基于规则的AI算法与机器学习技术哪个更好?

发布时间: 2021-02-19 11:28:04   行业资讯   作者:猎维科技

导读: 某些应用程序最好使用简单的基于规则的AI进行开发。而其他应用程序则适合使用机器学习方法。基于规则的AI系统借鉴了基于规则的专家系统开发。基于规则的AI模型包括一组规则和一组事实。系统使用机器学习方法。

某些应用程序最好使用简单的基于规则的AI进行开发,而其他应用程序则适合使用机器学习方法。人工智能并没有抛出过去50年来学到的所有软件开发规则和方法,只是其中的许多。基于规则的AI系统借鉴了基于规则的专家系统开发,该开发利用人类专家的知识来通过知识体系进行推理来解决复杂的问题。专家系统出现在1970年代和1980年代。

基于规则的AI系统借鉴了基于规则的专家系统开发,该开发利用人类专家的知识来通过知识体系进行推理来解决复杂的问题。

知识将通过if-then-else规则而不是程序代码来表示。专家系统被认为是早期AI的成功形式。   如今,基于规则的AI模型包括一组规则和一组事实。系统使用机器学习方法,根据在数据中看到的模式定义自己的规则集。机器学习系统依赖于使用统计数据的模型,根据训练数据流不断发展和适应。机器学习模型通常比基于规则的模型需要更多的数据。

作者建议基于规则的模型的最佳项目是当需要快速输出时或机器学习被视为容易出错时。机器学习模型的最佳项目是那些变化速度快且难以归结为一组既定规则的项目。 

机器学习程序“自己弄清楚”  

有些类似的观点得到了证实,工作流自动化,通过机器学习,计算机程序可以自己找出如何最好地实现这些目标的方法,并且可以在吸收更多数据并体验不同场景的结果时自我完善。

通过基于规则的系统,人们可以定义程序做出决策的逻辑,以工作招聘计划为例,该计划使经验不足五年的候选人失去了资格。如果使用机器学习方法评估求职者,则该程序将审查大量的培训数据,其中包括求职者何时合格或不合格的示例。该程序将识别模式并将其判断应用于输入的新数据,从而确定即将到来的求职者的优先级。 

至于何时使用基于规则的方法或机器学习方法,建议机器学习仅在成千上万的相关数据记录可用于进行准确的预测时才适用。这可能包括销售线索资格,客户支持自动响应以及具有许多因素的情况,这些情况会转换为数据集中的更多列。  

机器学习比要求人们既找到模式又为每个模式手动制定规则要好得多,可以识别数据中的模式。这样的一个例子是基于对历史销售价格和因素(包括位置,平方英尺和便利设施)的回顾来预测房地产价格的算法。此外,对于电子商务建议和销售预测等瞬息万变的环境,机器学习胜过基于规则的系统。

基于规则的系统最适合需要较少数据量和非常简单规则的应用程序。示例包括费用报告批准,该报告定义需要各个级别的管理批准的美元阈值,或者使用关键字列表确定目的地的电子邮件路由。  

一些系统结合了基于规则的机器学习。广告业务中的一位催化客户使用基于规则的系统来搜索关于投标表格请求中先前问题的答案的库。然后,通过机器学习算法扫描在该过滤的库中被认为更相关的响应,以预测每个问题的最佳答案。   将基于规则的系统与机器学习相结合,可以使每种方法弥补彼此的缺点。

“ AI的整个宇宙”可以分为基于规则的或基于学习的 

一种观点认为,基于规则的技术和机器学习技术的“整个AI领域可以分为这两类。通过机器学习技术实现AI的计算机系统称为学习系统。基于规则的系统的目标是捕获专业领域的专家知识,并将其体现在计算机系统中。   基于规则的系统的困境是难以在不引入矛盾的规则的情况下将规则添加到大型知识库中。这些系统的维护通常会变得非常耗时和昂贵。结果,基于规则的系统对于解决复杂域或跨多个简单域的问题的用处不大。  

机器学习系统的另一个问题是,无法提取系统的内部工作原理,这导致了黑匣子,缺乏对系统如何做出决策的了解。这是许多应用程序的主要问题。例如,《平等信贷机会法案》要求必须为采取行动的具体原因提供信贷申请。   

黑匣子决策所带来问题的变化形式是纽约西奈山医院的研究人员在将学习系统应用于医院大约70万人的记录数据库中的经验。最终的学习系统称Deep Patient,结果证明它非常擅长预测疾病。甚至似乎可以预测精神分裂症等精神疾病的发作。