大多数ML算法都是针对静态数据集进行训练，生成预测模型，因此ML算法只促进了人工智能中的某一部分的发展。
当今热门的颠覆性技术正在改变商业格局，它们是机器学习(ML)和人工智能(AI)。
几乎我们所有人都听说过或读到过它们，但我们真的知道它们是怎么回事吗?
这些企业正试图利用先进算法，利用数字数据和计算能力的爆炸式增长，实现人与机器之间的协作和自然交互。
然而，对于什么是机器学习(ML)和人工智能(AI)，公众和媒体仍然有很多困惑。
机器学习是人工智能诞生后出现的词汇。这两个术语经常被用作同义词，在某些情况下还被当成是离散的、并行的发展。
事实上，机器学习之于人工智能，就像神经元之于人脑一样。
让我们从机器学习开始。
宾夕法尼亚卡内基梅隆大学(CarnegieMellonUniversity)机器学习部门编辑罗伯托•伊里翁多(RobertoIriondo)表示，机器学习是人工智能的一个分支。
正如计算机科学家、机器学习先驱汤姆·米切尔(TomM.Mitchell)所创造的那样，“机器学习是一门计算机算法的研究，它允许计算机程序通过经验自动改进”。
例如，如果你给一个机器学习模型提供你喜欢的歌曲，以及相应的音频数据(乐器、节拍、类型等)，它将能够自动化生成一个系统，来给你可能喜欢的音乐提供建议——就像Netflix、Spotify和其它公司所做的那样。
如果一家数字支付公司想要检测其系统中是否存在欺诈行为或潜在的欺诈行为，它可以为此使用机器学习工具。建立在计算机模型中的计算算法将处理数字平台上发生的所有事务，在数据集中发现模式，并指出模式检测到的任何异常。
Iriondo说:“在一个简单的例子中，如果你加载一个机器学习程序，其中包含相当大的X光照片数据集，并附带描述(如症状等)，它将有能力(或可能自动地)协助此后关于X光照片的数据分析。”
机器学习模型将查看数据集中的每一张图片，并在标有类似指示的图片中找到常见的模式。其中，深度学习(DeepLearning)也是机器学习的一个子集。
另一方面，人工智能则是一个广义的概括性术语，指的是试图让计算机像人类一样思考，能够模拟人类所做的各种事情，并最终以比我们更好更快的方式解决问题。
人工智能的范围非常广泛，它本身就是一个系统，而不仅仅是独立的数据模型。它包括各种各样的任务，如做创造性工作、制定计划、走动、说话、识别物体和声音、执行商业交易等等。
然而，微软客户成功部门云解决方案架构师(AdvancedAnalytics&AI)西奥•范•克雷(TheovanKraay)表示，任何试图定义人工智能的尝试都有些徒劳，因为我们首先必须正确定义“智能”(intelligence)，这个词的含义五花八门。
“首先，值得注意的是，20多年前被称为人工智能的技术与传统计算机系统之间的差异接近于零，这一点很有趣，也很重要，”范•克雷表示。
今天人工智能系统所做的反映了人类与传统计算机系统的一个重要区别——人类是预测机器。
如今的许多人工智能系统，就像人类一样，大多是复杂的预测机器。
“机器越复杂，它就越能够做出准确的预测，基于一系列的用于训练各种(ML)模型的复杂数据和最先进的人工智能系统，它们将能够不断从错误中学习，以提高预测的准确性,从而表现出近似人类智慧的东西。”他说。
大多数ML算法都是针对静态数据集进行训练，生成预测模型，因此ML算法只促进了人工智能中的某一部分的发展。
50年前，国际象棋程序被认为是人工智能的一种形式。
但今天，象棋游戏中的AI被认为是枯燥和过时的，因为它几乎可以在每台电脑上找到。
Iriondo表示:“如今，人工智能的象征是GoogleHome、苹果Siri和亚马逊(Amazon)的Alexa等人工智能互动设备，或为Netflix、亚马逊(Amazon)和YouTube提供动力的多媒体视频预测系统。”
与机器学习相比，人工智能是一个不断变化的目标，随着相关技术的发展，其定义也在发生变化。
Iriondo打趣道:“可能在几十年内，目前的创新人工智能进步就会被认为和现在的翻盖手机一样无趣。”
声明：本文为转载类文章，如涉及版权问题，请及时联系我们删除（QQ: 2737591964），不便之处，敬请谅解！
QQ交流群
