CDA数据分析、ID、CDA数据分析师公众号区别，兼谈人工智能与机器学习
CDA数据分析（ID：）
CDA数据分析师公共帐户
三个
人工智能（AI）
1956年，计算机科学家约翰首次提出了“人工智能”的概念。它是指处理任务时具有人类智能特征的机器。包括组织和理解语言，识别对象和声音的能力，以及学习和解决问题的能力。
我们可以理解人工智能和一般意义。从广义上讲，所有人类智力的特征都在广义上包括在内。从狭义的意义上讲，它在某些领域具有人工智能，可以在这些领域中使用，但仅限于该领域。例如，一台非常擅长识别图像的机器，但在其他方面表现不佳。从狭窄的意义上讲，这是人工智能。
机器学习（ML）
机器学习是实现人工智能的一种方式。
在出现人工智能的概念之后不久，“机器学习”的概念是在1959年提出的，即“（计算机）在没有特殊编程的情况下独立学习”。您可以在不使用机器学习的情况下实现人工智能，但这意味着您需要编写复杂的数百万行代码。
因此，与使计算机完成任务的传统编程说明不同，机器学习可以使他们学习如何通过“培训”完成任务。 “训练”包括在模型中加载大量数据，并可以自动调整和改进算法。
https://img2.baidu.com/it/u=3690925106,3902668431&fm=253&fmt=JPEG&app=120&f=JPEG?w=888&h=500
例如，机器学习已用于改善计算机视觉（通过图像或视频识别对象的机器的功能）。人们收集了数十万甚至数百万张照片，并一一标记它们。例如，人类可以在猫中标记猫的图片，而不是那些没有猫的猫的照片。然后，该算法尝试构建一个模型，该模型可以准确地标记包含像人一样的猫的图片。一旦达到一定程度的准确性，我们就可以认为机器现在“学习”猫的外观。
深度学习（DL）
深度学习是实现机器学习的方法之一。其他渠道包括保管树，电感逻辑程序设计，聚类，增强学习和贝叶斯网络。
深度学习的概念来自大脑的结构和功能，即许多神经元的联系。人工神经网络（ANN）是一种模拟大脑生物结构的算法。
在ANN中，有具有独立治疗层的“神经元”，这些“神经元”与其他“神经元”有关。每个处理层具有特定的学习特征，例如图像识别中的曲线/边缘。这种分层概念的名称具有深入的学习，并且通过使用多个层而不是单个独立层来实现其深度。
人工智能和物联网是密不可分的
人工智能与物联网之间的关系就像人脑和身体一样。
我们的身体获得了感觉输入，例如视觉，听力和触摸。我们的大脑进一步处理这些数据以使其有意义。如果将光转换为可识别的对象，并且声音将变成可理解的语言。然后大脑做出决定，向身体发送信号，然后发送指令运动，例如捡起对象或说话。
构成物联网并相互联系的传感器就像我们的身体一样，它们提供了来自外界的原始数据。人工智能就像我们的大脑一样，处理这些数据并决定执行动作。这些传感器进行身体运动或与我们的身体等其他人进行交流。
释放彼此的潜力
人工智能和物联网彼此意识到了自己的价值和视野。
机器学习和深度学习促使人工智能近年来取得了巨大的飞跃。如上所述，机器学习和深度学习需要使用大量数据。这些数据是由数十亿个传感器收集的，这些传感器在物联网中连续链接。因此，物联网促进了人工智能的发展。
https://img1.baidu.com/it/u=637154032,1098604457&fm=253&fmt=JPEG&app=120&f=JPEG?w=800&h=1065
同时，改善人工智能还将促进物联网的发展并创造一个良性圈子，这将大大促进两者的发展。这是因为人工智能使事物互联网更加实用。
在行业方面，人工智能可用于预测何时需要维护机器，或者何时需要分析制造过程，从而大大提高效率和节省成本。
就消费者而言，不允许人类适应技术，而是要使技术适应人类。放弃乏味的点击，输入和搜索，我们可以直接向机器发布说明以满足我们的需求。例如，询问天气信息，或创建一个更好的睡眠环境，例如发出一系列说明（关闭恒温器，锁定门，关闭灯等）。
技术的进步和整合
计算机芯片的较小和制造技术的改进意味着它带来了较低的成本和更强大的传感器。
快速改进的电池技术意味着这些传感器不需要长时间使用。
智能手机出现带来的无线连接意味着可以以较低的成本以较高的容量来传输数据，同时将数据发送到云。
云计算的出现为我们提供了几乎无限的存储空间和计算电源处理数据。
人工智能对我们社会和未来的影响是不可预测的。可以肯定的是，随着人工智能和物联网的进步和可持续发展，影响将是遥不可及的。
参考：
＃。
输入数据科学，长按扫描QR码
页:
[1]