更新時間：2024-10-06 16:04:54作者：留學之路
人工智能(AI)
人工智能是計算機科學的一個領域，它制造了一個可以模仿人類智能的計算機系統。它由“人工”和“智能”兩個詞組成，意思是“人造的思維能力”。因此，我們可以將其定義為：
人工智能是一種技術，我們可以用它來創建可以模擬人類智能的智能系統。
人工智能系統不需要預先編程，取而代之的是，他們使用可以與自己的智能一起工作的算法。它涉及機器學習算法，如強化學習算法和深度學習神經網絡。AI正在多個地方使用，例如Siri，Google的AlphaGo，AI在國際象棋比賽中等。
機器學習(ML)
機器學習是關于從數據中提取知識。它可以定義為：
機器學習是人工智能的一個子領域，它使機器能夠從過去的數據或經驗中學習，而無需顯式編程。
機器學習使計算機系統能夠使用歷史數據進行預測或做出一些決策，而無需顯式編程。機器學習使用大量結構化和半結構化數據，以便機器學習模型可以生成準確的結果或根據該數據進行預測。了解更多美國專業，歡迎咨詢留學網留學
機器學習的工作原理是使用歷史數據自行學習的算法。它僅適用于特定領域，例如，如果我們創建一個機器學習模型來檢測狗的圖片，它只會為狗的圖像提供結果。但是如果我們提供像貓圖像這樣的新數據，那么它將變得無響應。機器學習被用于各種地方，例如在線推薦系統，Google搜索算法，垃圾郵件過濾器，Facebook自動朋友標記建議等。
二、美國AI與ML專業的區別
| 人工智能（AI） | 機器學習（ML） |
| 人工智能是一種使機器能夠模擬人類行為的技術。 | 機器學習是AI的一個子集，它允許機器自動從過去的數據中學習，而無需顯式編程。 |
| 人工智能的目標是制造一個像人類一樣的智能計算機系統來解決復雜的問題。 | ML的目標是允許機器從數據中學習，以便它們可以提供準確的輸出。 |
| 在人工智能中，我們制造智能系統來像人類一樣執行任何任務。 | 在ML中，我們用數據教機器執行特定任務并給出準確的結果。 |
| 機器學習和深度學習是人工智能的兩個主要子集。 | 深度學習是機器學習的主要子集。 |
| 人工智能的范圍非常廣泛。 | 機器學習的范圍有限。 |
| 人工智能正在努力創建一個可以執行各種復雜任務的智能系統。 | 機器學習正在努力創建只能執行它們所訓練的特定任務的機器。 |
| 人工智能系統關注的是最大化成功的機會。 | 機器學習主要關注準確性和模式。 |
| AI的主要應用是Siri，使用貓船的客戶支持系統，專家系統，在線游戲游戲，智能人形機器人等。 | 機器學習的主要應用有在線推薦系統、谷歌搜索算法、Facebook自動好友標記建議等。 |
| 在能力的基礎上，AI可以分為三種類型，分別是弱AI，通用AI和強AI。 | 機器學習也可以主要分為三種類型，分別是監督學習，無監督學習和強化學習。 |
| 它包括學習，推理和自我糾正。 | 它包括使用新數據引入時的學習和自我糾正。 |
| AI完全處理結構化，半結構化和非結構化數據。 | 機器學習處理結構化和半結構化數據。 |