Artificial Intelligence vs Machine Learning! ຄວາມແຕກຕ່າງແມ່ນຫຍັງ.

ສະ ໝອງ ຂອງມະນຸດແມ່ນອະໄວຍະວະທີ່ ໜ້າ ສົນໃຈ, ເຖິງແມ່ນວ່າພວກເຮົາຍັງບໍ່ທັນເຂົ້າໃຈເຖິງຄວາມສາມາດຂອງມັນ, ພວກເຮົາໄດ້ອອກແບບເຕັກໂນໂລຢີຢ່າງປະສົບຜົນ ສຳ ເລັດເຊິ່ງສາມາດເຮັດຕາມການກະ ທຳ ຂອງມັນຫຼືຝຶກອົບຮົມໃຫ້ຄິດຄືກັບມະນຸດ. ນີ້ ນຳ ພວກເຮົາໄປຫາສອງຫົວຂໍ້ຮ້ອນໆໃນຕະຫລາດ: Artificial Intelligence (AI) ແລະ Machine Learning (ML).

ດ້ວຍການຊ່ວຍເຫຼືອຂອງ AI ແລະ ML ຫຼາຍຂະບວນການໄດ້ຖືກອັດຕະໂນມັດເພື່ອໃຫ້ໄດ້ຜົນໄວ. ຕົວຢ່າງທີ່ຖືກຕ້ອງທີ່ສຸດແມ່ນ GOOGLE. ແມ່ນແລ້ວ! ເຄື່ອງຈັກຊອກຫາໃຊ້ໂດຍໃຊ້ Artificial Intelligence ແລະສູດການຮຽນຮູ້ຂອງເຄື່ອງຈັກ. ທ່ານຄິດແນວໃດວ່າ Google ບໍ່ພຽງແຕ່ສາມາດໃຫ້ ຄຳ ຕອບຕໍ່ ຄຳ ຖາມຂອງທ່ານທັງ ໝົດ ເທົ່ານັ້ນ, ແຕ່ຍັງມີຄວາມສາມາດແນະ ນຳ ຫຼັກສູດການປະຕິບັດຕໍ່ໄປ.

AI ແລະ ML ແມ່ນມັກໃຊ້ກັນເລື້ອຍໆ, ແຕ່ວ່າ AI ແລະ ML ແມ່ນຫຍັງ? ແລະຄວາມແຕກຕ່າງລະຫວ່າງສອງຢ່າງນີ້ແມ່ນຫຍັງ? ໃຫ້ພວກເຮົາຊອກຫາ.

Artificial Intelligence: ແມ່ນຂົງເຂດວິທະຍາສາດຄອມພິວເຕີ້ທີ່ກ່ຽວຂ້ອງກັບໂປແກຼມແລະສູດການຄິດໄລ່ຕ່າງໆທີ່ເຮັດໃຫ້ເຄື່ອງຈັກຮັບຮູ້, ປຸງແຕ່ງແລະໃຫ້ຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງ. ເວົ້າອີກຢ່າງ ໜຶ່ງ, ມັນແມ່ນເຕັກໂນໂລຢີທີ່ສາມາດເຮັດໃຫ້ເຄື່ອງຈັກສະຫຼາດໄດ້.

ໃນຂະນະທີ່ປະຊາກອນມະນຸດມີການຂະຫຍາຍຕົວຢ່າງຫຼວງຫຼາຍ, ພວກເຮົາຕ້ອງການເຄື່ອງຈັກທີ່ສະຫຼາດເພື່ອເບິ່ງແຍງວຽກງານບາງຢ່າງທີ່ກ່ຽວຂ້ອງກັບການປະມວນຜົນແລະເກັບຮັກສາຂໍ້ມູນໃຫຍ່. ຍົກຕົວຢ່າງ, ມື້ນີ້ພວກເຮົາສາມາດລົງທືນແລະຄ້າຂາຍຮຸ້ນດ້ວຍການກົດປຸ່ມ, ແຕ່ວ່າຢູ່ດ້ານຫລັງ, ມີສູດການຄິດໄລ່ທີ່ສັບສົນທີ່ປະມວນຜົນຂໍ້ມູນ ຈຳ ນວນມະຫາສານເພື່ອແນະ ນຳ ວ່າຮຸ້ນໃດທີ່ຊື້ຂາຍໄດ້ດີ.

ອີງໃສ່ວຽກງານທີ່ມັນດູແລ, Artificial Intelligence ໄດ້ແບ່ງອອກເປັນ 2 ໝວດ ໃຫຍ່, ເຊິ່ງແມ່ນ AI ແລະ General AI. ໃຫ້ພວກເຮົາເບິ່ງເຂົ້າໄປໃນແຕ່ລະລາຍລະອຽດ.

