音识别、视觉系统、医疗保健、汽车等。
人工智能系统由代理及其环境组成。代理（例如，人类或机器人）是可以通过传感器感知其环境并通过效应器作用于该环境的任何事物。智能代理必须能够设定目标并实现它们。在经典规划问题中，代理可以假设它是世界上唯一起作用的系统，从而允许代理确定其行为的后果。但是，如果代理不是唯一的参与者，那么它要求代理可以在不确定的情况下进行推理。这要求智能体不仅可以评估其环境并做出预测，还可以评估其预测并根据其评估进行调整。自然语言处理使机器能够阅读和理解人类语言。自然语言处理的一些直接应用包括信息检索、文本挖掘、问答和机器翻译。机器感知是使用来自传感器（如摄像头、麦克风、传感器等）的输入来推断世界各个方面的能力。例如，计算机视觉。博弈论、决策论等概念要求智能体能够检测和模拟人类情绪。
很多时候，学生们对机器学习和人工智能感到困惑，但机器学习是人工智能研究的一个基本概念，自该领域成立以来，它就是研究通过经验自动改进的计算机算法。机器学习算法及其性能的数学分析是理论计算机科学的一个分支，称为计算学习理论。
Stuart Shapiro 将人工智能研究分为三种方法，他称之为计算心理学、计算哲学和计算机科学。计算心理学用于制作模仿人类行为的计算机程序。计算哲学用于开发自适应、自由流动的计算机思维。实施计算机科学的目标是创造能够执行以前只有人类才能完成的任务的计算机。
AI 开发了大量工具来解决计算机科学中最困难的问题，例如：
- 搜索和优化
- 逻辑
- 不确定推理的概率方法
- 分类器和统计学习方法
- 神经网络
- 控制理论
- 语言
人工智能的高调示例包括自动驾驶汽车（如无人机和自动驾驶汽车）、医疗诊断、艺术创作（如诗歌）、证明数学定理、玩游戏（如国际象棋或围棋）、搜索引擎（如百度、Google 搜索）、虚拟助手（如 Siri）、照片中的图像识别、垃圾邮件过滤、司法判决预测和有针对性的在线广告。其他应用包括医疗保健、汽车、金融、视频游戏等
智能机器（或人机混合体）的能力是否有限制？超级智能、超智能或超人智能是一种假设的智能体，其智能将远远超过最聪明、最有天赋的人类思维。“超级智能”也可以指这种代理人所拥有的智能形式或程度。
机器学习
ML（机器学习）：机器学习是机器可以自行学习而无需明确编程的学习。它是人工智能的一种应用，它为系统提供了从经验中自动学习和改进的能力。在这里，我们可以通过整合该程序的输入和输出来生成一个程序。机器学习的一个简单定义是“机器学习据说是从经验 E 中学习某类任务 T 和性能度量 P，如果学习者在由 P 衡量的类任务中的表现随着经验而提高。”
以非常通俗的方式，机器学习 (ML) 可以解释为根据计算机的经验自动化和改进计算机的学习过程，而无需实际编程，即无需任何人工协助。该过程从提供高质量数据开始，然后通过使用数据和不同算法构建机器学习模型来训练我们的机器（计算机）。算法的选择取决于我们拥有什么类型的数据以及我们试图自动化的任务类型。
ML 和传统编程的基本区别？
- 传统编程：我们输入数据（输入）+ 程序（逻辑），在机器上运行并获得输出。
- 机器学习：我们输入数据（输入）+ 输出，在训练期间在机器上运行，机器创建自己的程序（逻辑），可以在测试时进行评估。
学习对计算机究竟意味着什么？
如果计算机在给定任务中的性能随着体验而提高，则称计算机正在从体验中学习某些类别的任务。
如果计算机程序在T中的任务（由P衡量）上的性能随着经验E的提高而提高，则可以说计算机程序从经验E中学习某类任务T和性能度量P
例如：玩跳棋。
E = 玩过许多跳棋的经验
T = 下跳棋的任务。
P = 程序赢得下一场比赛的概率
一般来说，任何机器学习问题都可以归为两大类之一：
监督学习和无监督学习。
机器学习如何工作？
以任何适合处理的形式收集过去的数据。数据质量越好，就越适合建模
数据处理——有时，收集的数据是原始形式，需要进行预处理。
示例：某些元组可能缺少某些属性的值，在这种情况下，必须填充合适的值才能执行机器学习或任何形式的数据挖掘。
诸如房屋价格之类的数字属性的缺失值可以替换为属性的平均值，而分类属性的缺失值可以替换为具有最高模式的属性。这总是取决于我们使用的过滤器类型。如果数据是文本或图像的形式，则需要将其转换为数字形式，无论是列表、数组还是矩阵。简而言之，数据应具有相关性和一致性。转换成机器可以理解的格式
将输入数据分为训练集、交叉验证集和测试集。各组之间的比例必须为 6:2:2
在训练集上使用合适的算法和技术构建模型。
使用训练时未输入模型的数据测试我们的概念化模型，并使用 F1 分数、精度和召回等指标评估其性能。
学习机器学习的先决条件：
- 线性代数
- 统计和概率
- 结石
- 微积分
- 编程技能——Python、R、MATLAB、C++ 或 Octave 等语言
二者的区别
AI 和 ML 之间的主要区别在于：
| 人工智能 | 机器学习 |
|---|---|
| AI代表人工智能，其中智能被定义为知识获取智能被定义为获取和应用知识的能力。 | ML代表机器学习，它被定义为知识或技能的获取 |
| 目的是增加成功的机会而不是准确性。 | 目的是提高准确性，但不关心是否成功 |
| 它作为一个智能工作的计算机程序工作 | 在这里，机器获取数据并从数据中学习。 |
| 目标是模拟自然智能来解决复杂问题。 | 目标是从特定任务的数据中学习，以最大限度地提高该任务的性能。 |
| 人工智能就是决策。 | 机器学习允许系统从数据中学习新事物。 |
| 它正在开发一个模仿人类解决问题的系统。 | 它涉及创建自学习算法。 |
| 人工智能将寻找最佳解决方案。 | 无论是否最优，机器学习都会寻求解决方案。 |
| 人工智能通向智慧。 | 机器学习通向知识。 |
🎁参与评论送书
以后每周新文评论区至少抽三位朋友送书，大家可持续关注我：海拥
内容简介
算法是学习人工智能的基石，全书通过116个典型范例+86个AI经典算法+40道经典习题+42道面试真题+42个高手点拨+4套算法职位招聘真题+19个项目，用算法解析人工智能，并以Python为工具进行算法思想和解决方案的有效实践。
【抽奖方式】关注博主、点赞收藏文章后，评论区留言：人生苦短，我爱AI！！！博主会用爬虫代码随机抽取三人送书！
【开奖时间】：截止到周日晚8点，博主会用爬虫代码随机抽取三人送书！
本期中奖名单：
📣尾注：
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在这里，我们只讨论了人工智能的基本知识，想要获取更多人工智能相关的知识，或者就是想每周参与抽奖白嫖一本书，你可以私信我加入CSDN官方人工智能交流群
💌 欢迎大家在评论区提出意见和建议！💌