AI和机器学习到底有什么差别？
Morketing2018-06-06 11:17
文章来源：AdWeek
作者：莫莉·圣路易斯（Molly St. Louis）
编译：Ellie
大多数营销人，正在尝试使用一点AI技术来提高自己的水平，跟上竞争对手节奏。同时，大多数营销人，也可能并不完全理解AI是如何工作的。这样的人并不只你一个。
当你发现可以为企业所用的新型智能工具时，为了做出明智的购买决策，你需要先了解“机器学习”和“人工智能（AI）”之间的差别。这两个术语时常会被互换使用，但他们绝对不是同一回事。
“可以使一个系统展示如人类一般智慧的技术都可以被称作AI，”[24]7.ai首席技术官Patrick Nguyen解释说，“机器学习是AI的一种。机器学习利用数据进行训练，可以使用数学模型作出决策。随着数据的增加，机器学习模型会做出更优的决策。”
那么，我们将这个问题分解一下。
1.
机器学习
你不需要拥有全智能家居才能接触到机器学习。事实上，像Facebook和Google这样的公司已经开始使用机器学习来进行大数据的工作、加快搜索速度或优化广告。
根据马斯特里赫特大学的说法，“机器学习算法被广泛应用，每天都能遇到，比如购物时的自动推荐和语音识别软件。”这种说法是不是很耳熟？
机器学习基于所谓的“ 神经网络”。如果这个说法听起来很复杂，那是因为它的确很复杂。但简而言之，神经网络是用来训练和学习的。如果给定几项影响因子的重要程度，它将计算出特定情况的可能出现结果，并且需要事先由人类编程。
神经网络程序员必须对结果中影响因子的重要程度（也可称为权重）进行调整，直到能够从已有信息中输出要求的结果。
现在，想象一下，一个程序员为Google搜索的每一个可能结果手动建立一个神经网络！这将是一项异常艰巨的任务，好在还有机器学习。
一旦完善了神经网络，并且机器理解了如何自行调整权重，机器就可以在没有人工干预的情况下，自我训练来提高准确性。并且，一旦机器经过训练，它就可以通过网络对新的输入进行分类，并且实时输出正确结果，比如语音搜索。
虽然这是一种十分复杂和精巧的技术，但机器学习不具备任何真正的智能。
2.
人工智能
算法不需要理解为什么它们要自我修正和改进，它们只是被编好的程序要求去做这些事情。然而，一旦机器学习发展到一定程度，它们可以思考，可以以一种可信的方式与人类进行交流，可以自己做出决定，这就升级到了人工智能。
我们经常听到这两个概念互换使用，是因为尽管机器学习可以在没有AI的情况下存在，但没有机器学习，AI不可能存在，比如一种可以根据特定权重因子识别数据模式的算法，或者可以识别各种类型的相同图片算法。
“如果我们将猫在不同状态或者不同地点的多张照片标记为’猫’，并把照片输入计算机，计算机会从每张照片中学习，”Overstock的机器学习主管Kamelia Aryafar博士解释说，“最终，计算机会识别出猫是每组数据中的共同点，反过来帮助计算机学习如何识别猫。”
这里面并没有什么像人类一样的智慧。但是，当这个算法连接到摄像头和扬声器时，它可以检测出面前的物体，并且利用给定的声音来回应问题，这就模拟了人类智慧。从此刻起，它就成为了人工智能。
当一台机器可以分辨物体之间的差异，并能根据可理解的标准选择丢弃这些物体还是把它们留下来时，人工智能就出现了。事实上，任何时候机器做出决策都属于人工智能，这一概念的范围远远大于纯粹的机器学习。
3.
AI的两种类型
人工智能可以进一步分解为两种主要类型：通用型AI或者应用型AI。实现通用型AI比实现应用型AI要难得多。事实上，应用型AI与上述的机器学习紧密相关，计算机为自己做出决定。
LinkedIn Messaging就是一个日常使用的应用型AI的实例，这个应用可以预测针对一条信息的有可能回应。Nguyen解释说，“预测的反应是由经大量信息数据训练过的机器学习模型生成的，这些模型通过匹配相似的语言特性（例如词序和语序），找到了最常见的回复信息。”
“这被称为预测性自然语言处理（NLP），”Aryafar说，“机器在读过一些关于促销信息、新生儿或者换工作的文本后，可以根据它在文本中扫描到的内容制定建议。”很酷对不对？
通用型AI的范围更广，它要求机器能够理解更多类型的任务并作出回应，以及尽可能地模拟人类大脑。
尽管我们仍在探索通用型AI的可能性（需要很长一段时间人类才能像机器人Sophia活的一样长），应用型AI已经投入使用了。这一切的根本都在于机器学习里必不可少的神经网络，它已经在为我们用过的许多设备提供服务了。
收藏投
举报/反馈
0
0
收藏
分享
