Was ist der Unterschied zwischen diesen drei stark verwandten Bereichen? Gibt es ein bestimmtes Ganzes, zu dem sie alle gehören (abgesehen von CS)?Maschinelles Lernen, AI und Soft Computing
Antwort
Maschinelles Lernen könnte als ein Teil von AI betrachtet werden, jedoch würde ich Machine Learning als die Studie der Schaffung semantischer Modelle und adaptives Verhalten mit AI als die Gesamtwissenschaft der Systeme, die intelligent-scheinendes Verhalten zu klassifizieren.
Das meiste von dem, was als "AI" gilt, ist ziemlich einfach, aber sehr effektiv, wie Heuristiken und dergleichen.
Soft Computing fällt nicht so aus, wie es viele ML- und AI-Komponenten hat, da es mehr um die Analyse komplexer Systeme geht. Ich könnte mich allerdings irren. Wie bei den meisten Dingen in der Informatik, je tiefer Sie graben, desto mehr entdecken Sie, dass es alles zusammenhängt.
AI ist das intellektuelle Projekt, alle Aspekte der menschlichen Intelligenz in Computern zu erfassen. Ein anderes Projekt, auch KI genannt, versucht, von Menschen inspirierte Algorithmen zu verwenden, um herkömmlich unlösbare Probleme zu approximieren. Man könnte sagen, dass AI Bereiche wie Robotik, Planung, Argumentation, Lernen und natürliches Sprachverständnis umfasst.
Maschinelles Lernen ist die Disziplin, die versucht, die Ausführung einer Aufgabe einer Maschine, Beispiele zu verbessern. Man könnte davon ausgehen, dass es innerhalb der Interessen von AI liegt, aber Forscher im maschinellen Lernen brauchen keine intellektuellen Interessen am Gesamterfolg der KI. Maschinelles Lernen überschneidet sich stark mit der statistischen Physik und bestimmten Signalverarbeitungsthemen, und bestimmte Formulierungen überschneiden sich stark mit der Planung, der Steuerungstheorie und der dynamischen Programmierung.
Soft Computing umfasst Prozesse, die indirekte, approximative Lösungen anstelle von binären Algorithmen beinhalten, von denen allgemein angenommen wird, dass sie Technologien wie Fuzzy-Logik, neuronale Netze und genetische Algorithmen umfassen. Es gibt eine breite Überlappung zwischen diesen Techniken und einer bestimmten Planungs- und Lernuntermenge von AI, Kontrolltheorie, komplexer Systemtheorie usw.
- 1. Verwenden von JavaScript für maschinelles Lernen
- 2. Modellieren Kartenspiel für maschinelles Lernen
- 3. Externe GPU für maschinelles Lernen
- 4. Implementierung maschinelles Lernen auf Android
- 5. Soll die Geschwindigkeit eines Programmiersprachenfaktors für AI/maschinelles Lernen berücksichtigt werden?
- 6. Was sind die Voraussetzungen, um maschinelles Lernen zu lernen?
- 7. Wie GATE maschinelles Lernen (Textklassifizierung) verarbeitet?
- 8. maschinelles lernen - svm feature fusion techique
- 9. Berechnung Entropie in Entscheidungsbaum (Maschinelles Lernen)
- 10. Historische Etiketten für überwachtes maschinelles Lernen
- 11. Clustering-Algorithmen für maschinelles Lernen Probe
- 12. Datenkompression - maschinelles Lernen für die exponentielle Verteilung
- 13. Wo ich OpenStack und Cloud Computing lernen kann
- 14. maschinelles Lernen in Python, um Dame zu spielen?
- 15. AWS, das große Modelldatei für maschinelles Lernen hostet
- 16. Aktualisieren Sie den Datensatz in Azure maschinelles Lernen
- 17. R - Mäuse - maschinelles Lernen: Imputationsschema wiederverwenden von Zug zu Testsatz
- 18. Was ist die beste Programmiersprache für maschinelles Lernen?
- 19. Clustering-Werte durch ihre Nähe in Python (maschinelles Lernen?)
- 20. Was ist Vektor in Bezug auf maschinelles Lernen
- 21. Azure Maschinelles Lernen - Streifen oben X Zeilen aus Dataset
- 22. Wie funktioniert maschinelles Lernen, wenn die Eingänge unterschiedliche Größen haben?
- 23. Maschinelles Lernen - wie man die Klassifizierung bestimmter Klassen verbessert
- 24. Verarbeitung 20x20 Bild vor dem Training für maschinelles Lernen
- 25. Was AI am besten ist, um ein Gebiet zu lernen
- 26. Empfohlenes Paket für die Verarbeitung sehr großer Datenmengen und maschinelles Lernen in R
- 27. Wie kombiniere ich Text und numerische Merkmale im Trainingssatz für maschinelles Lernen?
- 28. Distributed Computing
- 29. Computing Moving Average und Aktualisierung
- 30. Was ist der Unterschied zwischen maschinellem Lernen und Statistik?