التعلم الآلي (ML) و الذكاء الاصطناعي (AI) مصطلحان يستخدمان غالبًا بالتبادل ، لكنهما في الواقع يشيران إلى شيئين مختلفين.
يشير الذكاء الاصطناعي إلى إنشاء آلات أو أنظمة يمكنها أداء المهام التي تتطلب عادةً ذكاءً بشريًا. مثل الإدراك والاستدلال والتعلم واتخاذ القرار ومعالجة اللغات الطبيعية. يتضمن الذكاء الاصطناعي تطوير الخوارزميات والتقنيات التي يمكن أن تمكن الآلات من فهم البيانات والاستنتاج والتعلم منها.
من ناحية أخرى ، يعد التعلم الآلي مجموعة فرعية من الذكاء الاصطناعي. التي تركز على تطوير الخوارزميات والتقنيات التي تمكن الآلات من التعلم من البيانات دون أن تتم برمجتها بشكل صريح. بمعنى آخر ، إنها طريقة لتعليم الآلات تعلم الأنماط واتخاذ القرارات من البيانات. يمكن تصنيف خوارزميات التعلم الآلي إلى ثلاثة أنواع رئيسية: التعلم الخاضع للإشراف ، التعلم غير الخاضع للإشراف ، التعلم شبه الخاضع للإشراف، و التعلم المعزز. يتضمن التعلم الخاضع للإشراف تدريب نموذج على البيانات المصنفة ، حيث تتعلم الخوارزمية التنبؤ بمخرجات بناءً على مدخلات معينة. يتم تزويد الخوارزمية بمجموعة من أزواج المدخلات والمخرجات وتتعلم لتعميم تنبؤاتها على المدخلات الجديدة. يتضمن التعلم غير الخاضع للإشراف تدريب نموذج على البيانات غير المرمزة. حيث تتعلم الخوارزمية اكتشاف الأنماط والعلاقات داخل البيانات دون أي توجيه صريح. يتضمن التعلم المعزز تدريب نموذج لاتخاذ القرارات بناءً على التعليقات التي يتلقاها من بيئته. تتعلم الخوارزمية تحسين عملية اتخاذ القرار بناءً على الملاحظات الإيجابية أو السلبية التي تتلقاها.
باختصار ، الذكاء الاصطناعي هو مجال واسع يشمل مجموعة من التقنيات والتطبيقات ، بما في ذلك التعلم الآلي ML ، في حين أن تعلم الآلة هو مجموعة فرعية من الذكاء الاصطناعي AI تركز على تطوير الخوارزميات والتقنيات التي تمكن الآلات من التعلم من البيانات.
