Artificial intelligence, machine learning and neural networks are often mentioned together, but they aren’t the same thing. Think of AI as the big picture, machine learning as one way of achieving it, and neural networks as a particular technique used in machine learning. Sounds complicated? It doesn’t have to be! Discover how experts and educators across Europe explain these concepts through everyday examples, from recognising cats in photos to teaching computers to play video games.
BEFORE YOU READ...
Is every AI system built using machine learning?
Think about an AI chatbot, a self-driving car or a character in a video game. Do they all learn in the same way? What do you think makes machine learning and neural networks different from AI in general?
Explore Different Perspectives
Discover six perspectives on the relationship between AI, machine learning and neural networks, from simple everyday comparisons to the difference between using AI and creating it.
Frank Reichert — AI is the big idea, machine learning is the method, neural networks are the tool
sorry. I couldn’t resist using ChatGPT. 🙂
I had a colleague while working in Singapore as the head of Ericsson Cyberlab who had used machine learning before 1999 to train Chinese handwriting recognition software using 1 million samples collected at airports. So, technologies like machine learning have been around a long time.
- Artificial Intelligence (AI) AI is the big idea — it’s about making computers act intelligently. That means getting machines to solve problems, make decisions, or perform tasks that normally require human intelligence — like recognizing faces, understanding language, or playing chess. Example: When you ask Siri a question, it uses AI to understand what you mean and find an answer.
- Machine Learning (ML) Machine learning is a subset of AI — it’s one way to create intelligence. Instead of programming a computer with fixed rules, you train it with data so it can learn patterns and make its own predictions. Example: You show a computer thousands of pictures of cats and dogs, and it learns to tell them apart — even when it sees new pictures.
- Neural Networks. Neural networks are a specific type of machine learning model, inspired by the human brain. They consist of layers of connected “neurons” that process information and learn complex patterns. Example: A neural network might power a photo app that automatically recognizes your friends’ faces or a language model that can write text like a human.
- AI is the goal — making computers smart.
- Machine Learning is a way to achieve AI — learning from data.
- Neural Networks are a powerful method used in machine learning.
Frank Reichert, Norway, Professor emeritus at University of Agder (UiA), Co-founder AI Experts AS, AI Expert
Læs på dansk (DK)
Undskyld. Jeg kunne ikke modstå fristelsen til at bruge ChatGPT. 🙂 Da jeg arbejdede i Singapore som leder af Ericsson Cyberlab, havde jeg en kollega, der allerede før 1999 havde brugt maskinlæring til at træne software til genkendelse af kinesisk håndskrift ved hjælp af en million prøver indsamlet i lufthavne. Teknologier som maskinlæring har altså eksisteret i lang tid.- Kunstig intelligens (AI). AI er den overordnede idé – det handler om at få computere til at opføre sig intelligent. Det betyder, at maskiner skal kunne løse problemer, træffe beslutninger eller udføre opgaver, der normalt kræver menneskelig intelligens – såsom at genkende ansigter, forstå sprog eller spille skak. Eksempel: Når du stiller Siri et spørgsmål, bruger den AI til at forstå, hvad du mener, og finde et svar.
- Maskinlæring (ML). Maskinlæring er en underkategori af AI – det er en måde at skabe intelligens på. I stedet for at programmere en computer med faste regler træner man den med data, så den kan lære mønstre og lave sine egne forudsigelser. Eksempel: Du viser en computer tusindvis af billeder af katte og hunde, og den lærer at skelne mellem dem – også når den ser nye billeder.
- Neurale netværk. Neurale netværk er en bestemt type maskinlæringsmodel, der er inspireret af den menneskelige hjerne. De består af lag af forbundne “neuroner”, som behandler information og lærer komplekse mønstre. Eksempel: Et neuralt netværk kan drive en fotoapp, der automatisk genkender dine venners ansigter, eller en sprogmodel, der kan skrive tekst ligesom et menneske.
