Sa larangan ng teknolohikal na pagbabago, dalawang termino ang madalas na naghahalo at kung minsan ay nagagamit pa nang magkasabay: Machine Learning (ML) at Artificial Intelligence (AI). Bagama't walang alinlangang nauugnay at magkakaugnay ang mga konseptong ito, kinakatawan ng mga ito ang mga natatanging facet sa loob ng mas malawak na tanawin ng teknolohiya at computer science.
Pagtukoy sa Machine Learning
Ang machine learning, sa kaibuturan nito, ay isang subset ng Artificial Intelligence. Kabilang dito ang mga system at algorithm na nagbibigay-daan sa mga computer na matuto mula sa data at mapabuti ang kanilang pagganap sa mga partikular na gawain nang walang tahasang programming. Sa esensya, ang mga ML algorithm ay gumagamit ng mga pattern at istatistikal na pamamaraan upang paganahin ang mga makina na unti-unting mapahusay ang kanilang mga kakayahan.
May tatlong pangunahing uri ng machine learning:
-
Supervised Learning: Kabilang dito ang pagsasanay ng isang modelo sa may label na data, kung saan natututo ang algorithm mula sa mga pares ng input-output at hinuhulaan ang mga resulta kapag binigyan ng bagong input.
-
Unsupervised Learning: Sa sitwasyong ito, gumagana ang modelo sa walang label na data, sinusubukang maghanap ng mga pattern o istruktura sa loob ng dataset nang walang partikular na gabay sa output.
-
Reinforcement Learning: Ang uri na ito ay nagsasangkot ng pag-aaral ng mga algorithm sa pamamagitan ng pagsubok at error sa pamamagitan ng pakikipag-ugnayan sa isang kapaligiran. Ang system ay tumatanggap ng feedback sa anyo ng mga gantimpala o mga parusa batay sa mga aksyon nito.
Pag-unawa sa Artipisyal na Katalinuhan
Ang artificial intelligence, sa kabilang banda, ay kumakatawan sa isang mas malawak na konsepto na sumasaklaw sa mga makina o system na maaaring magsagawa ng mga gawain na karaniwang nangangailangan ng katalinuhan ng tao. Nilalayon ng AI na gayahin ang mga proseso ng katalinuhan ng tao tulad ng pag-aaral, pangangatwiran, paglutas ng problema, persepsyon, at pag-unawa sa wika.
Sinasaklaw ng AI ang iba't ibang teknolohiya, kabilang ang machine learning, ngunit higit pa sa mga ito. Kasama sa AI, halimbawa, ang mga ekspertong system, na mga sistemang nakabatay sa panuntunan na tumutulad sa kakayahan sa paggawa ng desisyon ng isang dalubhasa ng tao sa isang partikular na domain.
Mga Pangunahing Pagkakaiba
Habang ang machine learning ay isang mahalagang bahagi ng AI, ang pagkakaiba ay nakasalalay sa kanilang saklaw at aplikasyon:
-
Saklaw: Machine learning ay isang subset ng AI, partikular na nakatuon sa pagpapayag sa mga machine na matuto mula sa data. Ang AI, sa kabilang banda, ay sumasaklaw sa isang mas malawak na hanay ng mga teknolohiya at pamamaraan na higit pa sa pag-aaral mula sa data.
-
Application: Ang mga algorithm ng machine learning ay inilalapat sa isang malawak na hanay ng mga gawain, mula sa pagkilala ng imahe hanggang sa natural na pagproseso ng wika at mga sistema ng rekomendasyon. Ang AI, gayunpaman, ay sumasaklaw sa mga application na ito kasama ng mga ekspertong system, robotics, at iba pang mga lugar na ginagaya ang katalinuhan ng tao.
