人工智能与机器学习有什么区别？

　　当人们被要求评估人工智能或机器学习的潜力以解决其组织的问题时，最好了解两者之间的区别。

　　如今，人工智能和机器学习经常变得混杂在一起，人们很容易将这两者误认为是同义词。这并不准确：虽然肯定是密切相关的，但实际上不能互换。

　　“人工智能与机器学习密切相关，所以这些术语的使用是松散且可互换的，这一点并不奇怪。”Very公司工程副总裁Bill Brock说。

　　如果组织还没有使用人工智能或机器学习，那么很快就会需要评估其对组织的潜力。

　　Red Hat公司首席技术官办公室人工智能高级总监Daniel Riek 表示，“作为工作负载的人工智能将成为IT战略的主要驱动力。人工智能代表着IT行业的转型发展：所有垂直行业的客户越来越关注智能应用，以便通过人工智能为业务提供帮助。这适用于在软件中实施的任何工作流程，这不仅适用于企业的传统业务，还适用于研究、生产流程以及产品本身。通过人工智能实现的自动化程度的提高将迅速成为企业竞争力建设的关键因素，并将使人工智能成为一种战略性技术。”

　　自然语言处理和其他支持人工智能的功能将帮助组织重新考虑客户服务聊天和分析大量非结构化数据。这将实现更多的预测分析，提高效率，并增强决策能力。

　　那么人工智能和机器学习有什么区别?先从定义术语开始。

　　人工智能意味着什么

　　Brock说，“简单地说，人工智能是机器能够执行需要人工完成的任务。这涉及让计算机访问大量数据，并让他们自己学习。”

　　机器学习是人工智能的一个具体应用或学科，但不是唯一的一个。Brock解释说，“算法被输入数据，并被要求在没有特定编程的情况下进行处理。与人类一样，机器学习算法可以从错误中吸取教训，以提高性能。”

　　作为区分人工智能和机器学习的起点，将人工智能视为包含多个特定技术或学科的更高层次或伞形类比是很有帮助的，机器学习就是其中之一。

　　Amplify.ai公司首席执行官兼联合创始人Mahi de Silva说。“人工智能包括各种领域的研究，包括机器学习、自然语言处理(NLP)、语音/音频识别、计算机视觉/图像识别、搜索、路由、自主机器人、自主运输等学科。”

　　谈到机器学习，SigOpt公司研究工程师Michael McCourt提出了一个类比：“机器学习就像是人工智能这把雨伞上的一个辐条，有着更具体的定义。”

　　可以回顾一下：McCourt注意到人工智能的定义是非常广泛的，它就像一把雨伞，以至于如果要求一组10个人给出他们的定义，可能会得到10个不同的答案。“人工智能是一个没有具体定义的总称，因为它包含了所有模拟人类能力的机械、机器人和汽车任务。”McCourt说。

　　此外，人工智能的定义已经发生变化，并且会随着时间的推移而不断变化。McCourt指出，“二十年前，像拼写检查这样的工具被认为是一种人工智能。而在十年前，人工智能意味着能够对图像进行分类。”

　　机器学习意味着什么

　　虽然机器学习技术和用途可能会发展，但其核心定义更加具体和细化。

　　“机器学习模型根据存储的数据集和查询生成结果，以学习特定模式，”McCourt说。如果之前没有存储答案，机器学习会分析环境，给出正确答案的最佳猜测。

　　Indico数据解决方案公司的首席执行官Tom Wilde指出，人工智能和机器学习被同时使用和混淆的原因非常普遍。

　　“混淆的原因是可以理解的：机器学习可以被认为是当前人工智能的最先进技术。”Wilde说。除此之外，他还补充说，机器学习是最古老和最成熟的人工智能学科之一。在企业用例方面，它也是最新的成果。

　　理解人工智能和机器学习之间的区别不仅仅是澄清术语的区别或减少那些不懂的非技术人员的烦恼。相反，它是人工智能项目成功的关键。

　　Brock说，“区分人工智能和机器学习很重要，因为这对于成功地设计、构建、开发和维护应用程序或平台至关重要。”

　　这对组织的内部知识和人工智能技能的发展是正确的;对评估和选择合适的供应商也是如此。

　　人们还记得每种产品突然在其名称中添加了“云”这个词的情景吗?那么以后也可能在各种产品中看到人工智能和机器学习。

　　当心人工智能清洗产品

　　“虽然许多公司自称使用人工智能，但实际上许多公司很少使用机器学习，而且大多使用基于规则的系统。人工智能与机器学习之间的混淆产生了一些重大问题。”SigOpt公司的McCourt说，“首先，它为人工智能和机器学习成功的实际情况创造了一个不断变化的目标。其次，这种模糊性为企业声称他们正在使用机器学习技术提供了空间，而不用担心他们会受到挑战。”

　　这是一个巨大的缺陷，特别是考虑到如此多的组织才刚刚开始(如果有的话)识别他们潜在的人工智能机会。加上大量的宣传炒作，缺乏对关键术语的理解使得很难正确评估选项。

　　Amplify.ai公司首席执行官de Silva指出，这并不是说人们应该忽视不同术语和技术之间的重叠和联系;相反，只是不应该将这些重叠和联系视为是相同的事情。人工智能所包含的各种学科，如机器学习、自然语言处理(NLP)和计算机视觉，在正确地结合使用时，可以产生放大效应。

　　他说：“重要的是要认识到，在这些研究和实施领域存在大量的交叉整合的机会，在这些领域，这些技术叠加起来将提供更多的实用性。”

　　只需确保组织清楚地看到不同的界限，以确保在当前和未来的人工智能项目中取得最大的成功几率。目前，了解人工智能和机器学习之间的区别是一个很好的基础。

　　Brock说，“对于首席信息官和IT决策者来说，熟悉概念，并与对概念及其应用有全面了解的团队(包括内部员工以及第三方供应商和顾问)合作是很重要的。在接下来的两年里，随着许多机器学习项目进入生产阶段，我们将看到机器学习项目的爆炸式增长，因此拥有适当的专业知识水平以确保这些项目的成功至关重要。”

　　什么是监督与无监督机器学习?

　　人们还要区分两种类型的机器学习。“在用例方面，监督机器学习在这一点上是更常见的。这种类型的机器学习通过提供有关所需类别参数的信息来训练机器，并让算法决定如何对它们进行分类。”Brock解释道。

　　Brock指出，另一方面，无监督机器学习不使用训练数据。因此它更复杂，在这一点上已经用于更少的应用程序。但是如果听到有人以可互换的方式地使用人工智能和机器学习，那么他们可能会考虑无人监督的机器学习，因为它不需要像监督机器学习一样需要更多的(如果有的话)人类输入和训练。

　　Brock说，“无监督的机器学习是人工智能未来的促进因素。无人监督的机器学习已经被用于(或正在开发中)图像识别、癌症检测、音乐合成、机器人导航、自动驾驶和许多其他创新等应用。”