- AI er målet – at gøre computere intelligente.
- Maskinlæring er en måde at opnå AI på – ved at lære af data.
- Neurale netværk er en effektiv metode, der bruges inden for maskinlæring.
Frank Reichert, Norge, professor emeritus ved Universitetet i Agder (UiA), medstifter af AI Experts AS, AI-ekspert
Auf Deutsch lesen (DE)
Entschuldigung. Ich konnte einfach nicht widerstehen, ChatGPT zu benutzen. 🙂 Als ich in Singapur als Leiter des Ericsson Cyberlab arbeitete, hatte ich einen Kollegen, der bereits vor 1999 maschinelles Lernen eingesetzt hatte, um eine Software zur Erkennung chinesischer Handschrift zu trainieren. Dafür verwendete er eine Million Schriftproben, die an Flughäfen gesammelt worden waren. Technologien wie maschinelles Lernen gibt es also schon seit langer Zeit.- Künstliche Intelligenz (KI). KI ist die übergeordnete Idee – es geht darum, Computer dazu zu bringen, sich intelligent zu verhalten. Das bedeutet, Maschinen in die Lage zu versetzen, Probleme zu lösen, Entscheidungen zu treffen oder Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern – beispielsweise Gesichter zu erkennen, Sprache zu verstehen oder Schach zu spielen. Beispiel: Wenn du Siri eine Frage stellst, nutzt sie KI, um zu verstehen, was du meinst, und eine Antwort zu finden.
- Maschinelles Lernen (ML). Maschinelles Lernen ist ein Teilbereich der KI – es ist eine Möglichkeit, Intelligenz zu erschaffen. Anstatt einen Computer mit festen Regeln zu programmieren, trainiert man ihn mit Daten, damit er Muster erkennen und eigenständig Vorhersagen treffen kann. Beispiel: Du zeigst einem Computer Tausende Bilder von Katzen und Hunden, und er lernt, sie voneinander zu unterscheiden – selbst wenn er neue Bilder sieht.
- Neuronale Netze. Neuronale Netze sind eine bestimmte Art von Modell des maschinellen Lernens, das vom menschlichen Gehirn inspiriert ist. Sie bestehen aus Schichten miteinander verbundener „Neuronen“, die Informationen verarbeiten und komplexe Muster erlernen. Beispiel: Ein neuronales Netz könnte einer Foto-App ermöglichen, automatisch die Gesichter deiner Freunde zu erkennen, oder als Grundlage für ein Sprachmodell dienen, das Texte wie ein Mensch verfassen kann.
- KI ist das Ziel – Computer intelligent zu machen.
- Maschinelles Lernen ist ein Weg, KI zu verwirklichen – durch das Lernen aus Daten.
- Neuronale Netze sind eine leistungsfähige Methode, die beim maschinellen Lernen eingesetzt wird.
Frank Reichert, Norwegen, emeritierter Professor an der Universität Agder (UiA), Mitbegründer von AI Experts AS, KI-Experte
Leer en español (ES)
Perdón. No he podido resistirme a utilizar ChatGPT. 🙂 Cuando trabajaba en Singapur como director de Ericsson Cyberlab, tenía un compañero que, antes de 1999, ya había utilizado el aprendizaje automático para entrenar un programa de reconocimiento de escritura china a mano mediante un millón de muestras recopiladas en aeropuertos. Por tanto, tecnologías como el aprendizaje automático llevan existiendo mucho tiempo.- Inteligencia artificial (IA). La IA es el concepto general: consiste en conseguir que los ordenadores actúen de manera inteligente. Esto significa lograr que las máquinas resuelvan problemas, tomen decisiones o realicen tareas que normalmente requieren inteligencia humana, como reconocer rostros, comprender el lenguaje o jugar al ajedrez. Ejemplo: cuando le haces una pregunta a Siri, utiliza IA para comprender lo que quieres decir y encontrar una respuesta.
