人工智能與機器學習

現如今，人工智能與機器學習受到了各行各業的廣泛關注，大衆對其態度不一。但是人工智能與機器學習對不同的人來說其代表的東西並不相同。通常人工智能與機器學習會引起人們的恐懼與不確定性，因此一些專家對這兩個術語相關的風險表示擔憂。

事實上，人工智能與機器學習已經成爲了我們日常生活中不可分割的一部分，即使在有些方面並沒有多少人察覺到。這些科技極大的影響了人與人之間的交流。多虧了 Siri 和 Cortana，現在人們只需要對設備說話便可以搜索網頁。另外，Facebook 的用戶現在可以根據以前的訪問記錄獲得更有針對性的新聞推送。

引用 Prismtech 公司的話：「科技公司在研究人工智能時都會進行大量的市場調查。」除了對移動設備有很大影響外，人工智能的應用也可以在物聯網中看到。他們的關係很緊密，因爲人工智能需要物聯網提供的數據來增加他的準確性。人工智能正在成爲業務的主流，人們對它越來越感興趣並想將其應用於各項業務中。

圖片來源：Nvidia

上圖展示了人工智能，機器學習與深度學習之間的關係。儘管人工智能與機器學習類似，但是還有有細微的區別。這便引出了問題：人工智能與機器學習的主要區別是什麼？

人工智能

簡單的來說，人工智能旨在讓機器獲得像人類一樣思考的能力。該過程涉及開發能夠更好更有效地執行傳統上由人類完成的任務的計算機系統。Alan Turing 於 1950 年的報紙上率先提出機器人能否像人類一樣思考的問題，此問題後來引出了著名的圖靈測試。

人工智能這個概念一點也不新鮮，早在 1956 年，John McCarthy 便在一篇學術論文上提出了這個觀點。然而人們對此話題的興趣很快就消散了，直到最近又重新回到公衆視野。今天，由於大數據和雲計算，AI 正以前所未有的速度發展，這也使得存儲大量數據變得簡單。

用專家的話來說，人工智能有不同的形式：狹義人工智能與一般人工智能。目前我們利用狹隘人工智能，可以比人類更好地執行一系列基本任務，但是在其他任務方面也存在缺陷。例如，一臺可以完美基於網絡信息給消費者提供建議的機器，在別的領域什麼也幹不了。

對於一般人工智能，通用人工智能（AGI）將其定義爲「旨在構建思維機器的新興領域;也就是說，具有與人類思維的完善的智能系統（可能最終遠遠超出人類一般智力）。「

機器語言

關於機器學習的定義有很多，有些甚至很難理解。Arthur Samuel 將機器學習定義爲「使計算機擁有在沒有被明確編程的情況下學習的能力。」機器學習的概念涉及到訓練機器的過程。讓計算機通過特定算法在大量的數據中學習。這種行爲與數據挖掘類似，但是機器學習會根據其學習內容來改變自己的學習模式。

機器學習在公司數據處理中扮演了一個很重要的角色。機器學習也是目前最接近人工智能的系統。因此，可以在沒有機器學習的情況下創建人工智能，但是這個過程將會是複雜耗時的。

人工神經網絡是一種擬人數據處理模式。它是深度學習的基礎，深度學習是一種使用深度神經網絡進行大量數據構建的系統。人工智能，機器學習與深度學習都離不開大數據。

人工智能的未來在於深度學習，因爲它已經使很多機器學習的應用成爲了可能。一個很好的例子便是使用深度學習進行圖片識別，其表現在一定程度上已經超過了人類。我們已經在一個科技逐步迎合人類需求的時代。儘管目前仍有一部分專家對其表示擔憂，並對其安全性展開研究。從處理一些危險的工作到掌握治療絕症的辦法，人工智能的未來擁有無限的可能性。