當今最熱門的顛覆性技術正在改變商業(yè)格局，它們是機器學習(ML)和人工智能(AI)。
幾乎我們所有人都聽說過或讀到過它們，但我們真的知道它們是怎么回事嗎?
這些企業(yè)正試圖利用先進算法，利用數(shù)字數(shù)據(jù)和計算能力的爆炸式增長，實現(xiàn)人與機器之間的協(xié)作和自然交互。
然而，對于什么是機器學習(ML)和人工智能(AI)，公眾和媒體仍然有很多困惑。
機器學習是人工智能誕生后出現(xiàn)的詞匯。這兩個術語經常被用作同義詞，在某些情況下還被當成是離散的、并行的發(fā)展。
事實上，機器學習之于人工智能，就像神經元之于人腦一樣。
讓我們從機器學習開始。
賓夕法尼亞卡內基梅隆大學(Carnegie Mellon University)機器學習部門編輯羅伯托?伊里翁多(Roberto Iriondo)表示，機器學習是人工智能的一個分支。
正如計算機科學家、機器學習先驅湯姆·米切爾(Tom M. Mitchell)所創(chuàng)造的那樣，“機器學習是一門計算機算法的研究，它允許計算機程序通過經驗自動改進”。
例如，如果你給一個機器學習模型提供你喜歡的歌曲，以及相應的音頻數(shù)據(jù)(樂器、節(jié)拍、類型等)，它將能夠自動化生成一個系統(tǒng)，來給你可能喜歡的音樂提供建議——就像Netflix、Spotify和其它公司所做的那樣。
如果一家數(shù)字支付公司想要檢測其系統(tǒng)中是否存在欺詐行為或潛在的欺詐行為，它可以為此使用機器學習工具。建立在計算機模型中的計算算法將處理數(shù)字平臺上發(fā)生的所有事務，在數(shù)據(jù)集中發(fā)現(xiàn)模式，并指出模式檢測到的任何異常。
Iriondo說:“在一個簡單的例子中，如果你加載一個機器學習程序，其中包含相當大的X光照片數(shù)據(jù)集，并附帶描述(如癥狀等)，它將有能力(或可能自動地)協(xié)助此后關于X光照片的數(shù)據(jù)分析。”
機器學習模型將查看數(shù)據(jù)集中的每一張圖片，并在標有類似指示的圖片中找到常見的模式。其中，深度學習(Deep Learning)也是機器學習的一個子集。
另一方面，人工智能則是一個廣義的概括性術語，指的是試圖讓計算機像人類一樣思考，能夠模擬人類所做的各種事情，并最終以比我們更好更快的方式解決問題。
人工智能的范圍非常廣泛，它本身就是一個系統(tǒng)，而不僅僅是獨立的數(shù)據(jù)模型。它包括各種各樣的任務，如做創(chuàng)造性工作、制定計劃、走動、說話、識別物體和聲音、執(zhí)行商業(yè)交易等等。
然而，微軟客戶成功部門云解決方案架構師(Advanced Analytics & AI)西奧?范?克雷(Theo van Kraay)表示，任何試圖定義人工智能的嘗試都有些徒勞，因為我們首先必須正確定義“智能”(intelligence)，這個詞的含義五花八門。
“首先，值得注意的是，20多年前被稱為人工智能的技術與傳統(tǒng)計算機系統(tǒng)之間的差異接近于零，這一點很有趣，也很重要，”范?克雷表示。
今天人工智能系統(tǒng)所做的反映了人類與傳統(tǒng)計算機系統(tǒng)的一個重要區(qū)別——人類是預測機器。
如今的許多人工智能系統(tǒng)，就像人類一樣，大多是復雜的預測機器。
“機器越復雜，它就越能夠做出準確的預測，基于一系列的用于訓練各種(ML)模型的復雜數(shù)據(jù)和最先進的人工智能系統(tǒng)，它們將能夠不斷從錯誤中學習，以提高預測的準確性,從而表現(xiàn)出近似人類智慧的東西。”他說。
大多數(shù)ML算法都是針對靜態(tài)數(shù)據(jù)集進行訓練，生成預測模型，因此ML算法只促進了人工智能中的某一部分的發(fā)展。
50年前，國際象棋程序被認為是人工智能的一種形式。
但今天，象棋游戲中的AI被認為是枯燥和過時的，因為它幾乎可以在每臺電腦上找到。
Iriondo表示:“如今，人工智能的象征是Google Home、蘋果Siri和亞馬遜(Amazon)的Alexa等人工智能互動設備，或為Netflix、亞馬遜(Amazon)和YouTube提供動力的多媒體視頻預測系統(tǒng)。”
與機器學習相比，人工智能是一個不斷變化的目標，隨著相關技術的發(fā)展，其定義也在發(fā)生變化。
Iriondo打趣道:“可能在幾十年內，目前的創(chuàng)新人工智能進步就會被認為和現(xiàn)在的翻蓋手機一樣無趣。”