- Aprendizaje automático (ML). El aprendizaje automático es una rama de la IA: es una forma de crear inteligencia. En lugar de programar un ordenador con reglas fijas, se entrena con datos para que pueda aprender patrones y realizar sus propias predicciones. Ejemplo: le muestras a un ordenador miles de fotografías de gatos y perros, y aprende a diferenciarlos, incluso cuando ve imágenes nuevas.
- Redes neuronales. Las redes neuronales son un tipo específico de modelo de aprendizaje automático inspirado en el cerebro humano. Están formadas por capas de «neuronas» conectadas que procesan información y aprenden patrones complejos. Ejemplo: una red neuronal puede hacer funcionar una aplicación de fotografías que reconozca automáticamente los rostros de tus amigos o un modelo de lenguaje capaz de escribir textos como una persona.
- La IA es el objetivo: conseguir que los ordenadores sean inteligentes.
- El aprendizaje automático es una manera de desarrollar IA: aprender a partir de datos.
- Las redes neuronales son un método potente que se utiliza dentro del aprendizaje automático.
Frank Reichert, Noruega, profesor emérito de la Universidad de Agder (UiA), cofundador de AI Experts AS, experto en IA
Прочетете на български (BG)
Извинявам се. Не успях да устоя на изкушението да използвам ChatGPT. 🙂 Когато работех в Сингапур като ръководител на Ericsson Cyberlab, имах колега, който още преди 1999 г. беше използвал машинно обучение, за да обучи софтуер за разпознаване на ръкописен китайски текст с помощта на един милион образци, събрани на летища. Следователно технологии като машинното обучение съществуват от много време.- Изкуствен интелект (ИИ). ИИ е общата концепция – идеята е компютрите да действат интелигентно. Това означава машините да могат да решават проблеми, да вземат решения или да изпълняват задачи, които обикновено изискват човешка интелигентност – например разпознаване на лица, разбиране на език или игра на шах. Пример: когато зададете въпрос на Siri, тя използва ИИ, за да разбере какво имате предвид и да намери отговор.
- Машинно обучение (ML). Машинното обучение е подобласт на ИИ – то е един от начините за създаване на интелигентност. Вместо да програмирате компютър с фиксирани правила, го обучавате с данни, така че той да може да научава закономерности и самостоятелно да прави прогнози. Пример: показвате на компютър хиляди снимки на котки и кучета и той се научава да ги различава – дори когато вижда нови изображения.
- Невронни мрежи. Невронните мрежи са специфичен вид модел за машинно обучение, вдъхновен от човешкия мозък. Те се състоят от слоеве от свързани „неврони“, които обработват информация и научават сложни закономерности. Пример: невронна мрежа може да стои в основата на приложение за снимки, което автоматично разпознава лицата на вашите приятели, или на езиков модел, способен да пише текст като човек.
- ИИ е целта – компютрите да станат интелигентни.
- Машинното обучение е начин за постигане на ИИ – чрез учене от данни.
- Невронните мрежи са мощен метод, използван в машинното обучение.
Frank Reichert, Норвегия, почетен професор в Университета на Агдер (UiA), съосновател на AI Experts AS, експерт по изкуствен интелект
Eneko Garzon Uria — From Pac-Man ghosts to modern AI: How intelligent systems evolved
AI is a very general concept; in fact, it can be a very simple program. Any system that has defined behaviour that varies depending on certain stimuli it receives is usually classified as AI. In Pac-Man arcade machines, for example, one of the ghosts moved randomly, but when it sensed Pac-Man nearby, it began to follow him. This is an example of basic artificial intelligence, although it does not resemble what we usually imagine today. Within artificial intelligence, there are systems that learn by themselves: this is where machine learning comes in. These AIs receive a large amount of sample data and based on this, refine the parameters that describe their actions without being explicitly programmed for each step.
