人工智能 (AI) 與機器學習 (ML)

您可能會聽到人們常常將人工智能 (AI) 與機器學習 (ML) 互換使用，尤其是在討論大數(shù)據(jù)、預測分析和其他數(shù)字化轉型主題時。這種混用是可以理解的，因為人工智能本就與機器學習密切相關。不過，這兩種前沿技術在某些方面（包括范圍、應用等）還是有所不同的。 

如今，人工智能和機器學習產(chǎn)品越來越多，企業(yè)可使用它們來處理和分析海量數(shù)據(jù)、做出更明智的決策、實時生成建議和數(shù)據(jù)洞見，并進行準確的預測。

那么，機器學習與人工智能究竟有何區(qū)別呢？機器學習與人工智能之間有何關聯(lián)？這些術語對當今組織的實踐意義又有何不同呢？

我們將詳細介紹人工智能與機器學習，探討這兩個創(chuàng)新概念之間的關聯(lián)及不同之處。

什么是人工智能？

人工智能是一個廣義的領域，是指利用技術構建出能夠模仿與人類智能相關的認知功能的機器和計算機，例如能夠看到、理解并對口語或書面語言做出反應，分析數(shù)據(jù)，提出建議等等。

雖然人工智能本身通常被認為是一個系統(tǒng)，但實際上它是系統(tǒng)中實現(xiàn)的一組技術，為的是使系統(tǒng)能夠推理、學習和采取行動來解決復雜的問題。

什么是機器學習？

機器學習是人工智能的一個子集，可讓機器或系統(tǒng)自動從經(jīng)驗中學習和改進。機器學習不是使用顯式編程，而是使用算法來分析大量數(shù)據(jù)、從數(shù)據(jù)洞見中學習，然后做出明智的決策。

機器學習算法會隨著訓練的進行（接觸越來越多的數(shù)據(jù)）不斷改進以提升性能。機器學習模型是輸出，即程序通過對訓練數(shù)據(jù)運行算法而學到的內容。使用的數(shù)據(jù)越多，獲得的模型就越好。

人工智能和機器學習有何關聯(lián)？

雖然人工智能與機器學習并不完全相同，但它們密切相關。可以按如下方式來簡單地理解人工智能和機器學習之間的關聯(lián)：

- 人工智能是一個更寬泛的概念，可讓機器或系統(tǒng)像人類一樣感知、推理、行動或適應

- 機器學習是人工智能的一種應用，可讓機器從數(shù)據(jù)中提取知識并自主學習

要記住機器學習與人工智能之間的區(qū)別，一個有用的方法是把它們想象成傘形類別。人工智能是一個泛指的術語，涵蓋各種具體的方法和算法。機器學習屬于這一范疇（傘），當然還有一些其他的主要子領域也屬于這一范疇，如深度學習、機器人、專家系統(tǒng)和自然語言處理。

人工智能與機器學習之間的差異

現(xiàn)在，您已經(jīng)了解了人工智能和機器學習有何關聯(lián)，那么它們之間的主要區(qū)別是什么呢？

雖然人工智能包含了可以模仿人類智能的機器的概念，但機器學習則沒有。機器學習旨在通過識別模式來教機器如何執(zhí)行特定的任務并提供準確的結果。

假設您問 Google Nest 設備“我今天通勤的時間有多長？”，在這種情況下，您需要向機器提問，然后得到一個關于您開車到辦公室估計需要多長時間的答案。在這里，總體目標是讓設備成功執(zhí)行一項任務，一項在現(xiàn)實環(huán)境中通常必須由您自己完成的任務（例如研究您的通勤時間）。

在本示例中，在整個系統(tǒng)中使用機器學習的目標不是使其能夠執(zhí)行某項任務。例如，您可以訓練算法來分析實時交通和路況數(shù)據(jù)，以預測交通流量和密度。但是，范圍僅限于識別模式、預測的準確性以及從數(shù)據(jù)中學習以最大限度地提高特定任務的性能。

 人工智能

- 人工智能可讓機器模擬人類智慧來解決問題

- 目標是開發(fā)可執(zhí)行復雜任務的智能系統(tǒng)

- 我們構建的系統(tǒng)可以像人類一樣解決復雜的任務

- 人工智能的應用非常廣泛

- 人工智能可在系統(tǒng)中使用技術來模擬人類的決策過程

- 人工智能可處理所有類型的數(shù)據(jù)：結構化、半結構化和非結構化數(shù)據(jù)

- 人工智能系統(tǒng)使用邏輯和決策樹來學習、推理和自我更正

 機器學習

- 機器學習可讓機器根據(jù)過往數(shù)據(jù)自主學習

- 目標是構建可以從數(shù)據(jù)中學習的機器，以提高輸出的準確性

- 我們使用數(shù)據(jù)訓練機器，以執(zhí)行特定的任務并提供準確的結果

- 機器學習的應用范圍有限

- 機器學習使用自學習算法生成預測模型

- 機器學習只能使用結構化數(shù)據(jù)和半結構化數(shù)據(jù)