AI ທົ່ວໄປ: ບັນດາໂປແກຼມເຫຼົ່ານີ້ດີເລີດໃນການປະຕິບັດວຽກງານດຽວ, ໃຫ້ມັນເຕືອນທ່ານກ່ຽວກັບກອງປະຊຸມທີ່ໄດ້ ກຳ ນົດ, ຫລືແກ້ໄຂຂໍ້ຜິດພາດດ້ານໄວຍາກອນໃນເອກະສານຂອງທ່ານ. ພວກເຂົາປະຕິບັດວຽກງານດັ່ງກ່າວໃຫ້ດີເຊິ່ງຕອນນີ້ທ່ານສາມາດສຸມໃສ່ດ້ານອື່ນໆທີ່ ສຳ ຄັນ.

ໃຊ້ AI: ໃນເວລາທີ່ມັນກ່ຽວກັບການຈັດການກັບວຽກຫຼາຍຢ່າງໂປແກຼມ AI ທີ່ໃຊ້ໄດ້ດີທີ່ສຸດ. ພວກເຂົາສາມາດວິເຄາະຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບຂົງເຂດຕ່າງໆແລະໃຫ້ຜົນຜະລິດທີ່ ເໝາະ ສົມທີ່ສຸດ. ຕົວຢ່າງ, ເມື່ອທ່ານຖາມ Siri ຫຼື Google Assistant ສຳ ລັບຮ້ານອາຫານອິຕາລຽນທີ່ໃກ້ທີ່ສຸດ, ທຳ ອິດມັນກວດພົບສະຖານທີ່ປະຈຸບັນຂອງທ່ານ, ຫຼັງຈາກນັ້ນສະແກນບັນດາຮ້ານອາຫານທັງ ໝົດ ທີ່ຢູ່ໃນພື້ນທີ່ພູມສາດນັ້ນຈາກນັ້ນກັ່ນຕອງຮ້ານອາຫານອິຕາລີແລະສະແດງໃຫ້ທ່ານເຫັນຜົນໄດ້ຮັບຈາກທີ່ໃກ້ທີ່ສຸດຈົນເຖິງທີ່ສຸດ. ເພື່ອວິເຄາະຂໍ້ມູນທັງ ໝົດ ນີ້ແລະເກີດຂື້ນກັບຜົນໄດ້ຮັບທີ່ແນ່ນອນ, ເຄື່ອງຈັກໃຊ້ສູດການຄິດໄລ່ສັບສົນທີ່ມາພາຍໃຕ້ Machine Learning

ດຽວນີ້, Machine Learning ແມ່ນຫຍັງ? ແລະເປັນຫຍັງພວກເຮົາຕ້ອງການມັນເມື່ອພວກເຮົາມີ Artificial Intelligence?

ມີສອງຈຸດ ສຳ ຄັນທີ່ ນຳ ໄປສູ່ Machine Learning.

ການເປີດເຜີຍຄັ້ງ ທຳ ອິດແມ່ນໄດ້ ນຳ ເອົາໂດຍ Arthur Samuel, ຜູ້ທີ່ຄົ້ນພົບວ່າແທນທີ່ຈະສ້າງເຄື່ອງຈັກທີ່ສະຫຼາດ, ມັນອາດຈະເປັນໄປໄດ້ທີ່ຈະຈັດໂຄງການໃຫ້ພວກເຂົາຮຽນຮູ້ດ້ວຍຕົນເອງ.

ຄັ້ງທີສອງແມ່ນເກີດຂື້ນກັບການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ເພີ່ມຂື້ນ. ນີ້ໄດ້ ນຳ ເອົາຂໍ້ມູນ ຈຳ ນວນມະຫາສານມາວິເຄາະ. ສະນັ້ນ, ນັກວິສະວະກອນຄິດວ່າ, ແທນທີ່ຈະສອນເຄື່ອງຈັກວິທີການວິເຄາະ, ມັນຈະງ່າຍຕໍ່ການວາງແຜນໃຫ້ພວກເຂົາຄິດມັນດ້ວຍຕົນເອງ. ແລະການສຽບໃສ່ອິນເຕີເນັດຈະເຮັດໃຫ້ພວກເຂົາສາມາດເຂົ້າເບິ່ງຂໍ້ມູນທັງ ໝົດ ໃນທົ່ວໂລກ. ນີ້ໄດ້ເລີ່ມຕົ້ນຄື້ນໃຫມ່ທີ່ເອີ້ນວ່າ Machine Learning.

