在過去幾年，人工智能和機器學(xué)習(xí)頻繁出現(xiàn)在技術(shù)新聞和各種網(wǎng)站上。兩者常常被用作同義詞，但許多專家認(rèn)為它們存在微妙且重大的區(qū)別。

當(dāng)然，專家們自己有時對于那些區(qū)別到底是什么也意見不一。

然而一般來說，有兩點似乎很清楚：第一，人工智能（AI）這個術(shù)語的歷史比機器學(xué)習(xí)（ML）更早；第二，大多數(shù)人認(rèn)為機器學(xué)習(xí)是人工智能的一個子集。

最能清楚表示這種關(guān)系的圖形之一來自英偉達公司的官方博客。它提供了一個很好的起點，有助于了解人工智能和機器學(xué)習(xí)之間的區(qū)別。

人工智能VS機器學(xué)習(xí)――首先，什么是人工智能？

計算機科學(xué)家對人工智能有諸多不同的定義，但究其核心，人工智能包括像人類那樣來思考的機器。當(dāng)然，很難確定機器是不是在“思考”。因此實際上，建造人工智能需要建造擅長處理人類擅長的那類工作的計算機系統(tǒng)。

創(chuàng)造像人類一樣聰明的機器這個想法可以一直追溯到古希臘人，當(dāng)時流傳神創(chuàng)造自動機方面的神話。然而實際上，這個想法直到1950年才真正流行起來。

就在那一年，阿蘭·圖靈（Alan Turing）發(fā)表了一篇開創(chuàng)性的論文，題為《計算機器和智能》，提出了機器會不會思考的問題。他提出了著名的圖靈測試，該測試實際上聲稱：如果人類無法判斷自己在與人類交互還是在與機器交互，就可以說該機器是智能機器。

人工智能這個詞語于1956年由約翰·麥卡錫（John McCarthy）創(chuàng)造，他在達特茅斯組織了一次學(xué)術(shù)會議，專門討論這個話題。會議結(jié)束后，與會者建議進一步研究“這個推測結(jié)果，即學(xué)習(xí)的每個方面或智能的其他任何特征原則上可以非常精確地加以描述，那樣就可以研制出模擬它的機器。將旨在搞清楚如何使機器使用語言、形式抽象和概念，解決現(xiàn)在留給人類去解決的問題，并改善自身。”

這個提議預(yù)示了當(dāng)今人工智能領(lǐng)域備受關(guān)注的許多話題，包括自然語言處理、圖像識別及分類以及機器學(xué)習(xí)。

在那第一次會議后的幾年里，人工智能研究蓬勃發(fā)展起來。然而在幾十年內(nèi)，這一點卻很顯然：建造真正認(rèn)為具有獨立思考能力的機器的技術(shù)多年后才會問世。

但在過去十年，人工智能已從科幻小說領(lǐng)域進入到科學(xué)事實領(lǐng)域。新聞媒體長篇累牘地報道IBM的Watson人工智能技術(shù)贏得智力競賽電視節(jié)目《危險邊緣》和谷歌的人工智能技術(shù)在圍棋比賽中擊敗人類冠軍，這讓人工智能重返公眾視野。

如今，所有最大的技術(shù)公司都致力于人工智能項目，我們大多數(shù)人每天在接觸人工智能軟件，比如使用智能手機、社交媒體、互聯(lián)網(wǎng)搜索引擎或電子商務(wù)網(wǎng)站。我們最常接觸的其中一種類型的人工智能就是機器學(xué)習(xí)。

人工智能VS機器學(xué)習(xí)――好吧，那么機器學(xué)習(xí)又是什么？

“機器學(xué)習(xí)”這個短語同樣可以追溯到上世紀(jì)中葉。1959年，阿瑟·塞繆爾（Arthur Samuel）將機器學(xué)習(xí)定義為“不需要明確編程就能學(xué)習(xí)的能力?！睘榇?，他開發(fā)了一個計算機檢查程序，這是能從自己的錯誤中學(xué)習(xí)，不斷改善性能的早期程序之一。