- 機器學習系統(tǒng)依靠統(tǒng)計模型進行學習，并且可以在有新數(shù)據(jù)提供時自我更正

將人工智能和機器學習結合使用的優(yōu)勢

人工智能和機器學習為各種形式和規(guī)模的組織帶來了巨大的優(yōu)勢，并且新的可能性還在不斷出現(xiàn)。特別是，隨著數(shù)據(jù)量的增長和復雜程度的增加，自動化的智能系統(tǒng)在幫助公司自動執(zhí)行任務、發(fā)掘價值并生成富有實用價值的分析洞見以取得更好的結果方面變得至關重要。

以下是將人工智能和機器學習結合使用的一些業(yè)務優(yōu)勢：

- 數(shù)據(jù)范圍更廣，分析和激活更廣泛的非結構化和結構化數(shù)據(jù)源。

- 決策過程更快，提高數(shù)據(jù)完整性、加快數(shù)據(jù)處理速度、減少人為錯誤，從而更快做出更明智的決策。

- 效率，提高運營效率并降低費用。

- 分析集成，將預測分析和數(shù)據(jù)洞見整合到業(yè)務報告和應用中，為員工提供助力。

人工智能和機器學習的應用

人工智能和機器學習可以應用在許多方面，例如可以幫助組織自動執(zhí)行重復性或手動的流程，做出明智的決策。

各行各業(yè)的公司都在以各種方式使用人工智能和機器學習技術，以轉變其工作方式和業(yè)務方式。通過將人工智能和機器學習功能整合到策略和系統(tǒng)中，組織可重新思考如何使用數(shù)據(jù)和可用資源、提高生產(chǎn)力和效率、通過預測分析增強數(shù)據(jù)驅動型決策，并改善客戶和員工體驗。   

          課程目錄
00-課程介紹
01-課程簡介_1 （背景與意義）
01-課程簡介_2 （挑戰(zhàn)和機遇）
01-課程簡介_3 （如何實現(xiàn)智能）
01-課程簡介_4 （模式與識別）
01-課程簡介_5 （特征表達）
01-課程簡介_6 （神經(jīng)網(wǎng)絡與深度學習）
01-課程簡介_7 （教材與作業(yè)）
02-Python_1 (install)
02-Python_2 (basics)
02-Python_3 (print)
02-Python_4 (list)
02-Python_5 (tuple)
02-Python_6 (string)
02-Python_7 (dict)
02-Python_8 (control)
02-Python_9 (function)
02-Python_10 (class)
03-Numpy_1 (Basic)
03-Numpy_2 (FileIO_Index_Slicing)
03-Numpy_3 (Functions)
03-Numpy_4 (Reshape)
03-Matplotlib (基本功能)
04-kNN_1 (原理)
04-kNN_2 (算法)
04-kNN_3 (程序實現(xiàn))
04-kNN_4 (類的實現(xiàn))
05-kMeans_1（Theory）
05-kMeans_2（Program）
05-kMeans_3（Sklearn實現(xiàn)）
05-kMeans_4（Evaluation）
05-kMeans_5 (圖像壓縮）
05-kMeans_6（其他聚類方法）
06_LeastSquares_1 (Theory)
06_LeastSquares_2 (Iterative Solve)
06_LeastSquares_3 (SGD)
06_LogisticRegression_1 (Theory)
06_LogisticRegression_2 (Program)
07_Perceptron_1 (感知機的原理)
07_Perceptron_2 (感知機的算法與實現(xiàn))
07_MLP_1 (多層神經(jīng)網(wǎng)絡)
07_MLP_2 (神經(jīng)網(wǎng)絡的正向計算)
07_MLP_3 (反向傳播的原理)
07_MLP_4 (多層神經(jīng)網(wǎng)絡的訓練算法與實現(xiàn))
08-PyTorch_1 (PyTorch基礎)
08-PyTorch_2 (自動求導)
08-PyTorch_3 (線性模型的PyTorch實現(xiàn))
08-PyTorch_4 (邏輯回歸的PyTorch實現(xiàn))
08-PyTorch_5 (神經(jīng)網(wǎng)絡的PyTorch實現(xiàn))
08-PyTorch_6 (PyTorch的兩類實現(xiàn)方式)
08-PyTorch_7 (深層神經(jīng)網(wǎng)絡)
08-PyTorch_8 (網(wǎng)絡參數(shù)初始化)
09-卷積神經(jīng)網(wǎng)絡_1 (深度學習簡介)
09-卷積神經(jīng)網(wǎng)絡_2 (淺層機器學習面臨的問題)
09-卷積神經(jīng)網(wǎng)絡_3 (卷積神經(jīng)網(wǎng)絡原理)
09-卷積神經(jīng)網(wǎng)絡_4 (卷積與池化)
09-卷積神經(jīng)網(wǎng)絡_5 (VGG網(wǎng)絡)
09-卷積神經(jīng)網(wǎng)絡_6 (GoogLeNet網(wǎng)絡)
09-卷積神經(jīng)網(wǎng)絡_7 (批歸一化)
09-卷積神經(jīng)網(wǎng)絡_8 (學習速率衰減)
09-卷積神經(jīng)網(wǎng)絡_9 (網(wǎng)絡正則化與數(shù)據(jù)增強)