¿Es mejor aprender IA sobre ML, en caso de que ML se vuelva obsoleto?

Antes de responder ¿Es mejor aprender IA sobre ML, en caso de que ML se vuelva obsoleto? Veamos la diferencia entre AI y ML

La Inteligencia Artificial (IA) en sí misma es un término más amplio, es la capacidad de las computadoras para realizar tareas al igual que los humanos. Por ejemplo, la visión por computadora y la identificación de objetos son similares a las que vemos los objetos, el procesamiento de sonido es similar a escuchar, NPL a comprender lo que ha escuchado y muchos más sentidos directos o indirectos.

mientras

Machine Learning (ML) es la capacidad de IA o concepto, solo debemos proporcionar datos a las máquinas y dejar que mejoren sus algoritmos, al igual que observamos cosas y percibimos el entorno.

Volviendo a la pregunta,

AI o ML son muy amplios y nunca serán obsoletos. Solo evolucionarán. Realmente depende de su interés y habilidades. En ML, hay muchas cosas como el aprendizaje cognitivo, el aprendizaje asociativo, el aprendizaje conductual, el aprendizaje afectivo, etc.

Puedo recomendar ir a través de algunos cursos en Coursera y ver lo que te gusta.

Puede comenzar con Machine Learning de Andrew NG, Procesamiento del lenguaje natural, Fundamentos del procesamiento de imágenes digitales y video o comenzar con algo interesante.

Principalmente, ambas materias son interdependientes entre sí al igual que la física y las matemáticas. Cada uno tiene su propio propósito de uso.

Si estudiamos detenidamente la definición de ambos, podemos llegar a esto …

“La inteligencia artificial es una rama de la computadora que se ocupa de la simulación de inteligencia en las computadoras. “Mientras que

“Machine Learning es una parte de la informática que se ocupa del aprendizaje de la computadora sin ser un programa explícito. ”

Ambas son sub ramas de la informática. Por lo tanto, responder la pregunta acerca de que ML es obsoleto es nulo.

Ahora, la elección de seleccionar entre AI y ML depende de qué campo elijas. Si está trabajando para hacer que la máquina aprenda y hacer que funcionen, elija ML. Pero si los está haciendo conectarse a través de una red o si desea que analicen los datos, use AI.

En otras palabras, para la computación de big data, los sistemas expertos usan inteligencia artificial, mientras que para el análisis predictivo usan el aprendizaje automático.

Déjame darte un ejemplo de dron depredador.

Un dron depredador es un vehículo armado no tripulado (UAV) cuyo objetivo principal es destruir la base del enemigo y apoyar amistosos.

Ahora, en caso de aprendizaje automático, es solo una máquina que puede volar en el aire y lanzar bombas. Para eso está programado. Ahora, para hacer que ese dron comprenda dónde dejar caer el misil, cuál debería ser su distancia de vuelo sobre el nivel del mar, cuándo regresar a la base para repostar combustible, ahora todo esto viene en IA.

Entonces, para una fácil comprensión, el aprendizaje automático le ayuda a la máquina a conocer sus propiedades y características, mientras que hacer uso de esas características y desarrollar una habilidad a partir de su experiencia, eso viene en inteligencia artificial.

Por lo tanto, elige sabiamente.

¡¡¡Buena suerte!!!

¡¡¡Feliz aprendizaje!!!

El aprendizaje automático es un subcampo de la IA.

Existe una división a largo plazo entre la inteligencia artificial bien pasada de moda, que se basa en la visión humana para construir inteligencia en modelos para que luego puedan actuar de manera inteligente, y enfoques estadísticos u holísticos que intentan enseñar a algunos sistemas el comportamiento correcto sin construir ningún entendimiento del problema en ello.

El aprendizaje automático basado en estadísticas y el aprendizaje profundo son las últimas manifestaciones del enfoque holístico, pero hay muchas más antiguas. Pero en la práctica, cualquier método holístico necesita al menos un poco de GOFAI para que sea práctico. AlphaGo utiliza una red neuronal convolucional para detectar patrones (holísticos) y una búsqueda de árbol (GOFAI). Sin duda, todos esos autos sin conductor utilizan el aprendizaje automático para identificar características, pero no confían en las redes neuronales para aplicar los frenos.

Así que supongo que lo que digo es aprender ambos. Honestamente, en realidad no hay mucho para la mayoría de las técnicas holísticas si conoces algunas estadísticas y matemáticas. Es sobre todo experimental.

Dale al hombre un pez para alimentarlo al día. Enseñe al hombre a pescar para alimentarlo toda la vida.

Creo que la cita anterior se aplica a esta y muchas otras displines. No veo el punto de enfocar un área específica que resulta ser popular en este momento. Debes concentrarte en un área en la que seas bueno o te sientas muy apasionado. Lo más probable es que arruines tu carrera si solo eliges ML porque es popular o “prometedor”. Este es solo un consejo amigable. Muchas personas con talento han llegado a esta trampa. Asegúrate de no ser uno de ellos.

Si siente hormigueo cuando piensa en el futuro con robots, automóviles autónomos, computadoras que pueden pensar y parques temáticos de Westworld, ya sabe que debe elegir la IA. Pero no se engañe pensando que ya estamos allí o que el aprendizaje automático (como lo es ahora) nos llevaría allí.

Inteligencia artificial es un término más amplio. Cuando su CA logra mantener la temperatura en la habitación o cuando el hervidor eléctrico se apaga cuando el agua hierve, puede considerarse como AI.

El aprendizaje automático es un campo específico de IA en el que está involucrado el “aprendizaje”. Esto generalmente significa que tiene datos pasados ​​y le enseña a Machine a tomar decisiones basadas en ellos.

El aprendizaje automático no puede quedar obsoleto. El objetivo de la IA es dar inteligencia a las computadoras / dispositivos como lo hacen los humanos. Los humanos “aprenden” a tomar decisiones correctas a través de la experiencia / errores. Y Machine Learning es el campo más cercano de IA que funciona de manera similar.

El aprendizaje automático y la inteligencia artificial son términos muy amplios …

El aprendizaje automático nunca se volverá obsoleto en términos de Inteligencia Artificial porque es lo que impulsa a la IA a evolucionar (ser más inteligente, tener un mejor rendimiento que antes y así sucesivamente). Es por eso que se llama “aprendizaje automático” porque la máquina aprende a través de algún tipo de algoritmo.

Si realmente tiene curiosidad sobre AI y ML, le recomendaré que aprenda estos campos desde diferentes puntos.

Personalmente, comencé a aprender sobre las redes neuronales en la primavera de 2016 [fue mi primera inmersión en IA]. Últimamente en el verano de 2016 comencé con un curso de ML “puro” en Coursera, había algunos temas similares. Sin embargo, ambos cursos me dieron mucha información valiosa sobre IA y el conocimiento de un curso me ayudó a aprender otro.