人工智能与机器学习：有什么区别？

人工智能和机器学习在过去几年中，技术行业的术语是否已经围绕着很多，但是它们到底是什么意思？任何含糊其熟悉科幻的比喻的人都可能对AI有一个想法，尽管他们可能认为这比今天周围的人更加险恶。

这两个术语通常被混淆，并且不正确地互换使用，尤其是由希望使技术听起来很复杂的营销部门。实际上，人工智能和机器学习是非常不同的事情，对计算机的作用以及它们如何与我们的互动具有截然不同的含义。

它从神经网络开始

机器学习是导致“大数据”和AI增长的计算范式。它基于神经网络和深度学习的发展。通常，这被描述为模仿人类学习的方式，但这有点不当。机器学习实际上与统计分析和迭代学习有关。

任何特定神经网络的性质都可能非常复杂，但是它们运作方式的关键是将权重（或重要因素）应用于输入的某些属性。使用各种权重和层的网络，可以产生您的输入匹配一个或多个定义输出的概率或估计。

就像常规编程一样，这种类型的计算的问题在于它对人类程序员如何设置它的依赖性，并重新调整所有这些权重以完善输出精度可能需要太多的工时才能可行。一旦引入了纠正反馈回路，神经网络将过渡到机器学习领域。

输入机器学习

通过监视输出，将其与输入进行比较，并逐渐调整神经元的权重，网络可以训练自身以提高准确性。这里的重要部分是，机器学习算法能够学习和行动，而无需程序员指定数据集中的所有可能性。您不必预先定义花朵可以寻找机器学习算法的所有可能方式来弄清楚花朵的外观。

训练网络可以通过多种不同的方式完成，但是所有这些都涉及一种蛮力迭代的方法来最大化输出精度并通过网络训练最佳路径。但是，这种自我训练仍然比手工优化算法更有效，并且使算法能够在比其他可能的时间更快的时间内移动和分类更多的数据。

一旦受过培训，机器学习算法就可以实时通过网络对全新的输入进行分类。这使其成为计算机视觉，语音识别，语言处理以及科学研究项目的重要技术。神经网络目前是进行深度学习的最流行方式，但是还有其他方法可以实现机器学习，尽管上述方法目前是我们拥有的最好的方法。您可以阅读更多有关机器学习如何在这里工作。

AI是什么，不是

机器学习是一种聪明的处理技术，但没有任何真正的智能。算法不必确切地了解为什么它会自我纠正，只有它在将来如何变得更准确。但是，一旦该算法学到了，它就可以用于实际上具有智能的系统中。定义人工智能的一种好方法是应用机器学习，以令人信服的方式与人类互动或模仿人类。

可以筛选图像数据库并识别图片中的主要对象的机器学习算法并不真正聪明，因为它没有以类似人类的方式应用该信息。在带有相机和扬声器的系统中实现相同的算法，该算法可以检测到其前面的对象并实时回答名称，这突然似乎更加聪明。如果能够分辨出健康和不健康食品之间的区别，或者将日常物品与武器区分开来，那么更是如此。

人工智能可以分为两个主要组，应用或一般。现在，应用的人工智能现在更加可行。它与上面的机器学习示例更紧密地绑定，并旨在执行特定的任务。这可能是交易股票，智能城市中的交通管理或帮助诊断患者。智能的任务或领域是有限的，但是仍然存在应用学习的范围，以提高AI的表现。

顾名思义，通用人工智能更广泛，更有能力。它能够处理更广泛的任务，几乎了解所有数据集，因此似乎像人类一样更广泛地思考。理论上，AI将军将能够在其原始知识集外学习，这有可能导致其能力的失控。有趣的是，第一个机器学习发现反映了大脑如何发展和人学习的想法。

作为更大的复杂系统的一部分，机器学习对于实现能够执行特征和与人类智能相当的软件和机器至关重要，这是AI的定义。

现在和未来

尽管有所有的营销术语和技术谈话，但机器学习和人工智能应用程序都已经在这里。我们仍然可以与一般AI一起生活，但是如果您使用Google Assistant或Amazon Alexa，您已经与Applied AI形式进行了互动。用于语言处理的机器学习是当今智能设备的关键推动者之一，尽管它们当然不足以回答您的所有问题。

智能家居只是最新的用例。机器学习已在大数据领域已有一段时间了，这些用例也越来越侵占AI领域。Google将其用于搜索引擎工具。Facebook将其用于广告优化。您的银行可能将其用于预防欺诈。

机器学习和人工智能之间有很大的区别，尽管前者是后者的非常重要的组成部分。几乎可以肯定，整个2018年及以后都会继续听到很多关于谈论的话题。