人工智能 (AI) 與機(jī)器學(xué)習(xí) (ML)

您可能會(huì)聽到人們常常將人工智能 (AI) 與機(jī)器學(xué)習(xí) (ML) 互換使用，尤其是在討論大數(shù)據(jù)、預(yù)測(cè)分析和其他數(shù)字化轉(zhuǎn)型主題時(shí)。這種混用是可以理解的，因?yàn)槿斯ぶ悄鼙揪团c機(jī)器學(xué)習(xí)密切相關(guān)。不過(guò)，這兩種前沿技術(shù)在某些方面（包括范圍、應(yīng)用等）還是有所不同的。 

如今，人工智能和機(jī)器學(xué)習(xí)產(chǎn)品越來(lái)越多，企業(yè)可使用它們來(lái)處理和分析海量數(shù)據(jù)、做出更明智的決策、實(shí)時(shí)生成建議和數(shù)據(jù)洞見，并進(jìn)行準(zhǔn)確的預(yù)測(cè)。

那么，機(jī)器學(xué)習(xí)與人工智能究竟有何區(qū)別呢？機(jī)器學(xué)習(xí)與人工智能之間有何關(guān)聯(lián)？這些術(shù)語(yǔ)對(duì)當(dāng)今組織的實(shí)踐意義又有何不同呢？

我們將詳細(xì)介紹人工智能與機(jī)器學(xué)習(xí)，探討這兩個(gè)創(chuàng)新概念之間的關(guān)聯(lián)及不同之處。

什么是人工智能？

人工智能是一個(gè)廣義的領(lǐng)域，是指利用技術(shù)構(gòu)建出能夠模仿與人類智能相關(guān)的認(rèn)知功能的機(jī)器和計(jì)算機(jī)，例如能夠看到、理解并對(duì)口語(yǔ)或書面語(yǔ)言做出反應(yīng)，分析數(shù)據(jù)，提出建議等等。

雖然人工智能本身通常被認(rèn)為是一個(gè)系統(tǒng)，但實(shí)際上它是系統(tǒng)中實(shí)現(xiàn)的一組技術(shù)，為的是使系統(tǒng)能夠推理、學(xué)習(xí)和采取行動(dòng)來(lái)解決復(fù)雜的問(wèn)題。

什么是機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，可讓機(jī)器或系統(tǒng)自動(dòng)從經(jīng)驗(yàn)中學(xué)習(xí)和改進(jìn)。機(jī)器學(xué)習(xí)不是使用顯式編程，而是使用算法來(lái)分析大量數(shù)據(jù)、從數(shù)據(jù)洞見中學(xué)習(xí)，然后做出明智的決策。

機(jī)器學(xué)習(xí)算法會(huì)隨著訓(xùn)練的進(jìn)行（接觸越來(lái)越多的數(shù)據(jù)）不斷改進(jìn)以提升性能。機(jī)器學(xué)習(xí)模型是輸出，即程序通過(guò)對(duì)訓(xùn)練數(shù)據(jù)運(yùn)行算法而學(xué)到的內(nèi)容。使用的數(shù)據(jù)越多，獲得的模型就越好。

人工智能和機(jī)器學(xué)習(xí)有何關(guān)聯(lián)？

雖然人工智能與機(jī)器學(xué)習(xí)并不完全相同，但它們密切相關(guān)。可以按如下方式來(lái)簡(jiǎn)單地理解人工智能和機(jī)器學(xué)習(xí)之間的關(guān)聯(lián)：

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

- 機(jī)器學(xué)習(xí)是人工智能的一種應(yīng)用，可讓機(jī)器從數(shù)據(jù)中提取知識(shí)并自主學(xué)習(xí)

要記住機(jī)器學(xué)習(xí)與人工智能之間的區(qū)別，一個(gè)有用的方法是把它們想象成傘形類別。人工智能是一個(gè)泛指的術(shù)語(yǔ)，涵蓋各種具體的方法和算法。機(jī)器學(xué)習(xí)屬于這一范疇（傘），當(dāng)然還有一些其他的主要子領(lǐng)域也屬于這一范疇，如深度學(xué)習(xí)、機(jī)器人、專家系統(tǒng)和自然語(yǔ)言處理。