Machine Learning ແມ່ນ ໜ້າ ທີ່ຂອງ Artificial Intelligence, ມັນແມ່ນວິທະຍາສາດໃນການອອກແບບໂປແກຼມແລະສູດການຄິດໄລ່ເພື່ອໃຫ້ເຄື່ອງຈັກສາມາດຄິດແລະຕັດສິນໃຈໄດ້ຄືກັບມະນຸດ. ຍົກຕົວຢ່າງ, ເຟສບຸກໃຫ້ທ່ານໂພສແນະ ນຳ ໂດຍອີງໃສ່ສິ່ງທີ່ທ່ານໄດ້ເບິ່ງຫຼາຍທີ່ສຸດ.

ການຮຽນຮູ້ຂອງເຄື່ອງຈັກສາມາດຖືກ ນຳ ໃຊ້ເພື່ອແກ້ໄຂບັນຫາທີ່ຮ້າຍແຮງເຊັ່ນ: ການສໍ້ໂກງບັດເຄຼດິດ, ການຮັບຮູ້ໃບ ໜ້າ ແລະອື່ນໆ, ໜ້າ ທີ່ ML ໂດຍການ ນຳ ໃຊ້ສູດການຄິດໄລ່ທີ່ສັບສົນທີ່ມີການວິເຄາະຂໍ້ມູນຢ່າງຕໍ່ເນື່ອງ, ປຽບທຽບກັບສະຖານະການທີ່ຜ່ານມາແລະຕອບສະ ໜອງ ກັບສະຖານະການຕ່າງໆ.

ມີສາມປະເພດຂອງ ML:

Supervised ML: ໃນປະເພດນີ້, ພວກເຮົາລ້ຽງໃນສູດການຄິດໄລ່ໂດຍມີກໍລະນີທົດສອບແລະສະຖານະການເປົ້າ ໝາຍ ເພື່ອໃຫ້ມັນໃຊ້ກັບກໍລະນີຕ່າງໆແລະຈະໃຫ້ຜົນໄດ້ຮັບທີ່ແນ່ນອນຄືກັນເມື່ອມີຂໍ້ມູນ ໃໝ່ ເຂົ້າມາ. ຕົວຢ່າງ: ກວດພົບການສໍ້ໂກງບັດເຄຼດິດ, ລົດ ຊອບແວແກ້ໄຂ.

ML ທີ່ບໍ່ໄດ້ຮັບການຢັ້ງຢືນ: ໃນທີ່ນີ້ບໍ່ມີຂໍ້ມູນທີ່ໄດ້ຮັບການປ້ອນກ່ອນ, ສູດການຄິດໄລ່ຂອງມັນເອງແມ່ນມີໂຄງການເຊັ່ນວ່າມັນຈັດຮຽງຂໍ້ມູນ, ເລືອກຮູບແບບແລະ ນຳ ເອົາຜົນໄດ້ຮັບທີ່ເປັນໄປໄດ້. ຕົວຢ່າງ: ເຄື່ອງຈັກແນະ ນຳ ໃນທຸກເວັບໄຊທ໌ການຄ້າ e-commerce.

Reinforced ML: ວິທີການນີ້ກ່ຽວຂ້ອງກັບການພົວພັນກັບສິ່ງແວດລ້ອມໃນແຕ່ລະວັນແລະການກະ ທຳ ທີ່ຈະສົ່ງຜົນໃຫ້ເກີດປະໂຫຍດສູງສຸດຫລືຫຼຸດຜ່ອນຄວາມສ່ຽງ. ສູດການຄິດໄລ່ບໍ່ໄດ້ຢຸດຕິການໂຕ້ຕອບຂອງມັນຈົນກ່ວາມັນຈະບັນລຸຄວາມເປັນໄປໄດ້ທັງ ໝົດ. ຕົວຢ່າງ: ການຫຼີ້ນເກມ, ລົດເກມບິນແລະອື່ນໆ.

ມີຄວາມແຕກຕ່າງ ໜ້ອຍ ໜຶ່ງ ລະຫວ່າງ Artificial Intelligence ແລະ Machine Learning, ເວົ້າອີກຢ່າງ ໜຶ່ງ, Artificial Intelligence ສ້າງເຄື່ອງຈັກທີ່ສະຫຼາດ, ໃນຂະນະທີ່ Machine Learning ເຮັດໃຫ້ພວກເຂົາສາມາດກຸ້ມຕົນເອງໄດ້. ເຕັກໂນໂລຢີທັງສອງຢ່າງນີ້ໄດ້ປະຕິວັດວິທີການຂອງໂລກເຮັດວຽກ, ເຖິງແມ່ນວ່າໄພຂົ່ມຂູ່ຂອງເຄື່ອງຈັກຈະຊັກຈູງ (ຂໍຂອບໃຈກັບ Hollywood), ເພາະວ່າດຽວນີ້ໃຫ້ພວກເຮົານັ່ງກັບມາກິນ ໝາກ ໄມ້ຕ່າງໆ.