Spotykam go w wielu książkach, a także w Internecie. Mówi się, że przetwarzanie języka naturalnego i uczenie maszynowe to różne podzbiory sztucznej inteligencji. Dlaczego tak jest Możemy osiągnąć wyniki przetwarzania języka naturalnego poprzez dostarczanie wzorców dźwiękowych do algorytmów uczenia maszynowego. Jaka jest różnica?
Odpowiedzi:
Ponieważ są różne: jedno nie obejmuje drugiego.
Tak, współczesne NLP (Natural Language Processing) wykorzystuje wiele ML (Machine Learning), ale to tylko jedna grupa technik w arsenale. Na przykład często stosuje się teorię grafów i algorytmy wyszukiwania. Podobnie jak proste przetwarzanie tekstu (wyrażenia regularne). Uwaga: Powiedziałem także „nowoczesne NLP” - statystyczne podejście do NLP jest stosunkowo nowym zjawiskiem w ciągu ostatnich kilku dekad. Rozumiem, że bardziej formalne podejście (np. Oparte na analizie gramatyki formalnej) było normą już w latach 60. / 70.
Podobnie ML nie musi używać NLP i zwykle nie, chociaż niektóre aplikacje mogą korzystać z technik NLP (np. Do przetwarzania tekstu).
Myślę, że odpowiedź @ winwaed podsumowuje to całkiem dobrze i zgadzam się.
Chciałbym jednak dodać, że powiedziałbym, że NLP jest częścią określonego obszaru zastosowania, a mianowicie przetwarzania tekstu, a zatem istnieje wiele wiedzy specyficznej dla domeny, która jest zawarta w stosowanych technikach. W przeważającej części techniki ML są uniwersalne i mogą być stosowane w wielu różnych aplikacjach, chociaż techniki ML są również wykorzystywane w przetwarzaniu tekstu, a także, jak mówią winwa, praktycy NLP.
Myślę, że nie inaczej jest powiedzieć „jaka jest różnica między bioinformatyką a ML?”