人工智能與機(jī)器學(xué)習(xí)之間的差異

現(xiàn)在，您已經(jīng)了解了人工智能和機(jī)器學(xué)習(xí)有何關(guān)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(jī)器的概念，但機(jī)器學(xué)習(xí)則沒(méi)有。機(jī)器學(xué)習(xí)旨在通過(guò)識(shí)別模式來(lái)教機(jī)器如何執(zhí)行特定的任務(wù)并提供準(zhǔn)確的結(jié)果。

假設(shè)您問(wèn) Google Nest 設(shè)備“我今天通勤的時(shí)間有多長(zhǎng)？”，在這種情況下，您需要向機(jī)器提問(wèn)，然后得到一個(gè)關(guān)于您開車到辦公室估計(jì)需要多長(zhǎng)時(shí)間的答案。在這里，總體目標(biāo)是讓設(shè)備成功執(zhí)行一項(xiàng)任務(wù)，一項(xiàng)在現(xiàn)實(shí)環(huán)境中通常必須由您自己完成的任務(wù)（例如研究您的通勤時(shí)間）。

在本示例中，在整個(gè)系統(tǒng)中使用機(jī)器學(xué)習(xí)的目標(biāo)不是使其能夠執(zhí)行某項(xiàng)任務(wù)。例如，您可以訓(xùn)練算法來(lái)分析實(shí)時(shí)交通和路況數(shù)據(jù)，以預(yù)測(cè)交通流量和密度。但是，范圍僅限于識(shí)別模式、預(yù)測(cè)的準(zhǔn)確性以及從數(shù)據(jù)中學(xué)習(xí)以最大限度地提高特定任務(wù)的性能。

 人工智能

- 人工智能可讓機(jī)器模擬人類智慧來(lái)解決問(wèn)題

- 目標(biāo)是開發(fā)可執(zhí)行復(fù)雜任務(wù)的智能系統(tǒng)

- 我們構(gòu)建的系統(tǒng)可以像人類一樣解決復(fù)雜的任務(wù)

- 人工智能的應(yīng)用非常廣泛

- 人工智能可在系統(tǒng)中使用技術(shù)來(lái)模擬人類的決策過(guò)程

- 人工智能可處理所有類型的數(shù)據(jù)：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)

- 人工智能系統(tǒng)使用邏輯和決策樹來(lái)學(xué)習(xí)、推理和自我更正

 機(jī)器學(xué)習(xí)

- 機(jī)器學(xué)習(xí)可讓機(jī)器根據(jù)過(guò)往數(shù)據(jù)自主學(xué)習(xí)

- 目標(biāo)是構(gòu)建可以從數(shù)據(jù)中學(xué)習(xí)的機(jī)器，以提高輸出的準(zhǔn)確性

- 我們使用數(shù)據(jù)訓(xùn)練機(jī)器，以執(zhí)行特定的任務(wù)并提供準(zhǔn)確的結(jié)果

- 機(jī)器學(xué)習(xí)的應(yīng)用范圍有限

- 機(jī)器學(xué)習(xí)使用自學(xué)習(xí)算法生成預(yù)測(cè)模型

- 機(jī)器學(xué)習(xí)只能使用結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)

- 機(jī)器學(xué)習(xí)系統(tǒng)依靠統(tǒng)計(jì)模型進(jìn)行學(xué)習(xí)，并且可以在有新數(shù)據(jù)提供時(shí)自我更正

將人工智能和機(jī)器學(xué)習(xí)結(jié)合使用的優(yōu)勢(shì)

人工智能和機(jī)器學(xué)習(xí)為各種形式和規(guī)模的組織帶來(lái)了巨大的優(yōu)勢(shì)，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(zhǎng)和復(fù)雜程度的增加，自動(dòng)化的智能系統(tǒng)在幫助公司自動(dòng)執(zhí)行任務(wù)、發(fā)掘價(jià)值并生成富有實(shí)用價(jià)值的分析洞見以取得更好的結(jié)果方面變得至關(guān)重要。