Finally, within machine learning, there are neural networks. These are programs structured by layers of mathematical “neurons,” arranged in different ways depending on the objective. These neurons have weights and parameters that, when adjusted using data, can mimic extremely complex behaviours.
Eneko Garzon Uria, Spain, computer engineering student, AI expert
Læs på dansk (DK)
AI er et meget bredt begreb. Faktisk kan det være et ganske simpelt program. Ethvert system, der har en defineret adfærd, som varierer afhængigt af bestemte påvirkninger, det modtager, bliver normalt klassificeret som AI. I Pac-Man-arkadespil bevægede et af spøgelserne sig for eksempel tilfældigt, men når det registrerede Pac-Man i nærheden, begyndte det at følge efter ham. Det er et eksempel på grundlæggende kunstig intelligens, selvom det ikke ligner det, vi normalt forestiller os i dag. Inden for kunstig intelligens findes der også systemer, som lærer på egen hånd. Det er her, maskinlæring kommer ind i billedet. Disse AI-systemer modtager store mængder eksempeldata og bruger dem til at finjustere de parametre, der styrer deres handlinger, uden at hvert enkelt trin skal programmeres eksplicit. Endelig findes der neurale netværk inden for maskinlæring. Det er programmer, der er opbygget af lag med matematiske “neuroner”, som er organiseret på forskellige måder afhængigt af formålet. Disse neuroner har vægte og parametre, som, når de justeres ved hjælp af data, kan efterligne ekstremt kompleks adfærd.Eneko Garzon Uria, Spanien, studerende i computeringeniørvidenskab, AI-ekspert
Auf Deutsch lesen (DE)
KI ist ein sehr weit gefasster Begriff. Tatsächlich kann es sich dabei um ein ganz einfaches Programm handeln. Jedes System, das ein festgelegtes Verhalten zeigt, welches sich abhängig von bestimmten empfangenen Reizen verändert, wird üblicherweise als KI eingestuft. Bei Pac-Man-Spielautomaten bewegte sich beispielsweise einer der Geister zufällig. Sobald er jedoch Pac-Man in seiner Nähe wahrnahm, begann er, ihm zu folgen. Das ist ein Beispiel für einfache künstliche Intelligenz, auch wenn es nicht dem entspricht, was wir uns heute normalerweise darunter vorstellen. Innerhalb der künstlichen Intelligenz gibt es Systeme, die selbstständig lernen. Hier kommt das maschinelle Lernen ins Spiel. Diese KI-Systeme erhalten große Mengen an Beispieldaten und verfeinern auf dieser Grundlage die Parameter, die ihr Verhalten bestimmen, ohne dass jeder einzelne Schritt ausdrücklich programmiert werden muss. Schließlich gibt es innerhalb des maschinellen Lernens die neuronalen Netze. Dabei handelt es sich um Programme, die aus Schichten mathematischer „Neuronen“ aufgebaut sind, deren Anordnung je nach Zielsetzung unterschiedlich sein kann. Diese Neuronen verfügen über Gewichte und Parameter, die mithilfe von Daten angepasst werden und dadurch äußerst komplexe Verhaltensweisen nachahmen können.Eneko Garzon Uria, Spanien, Student der Technischen Informatik, KI-Experte
Leer en español (ES)
La IA es un concepto muy amplio; de hecho, puede tratarse de un programa muy sencillo. Cualquier sistema que tenga un comportamiento definido que varíe en función de determinados estímulos que recibe suele clasificarse como IA. Por ejemplo, en las máquinas recreativas de Pac-Man, uno de los fantasmas se movía de forma aleatoria, pero cuando detectaba que Pac-Man estaba cerca, comenzaba a perseguirlo. Este es un ejemplo de inteligencia artificial básica, aunque no se parece a lo que normalmente imaginamos hoy en día. Dentro de la inteligencia artificial existen sistemas que aprenden por sí mismos: aquí es donde entra en juego el aprendizaje automático. Estos sistemas de IA reciben una gran cantidad de datos de ejemplo y, a partir de ellos, perfeccionan los parámetros que determinan sus acciones, sin necesidad de programar explícitamente cada paso. Por último, dentro del aprendizaje automático se encuentran las redes neuronales. Son programas estructurados en capas de «neuronas» matemáticas, organizadas de distintas maneras según el objetivo. Estas neuronas tienen pesos y parámetros que, al ajustarse mediante datos, pueden imitar comportamientos extremadamente complejos.Eneko Garzon Uria, España, estudiante de Ingeniería Informática, experto en IA
