今天，数据挖掘和人工智能是广泛使用的科学。今天，从电脑游戏到搜索引擎，从社交网络到网上购物商店，没有它们，我们的世界就被打乱了。模糊逻辑早已成为一种有效的工具。今天的科学需要模糊逻辑，因为它可以用来提高计算的准确性。下面是这三者的一般定义。
使用几乎可靠的方法从现有信息中提取新信息的概念被称为数据挖掘。数据挖掘是一种获取新数据和信息的方法，可以说是非常有用。数据挖掘有几种方法和类型的算法。
人工智能指的是机器所表现出来的智能，它本质上是优化学习并利用它们得出结论的算法。人工智能利用现有数据进行建模和学习，然后利用它们得出结论。人工智能的算法有很多类型，其中一种是进化算法。
机器学习是一种分析数据的方式。机器学习是人工智能的一个分支，其基础是系统可以从数据中学习，识别模式，并在最小的人为干预下做出决定。
数据挖掘与人工智能和机器学习有着千丝万缕的联系，没有这两者，它就无法向前发展。人工智能、机器学习和数据挖掘之间的关系是这样的，如果这些领域中的任何一个。如果它没有做好自己的工作，其他领域就不能提供正确的结果和模式。
数据挖掘和机器学习，除了有相似之处，也有不同之处。机器学习的目的是建立一个能够学习并能适应新信息的机器。然而，数据挖掘是用于从数据集中提取知识的科学。数据挖掘专注于工业问题和实际解决方案，除了关注数据大小，在大数据或小数据方面也关注数据处理速度。
模糊逻辑可以用一个例子来解释。人类使用老和少这样的词，但如果我们多加注意，这意味着什么呢？一个二十岁的人是年轻的，但一个二十岁零一天的人却被认为是老的？老年和青年不会突然改变，是相对的概念。模糊逻辑的含义是，如果一个人20岁，他正处于青春的巅峰，但第二天他并没有突然变老，而是逐渐减少了他的青春。所以我们可以说，模糊逻辑不是把概念视为零和一，而是把它们视为零和一之间的实数，这将提高计算的准确性。
什么是人工智能、机器学习、数据挖掘和模糊逻辑？原文发表于Nerd For Techon Medium，人们通过强调和回应这个故事继续对话。