以下是將人工智能和機(jī)器學(xué)習(xí)結(jié)合使用的一些業(yè)務(wù)優(yōu)勢(shì)：

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

- 決策過(guò)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(cuò)誤，從而更快做出更明智的決策。

- 效率，提高運(yùn)營(yíng)效率并降低費(fèi)用。

- 分析集成，將預(yù)測(cè)分析和數(shù)據(jù)洞見整合到業(yè)務(wù)報(bào)告和應(yīng)用中，為員工提供助力。

人工智能和機(jī)器學(xué)習(xí)的應(yīng)用

人工智能和機(jī)器學(xué)習(xí)可以應(yīng)用在許多方面，例如可以幫助組織自動(dòng)執(zhí)行重復(fù)性或手動(dòng)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(jī)器學(xué)習(xí)技術(shù)，以轉(zhuǎn)變其工作方式和業(yè)務(wù)方式。通過(guò)將人工智能和機(jī)器學(xué)習(xí)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(guò)預(yù)測(cè)分析增強(qiáng)數(shù)據(jù)驅(qū)動(dòng)型決策，并改善客戶和員工體驗(yàn)。   

          課程目錄
00-課程介紹
01-課程簡(jiǎn)介_1 （背景與意義）
01-課程簡(jiǎn)介_2 （挑戰(zhàn)和機(jī)遇）
01-課程簡(jiǎn)介_3 （如何實(shí)現(xiàn)智能）
01-課程簡(jiǎn)介_4 （模式與識(shí)別）
01-課程簡(jiǎn)介_5 （特征表達(dá)）
01-課程簡(jiǎn)介_6 （神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)）
01-課程簡(jiǎn)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?qū)崿F(xiàn))
04-kNN_4 (類的實(shí)現(xiàn))
05-kMeans_1（Theory）
05-kMeans_2（Program）
05-kMeans_3（Sklearn實(shí)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(jī)的原理)
07_Perceptron_2 (感知機(jī)的算法與實(shí)現(xiàn))
07_MLP_1 (多層神經(jīng)網(wǎng)絡(luò))
07_MLP_2 (神經(jīng)網(wǎng)絡(luò)的正向計(jì)算)
07_MLP_3 (反向傳播的原理)
07_MLP_4 (多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法與實(shí)現(xiàn))
08-PyTorch_1 (PyTorch基礎(chǔ))
08-PyTorch_2 (自動(dòng)求導(dǎo))
08-PyTorch_3 (線性模型的PyTorch實(shí)現(xiàn))
08-PyTorch_4 (邏輯回歸的PyTorch實(shí)現(xiàn))
08-PyTorch_5 (神經(jīng)網(wǎng)絡(luò)的PyTorch實(shí)現(xiàn))
08-PyTorch_6 (PyTorch的兩類實(shí)現(xiàn)方式)
08-PyTorch_7 (深層神經(jīng)網(wǎng)絡(luò))
08-PyTorch_8 (網(wǎng)絡(luò)參數(shù)初始化)
09-卷積神經(jīng)網(wǎng)絡(luò)_1 (深度學(xué)習(xí)簡(jiǎn)介)
09-卷積神經(jīng)網(wǎng)絡(luò)_2 (淺層機(jī)器學(xué)習(xí)面臨的問(wèn)題)
09-卷積神經(jīng)網(wǎng)絡(luò)_3 (卷積神經(jīng)網(wǎng)絡(luò)原理)
09-卷積神經(jīng)網(wǎng)絡(luò)_4 (卷積與池化)
09-卷積神經(jīng)網(wǎng)絡(luò)_5 (VGG網(wǎng)絡(luò))
09-卷積神經(jīng)網(wǎng)絡(luò)_6 (GoogLeNet網(wǎng)絡(luò))
09-卷積神經(jīng)網(wǎng)絡(luò)_7 (批歸一化)
09-卷積神經(jīng)網(wǎng)絡(luò)_8 (學(xué)習(xí)速率衰減)
09-卷積神經(jīng)網(wǎng)絡(luò)_9 (網(wǎng)絡(luò)正則化與數(shù)據(jù)增強(qiáng))