Прочетете на български (BG)
ИИ е много широко понятие; всъщност той може да представлява съвсем проста програма. Всяка система, която има определено поведение, променящо се в зависимост от конкретни стимули, които получава, обикновено се класифицира като ИИ. Например в аркадните машини с играта Pac-Man един от призраците се движеше на случаен принцип, но когато засечеше Pac-Man наблизо, започваше да го преследва. Това е пример за базов изкуствен интелект, макар че не прилича на това, което обикновено си представяме днес. В рамките на изкуствения интелект съществуват системи, които се обучават самостоятелно – тук се появява машинното обучение. Тези системи с ИИ получават голямо количество примерни данни и въз основа на тях усъвършенстват параметрите, които определят действията им, без всяка отделна стъпка да бъде изрично програмирана. И накрая, в рамките на машинното обучение съществуват невронните мрежи. Това са програми, структурирани в слоеве от математически „неврони“, подредени по различни начини в зависимост от целта. Тези неврони имат тегла и параметри, които, когато се настройват с помощта на данни, могат да имитират изключително сложно поведение.Eneko Garzon Uria, Испания, студент по компютърно инженерство, експерт по изкуствен интелект
Patrick Schellnegger — The AI pyramid: Understanding the goal, the methods and the tools
Artificial intelligence is the big picture – just as “history” is an entire subject. Among them, there are various methods, and one of them is machine learning. Here, systems learn from examples, similar to how students better understand tasks through practice. Instead of prescribing fixed rules, the machine is allowed to recognize patterns. Neural networks, in turn, are a special technique within this machine learning. They are roughly based on the human brain, consist of many small computing units and are particularly suitable for complex tasks such as language processing or image recognition. For me, the key point is: AI is the goal (intelligent behavior), machine learning is the way (learning from data), and neural networks are one of the most powerful tools for this. In class, I would perhaps compare it to a pyramid: the goal at the top, the methods below and the concrete tools at the bottom.
Patrick Schellnegger, Austria, AI Educator
Læs på dansk (DK)
Kunstig intelligens er det overordnede begreb – ligesom “historie” er et helt fagområde. Inden for kunstig intelligens findes der forskellige metoder, og en af dem er maskinlæring. Her lærer systemer af eksempler, ligesom elever får en bedre forståelse af opgaver gennem øvelse. I stedet for at fastlægge faste regler lader man maskinen genkende mønstre. Neurale netværk er en særlig teknik inden for maskinlæring. De er i grove træk inspireret af den menneskelige hjerne, består af mange små beregningsenheder og er særligt velegnede til komplekse opgaver som sprogbehandling eller billedgenkendelse. For mig er hovedpointen denne: AI er målet (intelligent adfærd), maskinlæring er vejen (at lære af data), og neurale netværk er et af de mest effektive værktøjer til at nå dette mål. I undervisningen ville jeg måske sammenligne det med en pyramide: målet øverst, metoderne nedenunder og de konkrete værktøjer nederst.Patrick Schellnegger, Østrig, AI-underviser
Auf Deutsch lesen (DE)
