人工智能和机器学习之间有什么区别？
Answers:
人工智能的定义可分为四类：以人为本，理性思考，以人为本和理性行动。下图（来自人工智能：一种现代方法）将阐明这些定义：
我喜欢约翰·麦卡锡（John McCarthy）的定义：“这是制造智能机器（尤其是智能计算机程序）的科学和工程。与使用计算机来理解人类智能的类似任务相同，但AI不必局限于生物学上可观察的方法。”
另一方面，机器学习是AI的领域，它处理使软件无需明确编程即可对输出做出更好的预测。在一组数据上使用各种算法来预测未来。机器学习是数据驱动和面向数据的。机器学习是从AI模式识别和计算学习理论的研究发展而来的。
简而言之，人工智能是计算机科学领域，致力于为机器提供执行合理任务的能力。自然语言处理，自动化，图像处理以及许多其他功能都是其中的一部分。
机器学习是AI的子集，它是面向数据的并处理预测。用于搜索引擎，Youtube推荐列表等。
机器学习是人工智能的子集。粗略地说，它对应于其学习方面。没有“官方”定义，界限有点模糊。
许多术语“大部分”具有相同的含义，因此区别仅在于重点，观点或历史渊源。人们不同意哪个标签是指超集或子集。有些人将AI称为ML的分支，而有人将ML称为AI的分支。
我通常会听到机器学习被用作“应用统计信息”的一种形式，其中我们对学习问题进行了足够详细的说明，以便我们可以将培训数据输入其中，并从另一端获得有用的模型。
我通常会听到人工智能是一个包罗万象的术语，指代嵌入到环境或代码中的任何类型的智能。这是一个非常广泛的定义，和其他人使用较窄的人（如专注于人造一般智力，这是不特定域）。（极端地说，我的版本包括恒温器。）
机器学习是人工智能的子集，仅占其潜力的一小部分。这是一种主要用于统计/概率技术和进化技术的AI实现方法。问
人工智能
人工智能是“ 能够执行通常需要人类智能的任务的计算机系统的理论和发展 ”（例如视觉感知，语音识别，决策和语言之间的翻译）。
我们可以将AI视为非人类决策Q的概念，它旨在模拟类似于人类的认知功能，例如解决问题，决策或语言交流。
机器学习
机器学习（ML）基本上是通过构建模型的实现来进行的学习，构建模型可以预测和识别数据中的模式。
根据计算机科学的斯蒂芬妮·泰勒（Stephanie R.Taylor）教授和她的演讲论文以及Wikipedia页面的介绍，“机器学习是人工智能的一个分支，它涉及可从数据中学习的系统的构建和研究 ”（例如基于现有的电子邮件，以了解如何区分垃圾邮件和非垃圾邮件。
根据牛津字典，机器学习是“ 计算机从经验中学习的能力 ”（例如，根据新获取的信息修改其处理）。
我们可以将ML视为现有数据中的计算机化模式检测，以预测未来数据中的模式。问
换句话说，机器学习涉及自学习算法的开发，而人工智能则涉及开发系统或软件来模仿人类在某种情况下的响应和行为。Quora
机器学习是一门涉及自学习算法开发的科学。这些算法实际上更具通用性，可以应用于各种领域相关的问题。
人工智能是一门开发系统或软件以模仿人类在周围做出反应和行为的科学。作为一个领域非常广泛的领域，人工智能已经将其目标划分为多个部分。后来，每个卡盘都成为解决其问题的独立研究领域。
人工智慧：实际行动中的实体的知识属性。
机器学习：如何做一个人为的实体来添加其知识的信息（学习）
简而言之，人工智能是试图模仿人类或其他动物行为的科学领域。
机器学习是人工智能背后的关键工具/技术之一。
首先，我在商务智能课程中遇到的术语“机器学习”比在AI课程中遇到的更多。
我的AI教授Rolf Pfeifer会这样说：（在对什么是智能，如何定义它，不同类型的智能等进行了长时间的讨论之后）。ML更静态和“愚蠢”，没有意识到它的实际环境，并且不与它交互，或者仅在抽象的基础上进行交互。AI具有一定的环境意识，可以与环境进行交互，从而通过反馈循环进行自主决策。从这个角度来看，Ugnes Answer可能是最接近的。除此之外，ML当然是AI的子集。
机器学习不是真正的智能（imho），它主要是反映在逻辑算法中的人类智能，正如我的商业智能教授所说的那样：关于数据及其分析。机器学习有很多监督算法，实际上确实需要人类通过说出对与错来支持学习过程，因此它们不是独立的。一旦应用了它们，算法就几乎是静态的，直到人们重新调整它们为止。在ML中，您大多具有黑匣子设计，而主要方面是数据。数据进入，数据被分析（“智能化”），数据消失，学习在大多数情况下适用于预实施/学习的过程。在大多数情况下，ML并不关心机器所处的环境，它只关心数据。
相反，人工智能是关于模仿人类或动物的智力。按照我的教授的方法，人工智能不一定与自我意识有关，而是与环境互动，因此，要构建人工智能，您需要给机器传感器提供感知环境的能力，能够持续学习的各种智能以及相互作用的元素与环境（武器等）。互动应该以自主方式进行，理想情况下，就像人类一样，学习应该是一种自主的，持续的过程。
因此，在逻辑方案中扫描字段以查找颜色模式以在农作物中发现杂草的无人驾驶飞机会更好。特别地，如果数据稍后由人类进行分析和验证，或者所使用的算法是具有内置“智能”但不能重新布置或适应其环境的静态算法。无人机会自动飞行，在电池电量不足时自动充电，扫描杂草，学会检测未知杂物并自行将其撕裂并带回进行验证，这就是AI ...
让我们对自己进行测试以找出差异。
步骤1：我会写一个字，你必须大声念出来。
这个词是： Stackoverflow
好！！！ 所以你可以无缝地发音
步骤2：现在您必须发音另一个单词。
这个词是： Worcestershire
嗯！发现困难，但仍然可以发音，这使您变得聪明。
确切地说，当您克服困难时intelligence。
但是现在，如果我告诉您如何发音，并且您尝试相同的测试，那么您将不会感到困难，因为您学会了如何发音。
人工智能和机器学习也是如此。
因此，人工智能是一种映射人类逻辑，推理，理解和解决问题能力的方法。
机器学习是根据模式，统计数据和经验来记住或预测。
因此，人工智能要具有解决问题的能力，逻辑，推理，理解能力，但是仍然需要学习获得这些技能，因此机器学习是人工智能的一部分。