當今熱門的顛覆性技術正在改變商業格局，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?

　　這些企業正試圖利用先進算法，利用數字數據和計算能力的爆炸式增長，實現人與機器之間的協作和自然交互。

　　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(CarnegieMellonUniversity)機器學習部門編輯羅伯托•伊里翁多(RobertoIriondo)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(TomM.Mitchell)所創造的那樣，“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，以及相應的音頻數據(樂器、節拍、類型等)，它將能夠自動化生成一個系統，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。

　　如果一家數字支付公司想要檢測其系統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字平臺上發生的所有事務，在數據集中發現模式，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光照片數據集，并附帶描述(如癥狀等)，它將有能力(或可能自動地)協助此后關于X光照片的數據分析。”

　　機器學習模型將查看數據集中的每一張圖片，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(DeepLearning)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*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，而不僅僅是獨立的數據模型。它包括各種各樣的任務，如做創造性工作、制定計劃、走動、說話、識別物體和聲音、執行商業交易等等。

　　然而，微軟客戶成功部門云解決方案架構師(AdvancedAnalytics&AI)西奧•范•克雷(TheovanKraay)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計算機系統之間的差異接近于零，這一點很有趣，也很重要，”范•克雷表示。
　　今天人工智能系統所做的反映了人類與傳統計算機系統的一個重要區別——人類是預測機器。

　　如今的許多人工智能系統，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)模型的復雜數據和先進的人工智能系統，它們將能夠不斷從錯誤中學習，以提高預測的準確性,從而表現出近似人類智慧的東西。”他說。
　　大多數ML算法都是針對靜態數據集進行訓練，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GoogleHome、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。”

　　與機器學習相比，人工智能是一個不斷變化的目標，隨著相關技術的發展，其定義也在發生變化。

　　Iriondo打趣道:“可能在幾十年內，目前的創新人工智能進步就會被認為和現在的翻蓋手機一樣無趣。”