Künstliche Intelligenz ist der übergeordnete Begriff – so wie „Geschichte“ ein ganzes Fachgebiet bezeichnet. Innerhalb der künstlichen Intelligenz gibt es verschiedene Methoden, und eine davon ist das maschinelle Lernen. Dabei lernen Systeme anhand von Beispielen, ähnlich wie Schülerinnen und Schüler Aufgaben durch Übung besser verstehen. Anstatt feste Regeln vorzugeben, lässt man die Maschine Muster erkennen. Neuronale Netze wiederum sind eine spezielle Technik innerhalb des maschinellen Lernens. Sie orientieren sich grob am menschlichen Gehirn, bestehen aus vielen kleinen Recheneinheiten und eignen sich besonders für komplexe Aufgaben wie Sprachverarbeitung oder Bilderkennung. Für mich ist der entscheidende Punkt: KI ist das Ziel (intelligentes Verhalten), maschinelles Lernen ist der Weg (Lernen aus Daten), und neuronale Netze sind eines der leistungsfähigsten Werkzeuge dafür. Im Unterricht würde ich das vielleicht mit einer Pyramide vergleichen: das Ziel an der Spitze, darunter die Methoden und ganz unten die konkreten Werkzeuge.Patrick Schellnegger, Österreich, KI-Dozent
Leer en español (ES)
La inteligencia artificial es el concepto general, del mismo modo que «historia» abarca toda una disciplina. Dentro de la IA existen distintos métodos, y uno de ellos es el aprendizaje automático. En este caso, los sistemas aprenden a partir de ejemplos, de manera similar a como los estudiantes comprenden mejor las tareas mediante la práctica. En lugar de establecer reglas fijas, se permite que la máquina reconozca patrones. Las redes neuronales, a su vez, son una técnica específica dentro del aprendizaje automático. Están inspiradas, a grandes rasgos, en el cerebro humano, se componen de muchas pequeñas unidades de cálculo y resultan especialmente adecuadas para tareas complejas como el procesamiento del lenguaje o el reconocimiento de imágenes. Para mí, la idea fundamental es la siguiente: la IA es el objetivo (el comportamiento inteligente), el aprendizaje automático es el camino (aprender a partir de datos) y las redes neuronales son una de las herramientas más potentes para conseguirlo. En clase, quizás lo compararía con una pirámide: el objetivo en la parte superior, los métodos debajo y las herramientas concretas en la base.Patrick Schellnegger, Austria, educador en IA
Прочетете на български (BG)
Изкуственият интелект е общата концепция – точно както „история“ обозначава цяла учебна дисциплина. В рамките на изкуствения интелект съществуват различни методи и един от тях е машинното обучение. При него системите се учат от примери, подобно на начина, по който учениците разбират задачите по-добре чрез практика. Вместо да се задават фиксирани правила, на машината се позволява да разпознава закономерности. Невронните мрежи от своя страна са специална техника в рамките на машинното обучение. Те са вдъхновени в общи линии от човешкия мозък, състоят се от множество малки изчислителни единици и са особено подходящи за сложни задачи като обработка на език или разпознаване на изображения. За мен основният момент е следният: ИИ е целта (интелигентно поведение), машинното обучение е начинът (учене от данни), а невронните мрежи са един от най-мощните инструменти за постигането ѝ. В час бих сравнил това с пирамида: целта е на върха, методите са под нея, а конкретните инструменти са в основата.Patrick Schellnegger, Австрия, преподавател по изкуствен интелект
Gerald Pichler — One big family: How AI, machine learning and neural networks fit together
You can think of the three terms as a small “family” that belong together:
Artificial intelligence (AI) is the generic term. That’s all that makes computers do tasks that normally require human thinking – for example, understanding language, recognizing images or playing chess.
Machine learning (ML) is part of that. Here, computers are not simply programmed (“if X, then Y”), but they learn from examples. For example: You show a program many cat pictures, and it learns for itself what a cat is. Neural networks, on the other hand, are a special method within machine learning.
They are roughly inspired by the brain and consist of many “artificial neurons” that work together to recognize patterns – such as faces in photos or spoken words.
