인공 지능은 오늘날 세계에서 유행어가되었으며, 지난 2 년 동안 거의 모든 스마트 폰이 AI를 중심으로 마케팅을 시작했습니다. 대부분의 제품 발표가 기조 연설에서 AI 중 하나 또는 두 가지를 더 잘 또는 악화시키기 위해 언급하는 시점에 도달했습니다. 대부분의 인구는 AI를 최근 몇 년 동안 인기를 얻은 chatgpt와 같은 서비스와 관련 될 수 있지만 인공 지능의 역사는 오늘날 알려진 대부분의 것을 선행합니다.
가장 간단한 용어로, 인공 지능은 인간 지능을 모방하는 기술 건설을 중심으로하는 과학 분야입니다. 이것은 우리가보고, 듣고, 이해하고, 합리화하고, 말할 수있는 우리의인지 능력을 말합니다. 다시 말해, 이미지에서 객체를 인식하고, 우리와 마찬가지로 언어를 이해하고 대화하고, 추론을 통해 복잡한 문제를 해결할 수있는 툴킷은 AI로 표시 될 수 있습니다.
인공 지능과 상호 교환 적으로 사용되는 용어는 기계 학습이며, 이는 컴퓨터가 주어진 데이터 세트의 패턴을 통해 식별하고 학습하는 프로세스를 나타냅니다. 시스템은 먼저 인간 지능을 모방하기 위해 배우고 적응할 수 있어야하지만, 이것은 더 큰 퍼즐의 일부일뿐입니다. 간단히 말해서 기계 학습은 AI의 서브 세트이자 매우 필수적인 부분이지만 더 좁은 범위 내에서 작동합니다.
ai 우산 아래
Google은 인공 지능을 “복잡한 문제를 해결하기 위해 추론, 학습 및 행동 할 수 있도록 시스템에서 구현 된 일련의 기술”으로 정의합니다. 반면에 머신 러닝은 시스템이 기존 데이터에서 배우는 방법을 처리하여 정보에 입각 한 결정을 전달합니다. 그것은 ML을 AI 인 가장 중요한 우산에 넣습니다.
두 분야의 중요한 차이점은 인공 지능이 시스템이 자연 언어 쿼리 이해부터 작업 실행, 완료까지의 모든 것을 포함하는 인간 지능을 모방 할 수 있음을 시사한다는 것입니다. 머신 러닝은 더 집중되어 있으며 규칙으로 명시 적으로 프로그래밍하지 않고 작업에서 시스템의 성능과 정확성을 지속적으로 향상시키는 수학적 모델 및 알고리즘 개발에 관심이 있습니다.
AI는 신경망 및 규칙 기반 시스템을 포함한 다양한 학습 방법을 사용하여 수준의 인간인지 행동을 달성하며 기계 학습은 이러한 방법 중 하나 일뿐입니다. 머신 러닝 모델은 데이터 세트에서 라벨이 붙은 입력 및 출력 데이터의 존재에 따라 감독되거나 감독되지 않은 학습을 통해 주로 교육을받습니다.
AI 기반 앱의 부상과 유리한 용어 대 시장 서비스의 증가를 감안할 때, 두 개념 사이의 선이 흐려질 때 이해할 수 있습니다. 본질적으로 AI는 인간과 같은 접근 방식을 가진 작업을 수행하는 것을 목표로하는 광범위한 기술 세트이며, ML은 최상의 결과를 얻는 방식으로 알고리즘을 훈련 시켜이 분야에 전력을 공급하는 서브 세트입니다.
