La principal diferencia es que los sistemas expertos son sistemas basados en reglas, mientras que el aprendizaje automático moderno (ML) se basa en modelos estadísticos de datos. Es decir, un sistema experto utiliza declaraciones if-then cuando hace inferencia, mientras que un sistema ML proyecta la entrada en algún espacio modelo.
Por ejemplo, un sistema experto para el diagnóstico de enfermedades utilizará una base de datos de hechos y luego usará las declaraciones if-then para inferir la enfermedad a partir de los síntomas. El sistema experto también puede sintetizar una explicación al proceso de inferencia. Aprenden por expertos humanos inyectando directamente conocimiento de nivel de dominio en el sistema. La investigación actual de inteligencia artificial (IA) se ha alejado de tales sistemas.
El aprendizaje automático, por otro lado, se basa en aprender un modelo de los datos. Un sistema de aprendizaje automático consta de parámetros que modelan el problema. Los sistemas actuales se basan en el mapeo como se muestra a continuación.
- ¿Existe alguna implementación de aprendizaje profundo de respuesta basada en la recuperación de preguntas?
- Cómo hacer ingeniería de características en aprendizaje automático
- ¿Cuáles son algunos textos recientes sobre métodos de kernel?
- ¿Cuál es el propósito de visualizar las capas de activación en una arquitectura de red neuronal convolucional?
- ¿Cómo puede un estudiante de primer año en la universidad comenzar su viaje para una carrera en ML e IA?
[matemáticas] y = f (x, w) [/ matemáticas]
Donde [matemática] y [/ matemática] = salida, [matemática] x [/ matemática] = entrada, [matemática] w [/ matemática] = parámetros
El proceso de aprendizaje intenta encontrar un conjunto de valores de parámetros [math] w [/ math] de modo que el mapeo sea correcto para la mayoría de los casos. Si [matemática] x [/ matemática] son síntomas, entonces [matemática] y [/ matemática] debería ser la enfermedad asociada. En el aprendizaje automático moderno, solo se proporcionan pares de entrada-salida para el aprendizaje, en un entorno supervisado. Los modelos de ML son muy difíciles de explicar, tampoco sintetizan explicaciones.
Espero que esto ayude.