人工智能(AI)和機(jī)器學(xué)習(xí)(ML)目前是兩個(gè)非常熱門的熱門詞匯，而且似乎經(jīng)?；Q使用。但它們不是完全相同的概念，但是有些人認(rèn)為它們是一樣的，這樣會(huì)導(dǎo)致一些混亂。所以我認(rèn)為寫一篇文章來(lái)解釋兩者之間的區(qū)別是值得的。

人工智能和機(jī)器學(xué)習(xí)有什么區(qū)別?

當(dāng)主題是大數(shù)據(jù)、分析和席卷我們世界的更廣泛的技術(shù)變革浪潮時(shí)，這兩個(gè)術(shù)語(yǔ)都會(huì)頻繁出現(xiàn)。簡(jiǎn)而言之，最好的答案是：

人工智能是一種更廣泛的概念，即機(jī)器能夠以一種我們認(rèn)為是“智能”的方式執(zhí)行任務(wù)。而機(jī)器學(xué)習(xí)是當(dāng)前人工智能的一個(gè)應(yīng)用，基于這樣的理念，我們應(yīng)該真正能夠讓機(jī)器訪問(wèn)數(shù)據(jù)，讓他們自己學(xué)習(xí)。

早期

人工智能已經(jīng)存在很長(zhǎng)一段時(shí)間了，希臘神話中有一些機(jī)械人的故事，這些故事是為了模仿我們自己的行為而設(shè)計(jì)的。早期的歐洲計(jì)算機(jī)被認(rèn)為是“邏輯機(jī)器”，通過(guò)再現(xiàn)基本的算術(shù)和記憶等能力，工程師們把他們的工作從根本上看作是創(chuàng)造機(jī)械大腦的嘗試。

隨著技術(shù)的進(jìn)步，更重要的是，我們對(duì)大腦工作方式的理解也在進(jìn)步，我們對(duì)人工智能的概念也發(fā)生了變化。人工智能領(lǐng)域的工作重點(diǎn)不是日益復(fù)雜的計(jì)算，而是模仿人類的決策過(guò)程，并以更人性化的方式執(zhí)行任務(wù)。

人工智能，設(shè)計(jì)用于智能行動(dòng)的設(shè)備，通常被分為兩大基本類別，應(yīng)用類或通用類。應(yīng)用人工智能的情況要普遍得多，用于智能交易股票和股票的系統(tǒng)，自動(dòng)駕駛汽車的操縱系統(tǒng)也屬于這一類。

通用的AIS，理論上可以處理任何任務(wù)的系統(tǒng)或設(shè)備，但這正是今天一些最令人興奮的進(jìn)步發(fā)生的地方。這也是導(dǎo)致機(jī)器學(xué)習(xí)發(fā)展的領(lǐng)域通常被認(rèn)為是人工智能的一個(gè)子集，把它看作是目前最先進(jìn)的一種，這是更準(zhǔn)確的說(shuō)法。

機(jī)器學(xué)習(xí)的興起

兩個(gè)重要的突破導(dǎo)致了機(jī)器學(xué)習(xí)作為一種工具的出現(xiàn)，它正以目前的速度推動(dòng)人工智能的發(fā)展。其中之一是，1959年亞瑟·塞繆爾(Arthur Samuel)認(rèn)識(shí)到，與其教授計(jì)算機(jī)所需的一切知識(shí)，了解世界和如何執(zhí)行任務(wù)，倒不如教他們自己學(xué)習(xí)。

第二次，最近，是互聯(lián)網(wǎng)的出現(xiàn)，以及大量的數(shù)字信息被生成，存儲(chǔ)，并可供分析。一旦有了這些創(chuàng)新，工程師們就會(huì)意識(shí)到，與其教計(jì)算機(jī)和機(jī)器如何做每件事，不如把它們編碼成像人一樣思考，然后把它們接入互聯(lián)網(wǎng)，讓它們能夠接觸到世界上所有的信息，這樣做的效率就會(huì)高得多。

