artificial-intelligence - que - machine learning and artificial intelligence
Machine Learning, AI y Soft Computing (2)
Machine Learning podría considerarse parte de AI, sin embargo, clasificaría Machine Learning como el estudio de la creación de modelos semánticos y el comportamiento adaptativo con AI como la ciencia general de los sistemas con un comportamiento de apariencia inteligente.
La mayoría de lo que se usa como "IA" es bastante simplista, pero altamente efectivo, como la heurística y similares.
Soft Computing no cae como si tuviera muchos componentes ML y AI ya que se trata más del análisis de sistemas complejos. Sin embargo, podría estar equivocado. Al igual que con la mayoría de las cosas en informática, cuanto más profundizas, más descubres que todo está relacionado.
¿Cuál es la diferencia entre estos tres campos estrechamente relacionados? ¿Hay un todo específico del que forman parte (aparte de CS)?
AI es el proyecto intelectual de tratar de capturar todos los aspectos de la inteligencia humana en las computadoras. Un proyecto diferente, también llamado AI, busca usar algoritmos inspirados en los humanos para aproximarse a problemas convencionalmente insolubles. Podría decirse que AI abarca campos como la robótica, la planificación, el razonamiento, el aprendizaje y la comprensión del lenguaje natural.
El aprendizaje automático es la disciplina que intenta mejorar la ejecución de una tarea de una máquina, por ejemplo. Se podría considerar que está dentro del rango de intereses de AI, pero los investigadores en aprendizaje automático no necesitan tener intereses intelectuales en el éxito general de AI. El aprendizaje automático tiene una estrecha superposición con la física estadística y ciertos temas de procesamiento de señal, y ciertas formulaciones se superponen fuertemente a la planificación, la teoría de control y la programación dinámica.
La computación blanda involucra procesos que involucran soluciones indirectas, aproximadas en lugar de algoritmos binarios, ampliamente considerados para incluir tecnologías tales como lógica difusa, redes neuronales y algoritmos genéticos. Existe una gran superposición entre estas técnicas y un cierto subconjunto de planificación y aprendizaje de AI, teoría de control, teoría de sistemas complejos, etc.