¿Se utiliza el aprendizaje automático para resolver otros problemas en lugar de problemas relacionados con la inteligencia artificial?

Por supuesto, el aprendizaje automático (ML) se puede aplicar en los siguientes campos.

• Medicina
• Agricultura
• Ciencias económicas
• márketing
• Industria de alimentación y nutrición .
• Pronóstico del tiempo
• Genética

Sin embargo, no veo cómo ML puede separarse de la inteligencia artificial (IA) porque cada área de aplicación que ML aplica se convierte en última instancia al alcance de AI porque ML está bajo AI. Si aplicamos ML al control de plagas en la agricultura, por ejemplo, el control de plagas se relaciona con la IA.

Usando esa línea de pensamiento, no hay un campo que no esté relacionado con la IA porque (casi) siempre es posible emitir un problema en forma de un modelo AI / ML que hace que ese problema sea un problema relacionado con la IA.

Los problemas que podemos ver rápidamente como relacionados con la IA son:

• Juegos de Atari
• Robótica
• Antivirus
• Ajedrez
• Ir
• Reconocimiento facial
• Reconocimiento de objetos

Esto se debe a que con frecuencia se mencionan como áreas de aplicación de AI / ML. Pero AI / ML no se limita a estas áreas de aplicación.

Espero que esto ayude.

El aprendizaje automático en general a menudo se divide en dos subtareas: regresión y clasificación.

La regresión puede ser cualquier cosa que implique, bien regresión. Regresión lineal, múltiple, multinomial. Por lo general, se lleva a cabo para predecir un número o un nivel de lo que sea que esté regresando. Podría ser que se le proporcione un conjunto de datos de diferentes medidas de una población de personas, por ejemplo, talla de zapatos, peso, altura, sexo, etc. Al usar esta información, podría tener cualquiera de estas variables que sea la variable de respuesta (el atributo tratando de predecir) en una regresión y los otros son los predictores. Usando este esquema, podría recopilar más datos de personas e intentar predecir, por ejemplo, su peso solo dadas las otras mediciones.

La clasificación se usa, como su nombre lo indica, para clasificar a qué grupo debe pertenecer una observación. Considere que le dan una caja de manzanas y peras y una lista de las medidas de cada fruta (circunferencia, volumen, peso, etc.). Entonces podría realizar una tarea de clasificación al tratar de identificar qué frutas son manzanas y cuáles son peras. Según el rendimiento del clasificador, es posible que desee utilizar este esquema de clasificación para identificar frutas futuras.

Se puede usar para tareas predictivas mundanas como predicción de abandono de clientes, predicción de ingresos, predicción de sentimientos, etc., que generalmente no encajan en la historia sagrada de la IA.

Es como preguntar si se pueden usar destornilladores para resolver problemas no relacionados con herramientas. El aprendizaje automático es un subcampo de la IA.