(function (s, e, n, d, er) { s['Sender'] = er; s[er] = s[er] || function () { (s[er].q = s[er].q || []).push(arguments) }, s[er].l = 1 * new Date(); var a = e.createElement(n), m = e.getElementsByTagName(n)[0]; a.async = 1; a.src = d; m.parentNode.insertBefore(a, m) })(window, document, 'script', 'https://cdn.sender.net/accounts_resources/universal.js', 'sender'); sender('986212f6399684')
یادگیری ماشین

  این مقاله را میتوانید در مدت زمان 3 دقیقه مطالعه کنید   منتشر شده در تاریخ: اسفند ۲۲ام, ۱۳۹۸   آخرین بروزرسانی: شهریور ۲۱ام, ۱۴۰۱


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 و معمولا با استفاده از زبان برنامه نویسی پایتون توسعه پیدا می‌کنند، 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 با هم مطالعه خواهیم نمود.

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 چیست؟

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.

هوش مصنوعی

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 و گفته می شود از انسان نیز باهوش تر است!

 

یادگیری ماشین چیست؟

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.

 

یادگیری ماشینی یک سیستم رایانه را قادر می سازد بدون استفاده از داده های گذشته ی خود  ، پیش بینی کند و یا تصمیم گیری کند. درواقع  بدون برنامه ریزی صریح. 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.

 

آموزش یادگیری ماشین

 

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.

 

یادگیری ماشینی هنوز در مراحل اولیه در سراسر جهان میباشد و پروژه های زیادی وجود دارد که باید انجام شود  و کارهای بسیاری نیز برای بهبود وجود دارد .زمانی که شروع به کار بر روی ایده های خود در پروژه‌های ماشین لرنینگ می کنید ، نه تنها می توانید نقاط قوت و ضعف خود را آزمایش کنید ، بلکه در معرض دید قرار می گیرید وهمینطور  میتواند فرصت مناسبی جهت تقویت شغل شما باشد.

 

یادگیری ماشینی

تفاوت های کلیدی بین هوش مصنوعی (AI) و یادگیری ماشین (ML)

 

ـ هوش مصنوعی  (Artificial Intelligence)

  1. هدف هوش مصنوعی این است که یک سیستم کامپیوتری هوشمند مانند انسان برای حل مشکلات پیچیده ایجاد کند.
  2. هوش مصنوعی یک فناوری است که یک دستگاه را قادر می سازد تا رفتار انسان را شبیه سازی کند.
  3. در هوش مصنوعی ، ما سیستم های هوشمندی را برای انجام هر کاری همانند انسان طراحی میکنیم.
  4. یادگیری ماشین و یادگیری عمیق دو زیر مجموعه اصلی هوش مصنوعی هستند.
  5. هوش مصنوعی دامنه بسیار گسترده ای دارد.
  6. هوش مصنوعی در حال تلاش برای ایجاد یک سیستم هوشمند است که می تواند کارهای پیچیده مختلفی را انجام دهد.
  7. دغدغه سیستم هوش مصنوعی افزایش و به حداکثر رساندن شانس موفقیت میباشد.
  8.  نمونه کاربردهای هوش مصنوعی: Siri ، پشتیبانی مشتری ، سیستم Expert ، بازی های آنلاین نظیر شطرنج ، روبات های هوشمند  انسان نما و…
  9. براساس قابلیت ها ، هوش مصنوعی  را می توان به سه نوع تقسیم کرد:  Weak AI ، General AI و Strong AI.
  10. هوش مصنوعی شامل یادگیری ، استدلال و تصحیح خود می باشد.
  11. هوش مصنوعی با داده های ساختاری ، نیمه ساختار یافته و بدون ساختار سروکار دارد.

 

ـ یادگیری ماشین (Machine learning)

  1. هدف ML این است که ماشین ها بتوانند از داده ها یاد بگیرند تا بتوانند بازده دقیقی داشته باشند.
  2. یادگیری ماشینی زیر مجموعه ای از هوش مصنوعی است که به یک ماشین امکان می دهد بطور خودکار از داده های گذشته و بدون برنامه نویسی صریح یاد بگیرد.
  3. در ML ، ما به ماشین آلات به کمک داده ها آموزش می دهیم که یک کار خاص را انجام دهند و نتیجه دقیقی بگیرند.
  4. یادگیری عمیق زیر مجموعه اصلی یادگیری ماشین است.
  5. یادگیری ماشین دامنه محدودی دارد.
  6. یادگیری ماشینی در تلاش است تا ماشینهایی بسازد که بتوانند تنها وظایف خاصی را که برای آنها آموزش دیده اند ، انجام دهند.
  7. دغدغه یادگیری ماشینی عمدتاً الگوهای یادگیری و دقت عمل در آن ها میباشد.
  8.  نمونه کاربردهای ماشین لرنینگ عبارتند از سیستم های توصیه گر آنلاین ، الگوریتم های جستجوی گوگل، ربات های چت، دوست یابی در شبکه‌های اجتماعی و غیره.
  9. یادگیری ماشینی به سه نوع تقسیم میشود که عبارتند از: یادگیری نظارت شده، یادگیری بدون نظارت و یادگیری تقویت شونده .
  10. ماشین لرنینگ شامل یادگیری و تصحیح خود با داده های جدید و قدیمی است.
  11. یادگیری ماشین تنها با داده های ساختاری و نیمه ساختار یافته سروکار دارد.