與人工智能研究一樣，機器學(xué)習(xí)長時間不流行，但是當(dāng)數(shù)據(jù)挖掘這個概念在上世紀(jì)90年代開始大行其道時，它再度流行起來。數(shù)據(jù)挖掘是使用算法來尋找某一組信息中的模式。機器學(xué)習(xí)則做的是同樣的事情，但更進了一步――它可根據(jù)學(xué)到的知識來改變程序的行為。

近來變得非常流行的機器學(xué)習(xí)的一個應(yīng)用是圖像識別。這類應(yīng)用軟件首先要加以訓(xùn)練――換句話說，人類要看一堆圖片，告訴系統(tǒng)圖片中有什么。成千上萬次重復(fù)后，軟件明白像素的哪些模式通常與馬、狗、貓、花、樹、房子等有關(guān)，然后可以非常準(zhǔn)確地猜中圖片內(nèi)容。

許多基于互聯(lián)網(wǎng)的公司也使用機器學(xué)習(xí)來驅(qū)動他們的推薦引擎。比如，當(dāng)Facebook決定在你的新聞源中顯示什么內(nèi)容，亞馬遜重點推介你可能想要購買的產(chǎn)品，Netflix推薦你可能想要觀看的電影時，所有這些建議都是基于預(yù)測，而這些預(yù)測源自現(xiàn)有數(shù)據(jù)中的模式。

目前，許多企業(yè)開始使用機器學(xué)習(xí)功能用于預(yù)測分析。由于大數(shù)據(jù)分析變得更流行，機器學(xué)習(xí)技術(shù)變得更常見，它已是許多分析工具的一項標(biāo)準(zhǔn)功能。

事實上，機器學(xué)習(xí)已經(jīng)與統(tǒng)計、數(shù)據(jù)挖掘和預(yù)測分析緊密相關(guān)，以至于一些人認(rèn)為，應(yīng)將機器學(xué)習(xí)歸入與人工智能不同的領(lǐng)域。畢竟，系統(tǒng)不必?fù)碛腥魏螜C器學(xué)習(xí)功能，就能展示人工智能特點，比如自然語言處理或自動推理，機器學(xué)習(xí)系統(tǒng)沒必要擁有人工智能的其他任何特點。

其他人更喜歡使用“機器學(xué)習(xí)”這個術(shù)語，因為他們認(rèn)為，這聽起來比“人工智能”更含有技術(shù)味，少一點可怕。一位互聯(lián)網(wǎng)評論人士甚至表示，兩者的區(qū)別是“機器學(xué)習(xí)是切實在工作?！?/p>

然而從一開始，機器學(xué)習(xí)就是人工智能方面討論的一部分，兩者在如今進入市場的許多應(yīng)用中仍密不可分。比如，個人助理和機器人程序常常有許多不同的人工智能特點，包括機器學(xué)習(xí)。

人工智能和機器學(xué)習(xí)的前沿：深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和認(rèn)知計算

當(dāng)然，“機器學(xué)習(xí)”和“人工智能”不是與這個計算機科學(xué)領(lǐng)域有關(guān)的唯一兩個術(shù)語。IBM經(jīng)常使用“認(rèn)知計算”這個術(shù)語，它或多或少是人工智能的同義詞。

然而，其他一些術(shù)語確實有非常獨特的含義。比如，人工神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)是這樣一種系統(tǒng)：旨在以類似生物大腦工作機理的方式來處理信息。情況可能會變得令人困惑，因為神經(jīng)網(wǎng)絡(luò)往往特別擅長機器學(xué)習(xí)，所以那兩個術(shù)語有時被混淆。

此外，神經(jīng)網(wǎng)絡(luò)為深度學(xué)習(xí)提供了基礎(chǔ)，深度學(xué)習(xí)是一種特殊的機器學(xué)習(xí)。深度學(xué)習(xí)使用在多層次運行的某一套機器學(xué)習(xí)算法。這一方面有賴于使用GPU同時處理一大批數(shù)據(jù)的系統(tǒng)。

如果你對所有這些不同的術(shù)語覺得困惑，并非只有你才這樣。計算機科學(xué)家繼續(xù)在爭論它們的確切定義，這種爭論可能會在未來一段時間內(nèi)持續(xù)下去。由于許多公司繼續(xù)往人工智能和機器學(xué)習(xí)研究投入資金，到時可能會出現(xiàn)更多的術(shù)語，給這方面的問題進一步添加了復(fù)雜性。