一文搞懂：AI 和机器学习的区别

2017-06-28 17:56:00

随着计算机系统愈发比人类聪明，我们也是时候了解这些时代新霸主们的同与不同了。

流行词在网络世界非常抓眼球。但是过多的热词堆砌也影响了人们的搜索效率。AI、机器学习、神经网络、深度学习……这些词常常混在一起，搞得大家摸不着头脑，它们到底都是什么？又有什么区别？现在就让我们捋一捋：

AI 是什么?

AI: _我们经常把人工智能（AI）定义为让计算机模仿人类智能来处理事情的技术。目前，人工智能已经在有限的简单领域内取得成功(引自_AlanTuring.net)。

首先，人工智能分为两类：弱人工智能和强人工智能。弱人工智能的表现形式是机器人或生产流水线能够自己思考。然而这实际上只是一种受监管的程序，用以对给定的输入项进行输出或操作。

强人工智能是一种可能基于给定目标和输入参数来改变输出内容的系统。这是个可以自行观察模式并做出更优决策的程序，能够采用没有经过事先编程的行为模式来更有效地达成给定目标。

打个比方，当你写了一个在《打砖块》游戏中打到最高分的AI程序，它可以自己学习进步，并在2个半小时内就打得比人类玩家更好。

研究人员运行了这个程序，让他们惊讶的是，这个程序发展出了一套软件里没有写过的策略。它会专攻砖块上的一个点，直到凿出洞来，再穿到墙后。在这套策略下，计算机无需不停移动球板，工作量降到了最低。同时，这也让球板漏接球的可能性降到最低。

我们要记住一点，计算机是看不见游戏界面上的小球、球板和砖块的。它「看见」的是一堆数字。它知道自己能控制的变量，以及如何运用变量来提高分数。

「AI包括了许多不同的技术：有些技术扎实稳固，有些尚未成熟，还有些只是简单的流行词罢了，」博世的一名产品开发 Matteo Dariol 说道。「根据我的经验，我还没听说过现实中有任何一家制造业厂商已经在利用AI的，更多的是研发中心在研究和测试某些算法。部分工业要素（如PLC，驱动装置、引擎装置等）已经融合了某些属于AI范畴的神经网络，而传统应用依然保证了更强大的效率和更快的反应时间。」

AI 已经演变成为一个通用术语，泛指很多东西，包括机器学习。但这也让很多人误以为AI就是独立思考，实际上，并不是所有AI技术都符合这一点。举个例子，机器视觉应用就是AI的一个分支，它是通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，转变成数字化信号，进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。在这一层定义上，我们可以说这个操作需要人为，且需要一定程度的智力，但其实不需要很高的智力。

神经网络和大数据

神经网络: 模仿人脑的计算机系统

Big Data: 一个或几个大型数据组，是程序正确利用AI性能的必备要素。随着事情变得越来越复杂——从AI到机器学习，或从机器学习到深度学习——你拥有越多数据，就越能让这些系统善于学习和运作。

机器学习是配合神经网络出现的。与人脑的运转方式类似，神经网络连接了许多节点和节点层。可以利用神经网络来训练算法，这样一来，一旦将数据输入系统，它就能计算、学习、决策最优方案等等。利用大量数据（也就是我们所说的大数据），算法和网络就能够学习如何达成目标并优化进程。这种大范围连接也被称为深度学习。

深度学习

深度学习 : 深度学习（也叫深度结构化学习、分级化学习或深度机器学习）是有关人工神经网络和相关机器学习算法的研究，它包含了多个隐藏处理层。(引自: Wikipedia)

「深度学习是机器学习算法的的一种特殊类型——它是多层级神经网络，模仿人脑的连接方式，且这类连接的工作性能似乎比先前的系统都要优秀，」博世资深研究学家 Samarjit Das 解释道。「目前我们必须基于人类经验来定义机器学习的参数。在浏览苹果和橙子的照片时，我们需要人为定义这两种水果的特征，这样机器学习系统才能识别它们的不同。而深度学习是机器学习的下一个层级，因为它可以自己搞清这两个水果的区别。只要给深度学习系统展示苹果和橙子的示例图，它就可以自己创建规则，意识到分辨两种水果的关键是颜色和几何形状，而且这个系统不需要事先学习人类知识。」