Gerald Pichler, project manager, Austria, AI Expert
Læs på dansk (DK)
Man kan betragte de tre begreber som en lille “familie”, der hører sammen: Kunstig intelligens (AI) er det overordnede begreb. Det dækker over alt det, der får computere til at udføre opgaver, som normalt kræver menneskelig tænkning – for eksempel at forstå sprog, genkende billeder eller spille skak. Maskinlæring (ML) er en del af dette. Her bliver computere ikke blot programmeret med faste regler (“hvis X, så Y”), men lærer i stedet af eksempler. For eksempel kan man vise et program mange billeder af katte, hvorefter det selv lærer, hvad en kat er. Neurale netværk er derimod en særlig metode inden for maskinlæring. De er i grove træk inspireret af hjernen og består af mange “kunstige neuroner”, der arbejder sammen om at genkende mønstre – såsom ansigter på billeder eller talte ord.Gerald Pichler, projektleder, Østrig, AI-ekspert
Auf Deutsch lesen (DE)
Man kann sich die drei Begriffe als eine kleine „Familie“ vorstellen, die zusammengehört: Künstliche Intelligenz (KI) ist der Oberbegriff. Er umfasst alles, was Computer dazu befähigt, Aufgaben auszuführen, die normalerweise menschliches Denken erfordern – beispielsweise Sprache zu verstehen, Bilder zu erkennen oder Schach zu spielen. Maschinelles Lernen (ML) ist ein Teil davon. Dabei werden Computer nicht einfach mit festen Regeln programmiert („wenn X, dann Y“), sondern sie lernen anhand von Beispielen. Zum Beispiel zeigt man einem Programm viele Katzenbilder, und es lernt selbstständig, was eine Katze ist. Neuronale Netze wiederum sind eine spezielle Methode innerhalb des maschinellen Lernens. Sie sind in groben Zügen vom Gehirn inspiriert und bestehen aus vielen „künstlichen Neuronen“, die zusammenarbeiten, um Muster zu erkennen – beispielsweise Gesichter auf Fotos oder gesprochene Wörter.Gerald Pichler, Projektmanager, Österreich, KI-Experte
Leer en español (ES)
Podemos imaginar estos tres términos como una pequeña «familia» cuyos miembros están relacionados entre sí: La inteligencia artificial (IA) es el término general. Engloba todo aquello que permite a los ordenadores realizar tareas que normalmente requieren pensamiento humano, como comprender el lenguaje, reconocer imágenes o jugar al ajedrez. El aprendizaje automático (ML) forma parte de ella. En este caso, los ordenadores no se programan simplemente con reglas fijas («si ocurre X, entonces Y»), sino que aprenden a partir de ejemplos. Por ejemplo, le muestras a un programa muchas fotografías de gatos y aprende por sí mismo qué es un gato. Las redes neuronales, por su parte, son un método específico dentro del aprendizaje automático. Están inspiradas, a grandes rasgos, en el cerebro y se componen de numerosas «neuronas artificiales» que trabajan conjuntamente para reconocer patrones, como rostros en fotografías o palabras pronunciadas.Gerald Pichler, director de proyectos, Austria, experto en IA
Прочетете на български (BG)
Можете да си представите трите понятия като едно малко „семейство“, чиито членове са свързани помежду си: Изкуственият интелект (ИИ) е общото понятие. То обхваща всичко, което позволява на компютрите да изпълняват задачи, които обикновено изискват човешко мислене – например разбиране на език, разпознаване на изображения или игра на шах. Машинното обучение (ML) е част от него. При него компютрите не се програмират просто с фиксирани правила („ако X, тогава Y“), а се учат от примери. Например показвате на една програма много снимки на котки и тя сама се научава какво представлява котката. Невронните мрежи, от своя страна, са специфичен метод в рамките на машинното обучение. Те са вдъхновени в общи линии от мозъка и се състоят от множество „изкуствени неврони“, които работят заедно, за да разпознават закономерности – например лица на снимки или изговорени думи.Gerald Pichler, ръководител на проекти, Австрия, експерт по изкуствен интелект
Juan Agustin Veliz — Three concepts, one simple explanation: How AI, ML and neural networks connect
AI is the broader terminology for making machines (mostly computers) perform tasks that are usually performed by humans. Machine learning is just one way one can develop an AI system or model, and neural networks are a technique that can be used for machine learning.