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的發(fā)展一直是教會(huì)計(jì)算機(jī)以我們的方式思考和理解世界的關(guān)鍵，同時(shí)保留了它們相對(duì)于我們固有的優(yōu)勢(shì)，如速度、準(zhǔn)確性和無(wú)偏見。神經(jīng)網(wǎng)絡(luò)是一種計(jì)算機(jī)系統(tǒng)，通過(guò)與人腦相同的方式對(duì)信息進(jìn)行分類來(lái)工作。例如，可以教它識(shí)別圖像，并根據(jù)它們所包含的元素對(duì)其進(jìn)行分類。

本質(zhì)上，它在一個(gè)概率系統(tǒng)上工作，基于輸入給它的數(shù)據(jù)，它能夠在一定程度上確定地作出陳述、決定或預(yù)測(cè)。增加一個(gè)反饋回路可以“學(xué)習(xí)”，通過(guò)感知或被告知其決定是對(duì)還是錯(cuò)，它改變了它在未來(lái)采取的方法。

機(jī)器學(xué)習(xí)應(yīng)用程序可以閱讀文本，并判斷寫這篇文章的人是在投訴還是在表示祝賀。他們還可以聽一段音樂(lè)，決定它是否可能使人高興或悲傷，并找到其他音樂(lè)來(lái)配合心情。在某些情況下，他們甚至可以自己譜寫音樂(lè)來(lái)表達(dá)相同的主題。

這些都是基于ML和神經(jīng)網(wǎng)絡(luò)的系統(tǒng)提供的可能性，這在很大程度上要?dú)w功于科幻小說(shuō)：我們應(yīng)該能夠與電子設(shè)備和數(shù)字信息交流和互動(dòng)，就像我們自然地與另一個(gè)人一樣。為此，人工智能的另一個(gè)領(lǐng)域，自然語(yǔ)言處理(NLP)-近年來(lái)已成為一個(gè)非常令人興奮的創(chuàng)新來(lái)源，而且它嚴(yán)重依賴于ML。

NLP應(yīng)用程序試圖理解人類的自然交流，無(wú)論是書面的還是口頭的，并使用類似的自然語(yǔ)言與我們進(jìn)行交流。在這里，ML被用來(lái)幫助機(jī)器理解人類語(yǔ)言中巨大的細(xì)微差別，并學(xué)會(huì)以特定受眾可能理解的方式做出反應(yīng)。

品牌化案例

人工智能，特別是今天，ML肯定有很多東西可以提供。從銀行業(yè)到醫(yī)療保健和制造業(yè)，每一個(gè)行業(yè)都在受益，因?yàn)樗兄Z讓日常工作自動(dòng)化，并提供創(chuàng)造性的洞察力。所以，重要的是要記住，ai人工智能和ML是另一回事…

當(dāng)然，機(jī)器學(xué)習(xí)已經(jīng)被市場(chǎng)營(yíng)銷者抓住了一個(gè)機(jī)會(huì)。在人工智能出現(xiàn)這么長(zhǎng)時(shí)間之后，它有可能在某種程度上被視為“老一套”的東西，甚至在它的潛力還沒(méi)有真正實(shí)現(xiàn)之前就已經(jīng)開始被認(rèn)為是一種“老一套”的東西了。在通往“人工智能革命”的道路上，已經(jīng)有了一些錯(cuò)誤的開端，而“機(jī)器學(xué)習(xí)”這個(gè)術(shù)語(yǔ)無(wú)疑給營(yíng)銷人員提供了一些新的、閃亮的，而且重要的是，牢牢扎根于此時(shí)此地的東西。

我們最終會(huì)發(fā)展出像人類一樣的人工智能，這一事實(shí)常常被技術(shù)專家們當(dāng)作是不可避免的。當(dāng)然，今天我們比以往任何時(shí)候都更接近這一目標(biāo)，我們正以越來(lái)越快的速度朝著這一目標(biāo)邁進(jìn)。我們最近幾年看到的許多令人興奮的進(jìn)展都?xì)w功于我們對(duì)人工智能工作方式的根本改變，這是由ML帶來(lái)的。我希望這篇文章幫助一些人理解人工智能和ML之間的區(qū)別。