機器學習和人工智慧的區別

　　1、人工智慧

　　AI代表人工智慧，智慧定義知識智慧的獲取被定義為獲取和應用知識的能力。

　　目的是增加成功的機會而不是準確性。

　　它可以作為一個完成智慧工作的計算機程式。

　　目標是模擬自然智慧以解決複雜問題。

　　AI是決策。

　　它導致開發一個模仿人類在某種情況下做出反應的系統。

　　AI將尋找最佳解決方案。

　　2、機器學習

　　ML代表機器學習，其被定義為知識或技能的獲得。

　　目的是提高準確性，但不關心成功。

　　這是一個簡單的概念機器，可以獲取資料並從資料中學習。

　　目標是從某些任務的資料中學習，以最大限度地提高機器在此任務上的效能。

　　ML允許系統從資料中學習新東西。

　　它涉及建立自學習演算法。

　　無論是否最佳，ML都會為此尋求解決方案。

　　電子類的智慧是指：具有全開放式平臺，搭載了作業系統，在使用的同時，可自行安裝和解除安裝各類應用軟體，並對功能進行擴充和升級。

　　如各類智慧手機、智慧電視等。

　　人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。

　　主要區別就是智慧產品不“機械”可供人有選擇地訂製、應用；人工智慧代替人的部分勞動。

　　機器學習的本質是求解一個最最佳化問題。而遺傳演算法屬於最最佳化演算法中的不確定性最佳化(Stochastic optimization)。最最佳化求解，可以看作一個在解空間內的搜尋問題。不確定性最佳化，它的搜尋方向沒有一個確定的數學表示式，而是依賴一個隨即變數，在最佳化收斂到區域性極值時，能跳出區域性最優。計算生物裡，有段時間流行過一些以GA演算法為基礎的Marker篩選方法，但這類演算法終究是非主流。因為在對於求解生物問題來講，最重要的是結果的穩健與可重複，這一點恰恰是GA的弱點。