Juan Agustin Veliz, Germany, AI Expert
Læs på dansk (DK)
AI er den overordnede betegnelse for at få maskiner (primært computere) til at udføre opgaver, som normalt udføres af mennesker. Maskinlæring er blot én måde at udvikle et AI-system eller en AI-model på, og neurale netværk er en teknik, der kan bruges inden for maskinlæring.Juan Agustin Veliz, Tyskland, AI-ekspert
Auf Deutsch lesen (DE)
KI ist der übergeordnete Begriff dafür, Maschinen (hauptsächlich Computer) dazu zu bringen, Aufgaben auszuführen, die normalerweise von Menschen erledigt werden. Maschinelles Lernen ist nur eine Möglichkeit, ein KI-System oder KI-Modell zu entwickeln, und neuronale Netze sind eine Technik, die beim maschinellen Lernen eingesetzt werden kann.Juan Agustin Veliz, Deutschland, KI-Experte
Leer en español (ES)
La IA es el término general que engloba las tecnologías destinadas a conseguir que las máquinas (principalmente los ordenadores) realicen tareas que normalmente llevan a cabo los seres humanos. El aprendizaje automático es simplemente una de las formas de desarrollar un sistema o modelo de IA, mientras que las redes neuronales son una técnica que puede utilizarse dentro del aprendizaje automático.Juan Agustin Veliz, Alemania, experto en IA
Прочетете на български (BG)
ИИ е общото понятие за това машините (предимно компютрите) да изпълняват задачи, които обикновено се извършват от хора. Машинното обучение е само един от начините за разработване на система или модел с ИИ, а невронните мрежи са техника, която може да се използва в машинното обучение.Juan Agustin Veliz, Германия, експерт по изкуствен интелект
Svetlin Nakov — Using AI versus building AI: Why there's an important difference
We must distinguish between two completely different areas:
- using AI tools in daily life and business (consuming AI)
- creating AI models and training AI (creating AI)
Svetlin Nakov, a lecturer in programming, artificial intelligence, Bulgaria, AI Expert
Læs på dansk (DK)
Vi skal skelne mellem to helt forskellige områder:- At bruge AI-værktøjer i hverdagen og erhvervslivet (at anvende AI)
- At udvikle AI-modeller og træne AI (at skabe AI)
Svetlin Nakov, underviser i programmering og kunstig intelligens, Bulgarien, AI-ekspert
Auf Deutsch lesen (DE)
Wir müssen zwischen zwei völlig unterschiedlichen Bereichen unterscheiden:- Der Nutzung von KI-Werkzeugen im Alltag und in Unternehmen (KI anwenden)
- Der Entwicklung von KI-Modellen und dem Training von KI (KI entwickeln)
Svetlin Nakov, Dozent für Programmierung und künstliche Intelligenz, Bulgarien, KI-Experte
Leer en español (ES)
Debemos distinguir entre dos ámbitos completamente diferentes:- Utilizar herramientas de IA en la vida cotidiana y en el ámbito empresarial (consumir IA)
- Crear modelos de IA y entrenar sistemas de IA (crear IA)
Svetlin Nakov, profesor de programación e inteligencia artificial, Bulgaria, experto en IA
Прочетете на български (BG)
Трябва да разграничаваме две напълно различни области:- Използване на инструменти с ИИ в ежедневието и бизнеса (потребление на ИИ)
- Създаване на модели с ИИ и обучение на ИИ (създаване на ИИ)
Svetlin Nakov, преподавател по програмиране и изкуствен интелект, България, експерт по изкуствен интелект
