人工智能与机器学习有什么区别:人工智能(AI)和机器学习(ML)现在是两个非常热门的词汇,而且似乎经常可以互换使用。它们不是完全相同的东西,但是它们是相同的概念有时会导致一些混淆。所以我认为写一篇文章来解释这种差异是值得的。
当话题涉及到大数据、分析以及席卷全球的更广泛的技术变革浪潮时,这两个词就会频繁出现。
简而言之,最好的答案是:
人工智能是一个更广泛的概念,即机器能够以我们认为是“智能”的方式执行任务。
而机器学习是当前基于人工智能的一种应用,它基于这样一种理念:我们真的应该让机器访问数据,让它们自己学习。
早期
人工智能已经存在很长一段时间了——希腊神话中有一些机械人的故事,他们被设计成模仿我们自己的行为。非常早期的欧洲计算机被认为是“逻辑机器”,通过复制诸如基本算术和内存之类的能力,工程师们把他们的工作从根本上看作是试图创造机械大脑。
随着科技的进步,更重要的是,我们对思维运作方式的理解也在进步,我们对人工智能构成要素的概念也发生了变化。人工智能领域的工作不再是日益复杂的计算,而是专注于模仿人类的决策过程,并以越来越人性化的方式执行任务。
人工智能——设计用来智能行动的设备——通常分为两大类——应用型和通用型。应用人工智能要普遍得多——设计用于智能交易股票和股票的系统,或者操纵自动驾驶汽车,都属于这一类。
神经网络-人工智能和机器学习
广义人工智能——理论上可以处理任何任务的系统或设备——不太常见,但这正是当今一些最令人兴奋的进步之处。这也是导致机器学习发展的领域。通常被认为是人工智能的一个子集,将其视为当前最先进的技术确实更为准确。
机器学习的兴起
两个重要的突破导致了机器学习作为一种载体的出现,它正以目前的速度推动人工智能的发展。
其中之一就是认识到——1959年阿瑟•塞缪尔(Arthur Samuel)曾说过这一点——与其教会计算机了解世界和执行任务所需的一切知识,不如教会它们自学。
第二,最近,互联网的出现,以及大量数字信息的产生、存储和分析。
一旦这些创新到位,工程师们意识到,与其教计算机和机器如何做每一件事,不如编写代码,让他们像人一样思考,然后将它们插入互联网,以便他们访问所有信息。
神经网络
神经网络的发展是教计算机以我们的方式思考和理解世界的关键,同时保留了它们对我们的先天优势,如速度、准确性和缺乏偏见。
神经网络是一种计算机系统,其工作原理是像人脑一样对信息进行分类。例如,可以教它识别图像,并根据它们所包含的元素对它们进行分类。
本质上,它是在一个概率系统上工作的——基于输入给它的数据,它能够在一定程度上做出陈述、决定或预测。反馈回路的加入使“学习”成为可能——通过感知或被告知其决策是对是错,它改变了未来采取的方法。
机器学习应用程序可以阅读文本,并判断出撰写文本的人是在抱怨还是在表示祝贺。他们也可以听一段音乐,决定它是否可能使人快乐或悲伤,并找到其他音乐匹配的心情。在某些情况下,他们甚至可以创作自己的音乐来表达相同的主题,或者他们知道这些主题很可能会被原作的崇拜者所欣赏。
这些都是基于ML和神经网络的系统提供的可能性。在很大程度上,由于科幻小说的出现,我们应该能够与电子设备和数字信息进行交流和互动,就像我们与另一个人交流一样自然。为此,人工智能的另一个领域——自然语言处理(NLP)——近年来已成为一个令人兴奋的创新来源,而且严重依赖于ML。
NLP应用程序试图理解人类的自然交流,无论是书面的还是口头的,并使用类似的自然语言与我们进行交流。在这里,ML用于帮助机器理解人类语言中的巨大细微差别,并学习以特定受众可能理解的方式做出反应。
一个品牌的案例?
人工智能——尤其是今天的ML当然有很多可以提供。从银行业到医疗保健和制造业,各行各业的企业都在受益,它们承诺将日常任务自动化,并提供创造性的见解。因此,重要的是要记住,人工智能和ML是其他东西……它们是正在销售的产品——一贯地,而且是有利可图的。
机器学习无疑已被营销人员当作一个机遇。在人工智能问世这么久之后,甚至在它的潜力真正实现之前,就有可能开始被视为某种程度上的“老古董”。在通往“人工智能革命”的道路上,有一些错误的开端,而机器学习这个术语无疑给营销人员带来了一些新的、闪亮的东西,更重要的是,它们牢牢扎根于当下。
我们最终将开发类似人类的AI,这一事实经常被技术专家视为是一种必然。当然,今天我们比以往任何时候都更加接近,我们正在以越来越快的速度朝着这一目标前进。近年来,我们看到的令人振奋的进展在很大程度上要归功于我们设想AI工作方式的根本变化,这些变化是由ML带来的。我希望这篇文章能帮助一些人理解AI和ML之间的区别。