“計算機的誕生是為了解決以前不存在的問題。” - 比爾蓋茨。你必須認(rèn)為這是一個奇怪的陳述，從今天的文章開始，這篇文章是關(guān)于高端技術(shù)的。雖然這是因為我們今天站在這里的這項技術(shù)，但它也有點令人困惑。嗯，高端技術(shù)帶來了高端技術(shù)人員的高端混淆。所以更不用說普通人的心態(tài)了。曾經(jīng)有一段時間，計算機占用整個房間來執(zhí)行計算等基本操作。

從那時到現(xiàn)在，當(dāng)它涉及大數(shù)據(jù)時，我們走了很長的路?；蛘吒_切地說，我們已經(jīng)進(jìn)化了，但是使用計算機。我們與計算機的發(fā)展是如此錯綜復(fù)雜地結(jié)合在一起，有時甚至無法將它們與我們的日常生活區(qū)分開來。我們甚至經(jīng)常不認(rèn)為它們是非凡的；它更像是我們一直以來的樣子。

大型計算機與大數(shù)據(jù)

我們現(xiàn)在正處于一個計算機科學(xué)不再是真正的計算機科學(xué)的階段。它更像是一個蓬勃發(fā)展的市場，充滿了令人興奮和創(chuàng)新的東西。它也充滿了新的學(xué)習(xí)機會。技術(shù)壟斷了我們這個時代的消費。如今在我們這個世界上有如此令人興奮的經(jīng)歷，你是否有動力去創(chuàng)造新事物？

即使你不是，那么你必須至少獲得一些實質(zhì)性的知識。我們假設(shè)你知道今天最熱門的流行語，人工智能和機器學(xué)習(xí)。它們不僅具有相同的受歡迎程度，而且通常似乎也可以互換使用。但它們絕對不是一回事。我們認(rèn)為錯誤的原因是這種混淆的原因。

對于初學(xué)者來說

AI是一個更廣泛的任務(wù)概念機器學(xué)習(xí)更像是人工智能的當(dāng)前應(yīng)用，機器可以訪問信息或數(shù)據(jù)，這樣他們就可以自己學(xué)習(xí)。

令人困惑？

我們在本文中將逐步了解AI和機器學(xué)習(xí)是什么？然后它們有什么不同？

人工智能（AI）：

人工但人性化。

”想象力是比知識更重要。因為知識是有限的，而想象力包含整個世界，刺激進(jìn)步，催生進(jìn)化?！?- 愛因斯坦

人工智能是人類最瘋狂的想象之一，人類想象的機器會像他們。這意味著直到最近才需要使用人工智能實現(xiàn)人腦。 “人工智能”一詞的范圍非常廣泛。人類大腦是最廣泛和模糊的討論領(lǐng)域，人工智能也是如此。幾十年前，口袋計算器被認(rèn)為是AI的一種形式，因為數(shù)學(xué)計算僅限于人類大腦。今天，計算器甚至不再被認(rèn)為是一個小工具，因此，“直到最近”才會隨著時間的推移而發(fā)展。

AI將始終是一個不斷變化的目標(biāo)。它將基于人類大腦擁有的那些能力，而機器則不具備這些能力。還有另一種誤解，即人工智能是一個系統(tǒng)，但它不是一個系統(tǒng)。 AI在系統(tǒng)中實現(xiàn)。人工智能可以指從玩象棋游戲的計算機程序到像蘋果公司的“Siri”解釋和回應(yīng)語音的語音識別系統(tǒng)。因此，基本上每當(dāng)機器根據(jù)一組解決問題（算法）的指定規(guī)則執(zhí)行任務(wù)時，這種“智能”行為就是所謂的人工智能。

機器學(xué)習(xí)

