人工智能与机器学习的区别

人工智能和机器学习通常似乎可以互换使用,但这二者并不完全一样。因此需要解释这二者之间的区别。当大数据、数据分析,以及更广泛的技术变革浪潮席卷全球时,这两个术语都会频繁出现。总之,最好的答案是:人工智能是一种机器能够以人们认为“聪明”的方式执行任务的更广泛的概念。而且,机器学习是人工智能的一个最新应用,它基于这样一个想法:真的应该能够让机器访问数据,让他们自己学习。

  早期的发展

  人工智能已经存在了很长一段时间——希腊神话中就有模仿人类行为的机械人的故事。早期的欧洲研发的计算机被认为是“逻辑机器”,通过复制诸如基本算术和记忆等功能,工程师们从根本上认为他们的工作是试图创造机械的大脑。

  作为技术,重要的是,人们对于人类的思想如何运作的理解已经取得了进展,我们对人工智能的构想的概念发生了变化。人工智能领域的工作不是日益复杂的计算,而是集中于模仿人类决策过程和以更具人性化的方式执行任务。

  人工智能设备被设计成为具有智能行为的设备通常被分为两个基本群体之一——应用型或通用型。应用人工智能则是更为常见的,例如,智能地交易股票和股票的系统,或操纵自主车辆的系统将属于这一类。

  广义的人工智能,这在理论上可以处理任何任务的系统或设备,是不太常见的,但这是目前让人看到的最令人兴奋的进步。这也是导致机器学习发展的领域,通常被称为人工智能的一个子集,将其视为当前最先进的技术确实更加准确。

  机器学习的兴起

  两个重大突破导致机器学习的出现,以其目前的速度推动人工智能的发展。

  其中一个突破就是人工智能的先驱人物亚瑟•塞缪尔(ArthurSamuel)在1959年提出的一个概念的实现,与其教计算机所需要的各种知识和如何执行任务,不如教它们自己如何学习。

  第二个突破是互联网的出现,以及大量数字信息的产生、存储和分析。

  一旦这些创新部署到位,工程师们意识到,与其教计算机和机器如何做每件事,不如对它们进行编码成像人类一样思考,然后把它们接入互联网,让他们访问世界上所有的信息。

  神经网络

  神经网络的发展一直是教授计算机以人类的方式思考和理解世界的关键所在,同时保留了它们对人类的固有优势,如速度、准确性,以及没有偏见。

  神经网络是一种计算机系统,它的工作原理是以人脑的相同方式对信息进行分类。可以教它识别图像,并根据它们包含的元素进行分类。

  从本质上讲,它是基于概率系统,基于提供给它的数据,它能够以一定程度的确定性作出陈述,决定或预测。反馈循环的添加使得“学习”,通过感知或被告知其决策是对还是错,它改变了未来所采取的方法。

  机器学习应用程序可以读取文本,并确定写的内容是抱怨还是表示祝贺。他们也可以听一段音乐,决定是否有可能使人感到高兴或者悲伤,并找到其他音乐片段来匹配其情绪。在某些情况下,他们甚至可以作曲表达相同的主题。

  这些都是基于机器学习和神经网络的系统提供的所有可能性。多亏了科幻小说,这个想法也出现了,我们应该能够像我们另一个人一样自然地与电子设备和数字信息进行交流和互动。为此,人工智能-自然语言处理(NLP)的另一个领域已经成为近年来一个非常激动人心的创新的源泉,也是很大程度上依赖于机器学习。

  自然语言处理应用程序尝试了解人类通信,无论是书面的还是口头的,并且使用类似的自然语言与人们进行交流。这里使用机器学习来帮助机器了解人类语言的巨大细微差别,并学习以特定受众可能理解的方式进行回应。

  人工智能,特别是今天的机器学习肯定有很多东西可以提供。凭借其自动化任务并提供创造性的洞察力,从银行业到医疗保健和制造业的各个行业都获益良多。所以,重要的是要记住,人工智能和机器学习是什么,它们对外销售的产品,需要有利可图。

  机器学习无疑被营销人员抓住了机会。人工智能已经存在了这么长时间后,即使在真正实现了潜力之前,它也有可能被视为某种旧事物。在“人工智能革命”的道路上,出现了一些错误的开端,机器学习这个术语无疑给了营销人员一些新的有价值的东西,更重要的是,要打好坚实的基础。

  事实上,人们最终会发展出类似人工智能的实例,这往往被视为技术专家必然的事情。当然,如今人们的节奏比以往任何时候都更加紧密,正在以更快的速度朝着这一目标前进。近年来所取得的令人振奋的进展是由于人们如何设想人工智能工作的根本变化,这是由机器学习带来的。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【数据科学家】揭秘数据科学家

有人给予了大数据专家许多美好的称号,比如“数据开采者”、“数据建筑师”等,但其中最时髦的当属“数据科学家”。当记者在互联网上搜索“数据科学家”这个关键词时,看到...

31210
来自专栏CDA数据分析师

你以为自己真的了解用户画像?其实猫腻可多了

作者 CDA 数据分析师 背景 刘路老师之前主要是做政府数据分析,目前主要服务企业。他认为政府和企业的数据分析没有本质区别,都是有目的的进行收集、整理、加工...

2196
来自专栏大数据挖掘DT机器学习

大数据方向实习生该如何准备?

最近逃离学校在某大数据公司实习,虽然我不认为大数据像现在很多人说的那么邪乎,但是我认为互联网时代所带来的大量数据是很有价值的。所以便在这个公司...

5035
来自专栏数据科学与人工智能

【数据科学】Data Scientist的出路是什么?4种数据科学工作,8项求职技能

“数据科学家”被誉为21世纪最性感的工作(Thomas Davenport和D.J. Patil在哈佛商业评论上曾发表的一篇文章中称),但如何成为一个数据科学家...

3746
来自专栏吉浦迅科技

如何使您的公司为机器学习做准备

近年来,人们对智能系统的关注在各个领域都出现惊人的增长,从客户支持到治疗癌症。 只要简单地将“AI”一词放到创新企业的宣传介绍里似乎就能增加获得资金的可能性。媒...

33013
来自专栏机器人网

拥有这十项必备的基本技能,你就是合格的机器人工程师!

机器人是一个复杂而又庞大的系统,涉及很多学科的技术,因此,跟各个细分领域的工程师相比,机器人工程师必须是专才和通才的结合体。那么,机器人工程师到底需要具备哪些基...

2664
来自专栏华章科技

关于数据分析师面试,你真的准备好了吗?

经常被问到一个问题,数据分析师或者数据挖掘工程师面试都问什么问题啊?特别是以下几类人群:

1413
来自专栏华章科技

VR+大数据:感知大数据,绽放新智慧

从技术的观点来看,大数据的全生命周期大致可以分为数据采集、数据存储、数据处理、数据分析、数据可视化、数据决策及数据服务七个阶段(见下图)。

832
来自专栏机器之心

演讲 | 加州大学伯克利分校教授、人工智能专家Michael Jordan 眼中机器学习的未来

机器之心原创 作者:高静宜 2017 年 6 月 21 日,在 2017 腾讯云+未来峰会上,腾讯云发布了战略新品「智能云」,希望借此推动「人工智能即服务」成为...

3515
来自专栏数据科学与人工智能

【数据科学家】数据科学家的4种数据科学工作,8项求职技能

“数据科学家”被誉为21世纪最性感的工作(Thomas Davenport和D.J. Patil在哈佛商业评论上曾发表的一篇文章中称),但如何成为一个数据科学家...

2279

扫码关注云+社区