2017/12/07--翻译：人工智能(AI)与机器学习的不同

[lq920320]

原文地址：https://www.forbes.com/sites/bernardmarr/2016/12/06/what-is-the-difference-between-artificial-intelligence-and-machine-learning/#1d71a8c02742

人工智能（AI）和机器学习是当下最热门的两个词，而且含义上经常被互换使用。

虽然它们并不等同，但是有时候在感觉上也是会造成一定混乱的。所以我认为还是值得写一篇文章来解释它们的不同之处。

两者频繁出现的时刻都是在谈论的话题如大数据，分析学以及正席卷全球的技术变革的广泛冲击。

简言之，最好的答案是：
机器可以用一种我们认为“聪明”的方式去完成任务，人工智能则是其更宽泛的概念。
以及，
AI是基于我们应该仅让机器访问数据，然后它们便能自己学习这一创意，机器学习只是当前的一种应用。

早些年

人工智能已经存在很长时间了——希腊神话中也有机械人模仿人类行为的故事。早期的欧洲的计算机是被设想为“逻辑机器”的，由于类似基础算术和记忆的再现能力，工程师从根本上把自己的工作视为试图创造机械的大脑。

由于当代技术，这是很重要的，我们对于人类思维运作的理解也在发展，从而关于AI构成的概念亦发生了变化。AI领域的工作，集中在模仿人类的决策产生过程以及更多地以人类的方式去完成任务，而不是持续增长的复杂计算。

人工智能——旨在表现得智能的设备——经常被归为应用的或通用这两个基本组别的之一。应用AI更为常见——系统设计得更为智能地交易股票和股份，或者自动驾驶车辆的演示也属于这一类。

一般的人工智能——系统也好设备也好，理论上可以处理任何任务，然而并不常见。但这也是当今正在发生的最令人激动的可进步之处，同时也是带动机器学习发展的领域。经常作为AI的子领域被提及，把（机器学习）当做是目前最新的技术的确更为准确。

机器学习的起势

两项重要突破导致了机器学习的出现，而这也正驱动着AI以目前的（飞快）速度向前发展。

二者之一是——曾在1959年由Arthur Samuel提出这一概念，（机器学习）不仅仅是传授给计算机它们需要了解的一切以及怎样完成任务，更是产生了它们自学的可能性。

第二项突破则距今不远，那就是互联网的出现，以及数字信息在数量上的剧增，存储，并且可用于分析。

曾经这些创新提出之后，工程师们意识到不单单是教给计算机和机器怎么做事，甚至可以通过编程让它们像人类一样思考，然后将它们加入互联网以获得世界上所有的信息。

神经网络

神经网络的发展已成为教授计算机用人类的方式思考和理解世界的关键，与此同时它们还有着优于我们的天赋，比如（计算）速度，准确性，以及毫无偏见。

一个神经网络就是一套计算机系统，旨在以和人类大脑分类信息的方式运行。依靠含有的“神经元”，它们可以学会辨认类似图片并且把图片进行分类。

实质上它运行在一套概率系统上，这套系统由数据支撑，并且可以发表声明，做出决定，或者给出有一定把握的预测。一个反馈回路可以通过传感或者被告知进行“学习”，这一附加属性，无论它的决定是否正确，都会改变未来所使用的方法。

机器学习应用可以阅读文章并判别作者的意图是给出投诉还是表达祝贺。它们还可以听一段音乐，然后判定这段音乐是否可能让人开心或者难过，之后找出其他的音乐来匹配情感。在一些例子中，它们甚至可以谱出自己的音乐来表达同样的主题，或者用它们熟知的一些会被那些发烧友喜爱的音乐原件。

这些所有的可能性都由基于机器学习和神经网络的系统提供。非常感谢科幻小说，我们或许可以与电子设备和数字信息相互交流、影响，这一设想也被照进了现实，正如我们和一个人类所做的那样自然。最后，AI的另一个领域——自然语言处理（Natural Language Processing (NLP)）——近年来已经成为那些让人非常激动革新的原动力，并且是非常依赖ML的领域之一。

NLP应用试图去理解正常的人类交流，不论是书面还是口头的，并且用和人类相似的自然语言来回应。ML在这里用来帮助机器理解人类语言的中大量的细微差别之处，以及学习用一种能让某位特定听众理解的方式去回应对方。

人工智能——尤其是当今的机器学习（ML）自然能提供很多东西。由于其达成重复劳动自动化以及提供创造性眼光的承诺，从银行业到医疗与制造业等各个行业都在从中受益。因此，重要的是要记住，AI和ML是别的东西……而它们是正被出售的产品，一直都是，且有利可图。

机器学习当然已被营销人员抓住了机遇。AI已经出现了如此之久，而在其潜力真正被发掘之前，它甚至可能开始被视作“老一套”的东西。在“AI革命”开始出现一些错误的开始，然后“机器学习”这一术语给了营销人员一些新鲜、闪亮的东西，并且重要的是，牢牢扎根于此时此地。

事实就是我们最终会开发出与人类相似的AI，而这也经常被技术人员视为不可避免的东西。当然，今天我们以与日俱增的速度，未曾如此的靠近这一目标。近些年来我们所看到的许多令人激动的进展，正是由于我们如何设想AI运行的根本改变，同时也是ML所带来的改变。我希望这篇文章能够帮助一些人理解AI与ML之间的区别。