Isaac Asimov曾經(jīng)說過“我不怕計算機。我擔(dān)心缺乏它們?！盀槭裁次覀兪褂眠@個引用？讓我們繼續(xù)探索吧。機器學(xué)習(xí)基于所謂的“神經(jīng)網(wǎng)絡(luò)”。如果聽起來很復(fù)雜，那就是因為它。神經(jīng)網(wǎng)絡(luò)用于學(xué)習(xí)和訓(xùn)練。它們依賴某些重要因素來確定情況的可能結(jié)果，并且需要首先由人類進(jìn)行編程。神經(jīng)網(wǎng)絡(luò)程序員必須調(diào)整結(jié)果中的重要因素，直到網(wǎng)絡(luò)從其所具有的信息達(dá)到所需結(jié)果?，F(xiàn)在想想是否需要神經(jīng)網(wǎng)絡(luò)程序員來調(diào)整和編程每個Google搜索！這就是機器學(xué)習(xí)的起點。

機器學(xué)習(xí)就在你身邊，無論你是否意識到這都是問題。例如，購買適合您語音的產(chǎn)品或語音識別軟件時的自動建議。聽起來更像你的在線購物應(yīng)用程序的最后一個建議？沒錯，這都是機器學(xué)習(xí)。甚至我們寫的文章，為什么你認(rèn)為他們在搜索主題時出現(xiàn)？

訓(xùn)練機器

一旦神經(jīng)網(wǎng)絡(luò)完善并且機器理解如何調(diào)整它本身就具有重要意義，它可以訓(xùn)練自己提高精度而無需人為干預(yù)。一旦您訓(xùn)練機器，它就可以通過網(wǎng)絡(luò)對新輸入進(jìn)行分類，并實時生成精確的結(jié)果。雖然技術(shù)非常復(fù)雜和聰明，但它并沒有真正使用任何智能。

兩個重要的突破導(dǎo)致了機器學(xué)習(xí)的出現(xiàn)。其中一個是1959年為亞瑟·塞繆爾所認(rèn)可的實現(xiàn)。它指出，我們可以教導(dǎo)他們自己做，而不是給計算機做什么。第二個是最近出現(xiàn)的互聯(lián)網(wǎng)，以及生成，存儲和分析數(shù)字信息量的巨大增長。對于工程師來說，顯而易見的是，他們無法教授機器和計算機的所有東西。如果他們像人腦一樣編碼它們會更有幫助。然后將它們插入互聯(lián)網(wǎng)以訪問充滿數(shù)據(jù)的世界。

那么為什么AI和機器學(xué)習(xí)會混淆？

之所以我們聽到互換的兩個定義是沒有機器學(xué)習(xí)就不能存在AI - 盡管機器學(xué)習(xí)可以在沒有AI的情況下存在。機器學(xué)習(xí)是以目前的速度推動人工智能發(fā)展的載體。

最后，讓我們舉一個例子，讓我們的生活更簡單一些。如果我們插入同一動物的不同照片，讓我們說一只狗，做不同的事情?；蛘咴诓煌牡胤娇赡苡胁煌墓?。并將它們標(biāo)記為狗，計算機將學(xué)習(xí)。它將從它顯示的照片中學(xué)習(xí)。最終，它會認(rèn)識到狗是每組數(shù)據(jù)的共同點，反過來又幫助計算機學(xué)會識別狗。

這件事有什么人性化的東西嗎？不是嗎，對吧？但是，如果這個算法連接到相機和揚聲器？它可以識別它前面的物體，并且發(fā)出聲音可以回答我們的問題。這更像是人性化和聰明。它模仿人類的大腦。它已成為人工智能。

當(dāng)我們走到盡頭時，讓我們清楚AI和機器學(xué)習(xí)的空氣。當(dāng)機器以這樣的方式編碼時，它不僅可以檢測而且可以區(qū)分對象。根據(jù)理解的標(biāo)準(zhǔn)，它可以選擇丟棄或接受它們。然后AI誕生了。每當(dāng)機器做出決定時，它就是人工智能。它不僅僅是機器學(xué)習(xí)。