 

 

آیا این مطلب برای شما مفید بود؟

امتیازشو ثبت کنید

میانگین / 5. تعداد رای

اولین نفر شما امتیاز دهید

دوره تخصصی یادگیری ماشین

در یک دوره آموزشی متخصص یادگیری ماشین شوید.

از یادگیری ماشین می توان در صنایع مختلف با اهداف مختلف استفاده کرد. ماشین لرنینگ باعث افزایش بهره وری در صنایع می شود، به بازاریابی محصول کمک کرده و پیش بینی دقیق فروش را ساده تر می کند. پیش بینی های دقیق پزشکی و تشخیص ها را تسهیل می کند. دقت در قوانین و مدل های مالی را بهبود می بخشد. به سیستم های توصیه گر، الگوریتم های فرا ابتکاری و حرکت ربات ها کمک خواهد کرد. در بحث فروش میتواند محصولات مناسب تری را به مشتری پیشنهاد دهد( با کمک به تقسیم بندی بهتر و پیش بینی دقیق طول عمر محصولات ) و ...
استفاده از سیستم های ماشین لرنینگ می تواند تا حد زیادی حجم کاری ما را کاهش دهد. به خصوص کارهایی که نیاز به آنالیز حجم عظیمی از داده و تصمیم گیری بر اساس این داده ها را دارد بسیار تسهیل می کند. سیستم های مبتنی بر ماشین لرنینگ ظرفیت انجام کار صد نفر را همزمان دارد و تنها به کمک ماشین ها می توان بدون صرف وقت و انرژی زیاد، کارهای سنگین را انجام داده و در عین حال پول و درآمد بیشتری کسب کرد. ماشین لرنینگ با خودکارسازی فرایندها و صرفه جویی در زمان، به ما کمک می کند تا بتوانیم زمان و انرژی خود را بر تصمیم گیری های پیچیده تری متمرکز کنیم.
ادامه...

شاید به این مطالب نیز علاقه مند باشید.

آموزش دیپ لرنینگ

شبکه عصبی کانولوشن چیست؟

یکی از داغ ترین و مهم ترین بحث های حال حاضر در هوش مصنوعی و یادگیری ماشین، "شبکه عصبی کانولوشن" هست. واژه شبکه عصبی در سال ۲۰۱۲ به شهرت رسید.…

الگوریتم‌های طبقه‌بندی در ماشین لرنینگ

الگوریتم طبقه‌بندی، هسته اصلی ماشین لرنینگ

مرتب کردن اغلب حس خوبی به ما می‌دهد. مثلاً مرتب کردن اتاق و قرار دادن هرچیزی سر جایش. شاید بعضی از ما ابتدا کمی نسبت به مرتب کردن گارد داشته…

یادگیری ماشین در ایران

بازار کار یادگیری ماشین در ایران

طبق گزارشات از سایت های بررسی مشاغل ، مهندس یادگیری ماشین به دلیل رشد تقاضا و حقوق زیاد بهترین شغل سال۲۰۱۹ نامیده شده است. متوسط درآمد فعلی این حرفه ۱۴۶.۰۸۵…

0 0 رای
امتیازدهی به مقاله
دنبال کردن
با خبر کردن از
guest
2 دیدگاه
قدیمی ترین
جدیدترین بیشترین بازخورد
بازخورد داخلی
دیدن همه نظرات
محمدحسین
محمدحسین
1 سال گذشته

منابع این مقاله چیه؟

مهدی
مهدی
10 ماه‌ گذشته

مقاله خوبی بود.
ممنون از نویسنده آن

تاییدیه ها

تهران - ستارخان، خیابان کوثر دوم، پلاک ۱۰، واحد ۳

آیا این مطلب برای شما مفید بود؟

امتیازشو ثبت کنید

میانگین / 5. تعداد رای

اولین نفر شما امتیاز دهید

دوره تخصصی یادگیری ماشین

در یک دوره آموزشی متخصص یادگیری ماشین شوید.

از یادگیری ماشین می توان در صنایع مختلف با اهداف مختلف استفاده کرد. ماشین لرنینگ باعث افزایش بهره وری در صنایع می شود، به بازاریابی محصول کمک کرده و پیش بینی دقیق فروش را ساده تر می کند. پیش بینی های دقیق پزشکی و تشخیص ها را تسهیل می کند. دقت در قوانین و مدل های مالی را بهبود می بخشد. به سیستم های توصیه گر، الگوریتم های فرا ابتکاری و حرکت ربات ها کمک خواهد کرد. در بحث فروش میتواند محصولات مناسب تری را به مشتری پیشنهاد دهد( با کمک به تقسیم بندی بهتر و پیش بینی دقیق طول عمر محصولات ) و ...
استفاده از سیستم های ماشین لرنینگ می تواند تا حد زیادی حجم کاری ما را کاهش دهد. به خصوص کارهایی که نیاز به آنالیز حجم عظیمی از داده و تصمیم گیری بر اساس این داده ها را دارد بسیار تسهیل می کند. سیستم های مبتنی بر ماشین لرنینگ ظرفیت انجام کار صد نفر را همزمان دارد و تنها به کمک ماشین ها می توان بدون صرف وقت و انرژی زیاد، کارهای سنگین را انجام داده و در عین حال پول و درآمد بیشتری کسب کرد. ماشین لرنینگ با خودکارسازی فرایندها و صرفه جویی در زمان، به ما کمک می کند تا بتوانیم زمان و انرژی خود را بر تصمیم گیری های پیچیده تری متمرکز کنیم.
ادامه...