人工智能(AI)和机器学习(ML)目前是两个非常热门的热门词汇，而且似乎经常互换使用。但它们不是完全相同的概念，但是有些人认为它们是一样的，这样会导致一些混乱。所以我认为写一篇文章来解释两者之间的区别是值得的。

人工智能和机器学习有什么区别?

当主题是大数据、分析和席卷我们世界的更广泛的技术变革浪潮时，这两个术语都会频繁出现。简而言之，最好的答案是：

人工智能是一种更广泛的概念，即机器能够以一种我们认为是“智能”的方式执行任务。而机器学习是当前人工智能的一个应用，基于这样的理念，我们应该真正能够让机器访问数据，让他们自己学习。

早期

人工智能已经存在很长一段时间了，希腊神话中有一些机械人的故事，这些故事是为了模仿我们自己的行为而设计的。早期的欧洲计算机被认为是“逻辑机器”，通过再现基本的算术和记忆等能力，工程师们把他们的工作从根本上看作是创造机械大脑的尝试。

随着技术的进步，更重要的是，我们对大脑工作方式的理解也在进步，我们对人工智能的概念也发生了变化。人工智能领域的工作重点不是日益复杂的计算，而是模仿人类的决策过程，并以更人性化的方式执行任务。

人工智能，设计用于智能行动的设备，通常被分为两大基本类别，应用类或通用类。应用人工智能的情况要普遍得多，用于智能交易股票和股票的系统，自动驾驶汽车的操纵系统也属于这一类。

通用的AIS，理论上可以处理任何任务的系统或设备，但这正是今天一些最令人兴奋的进步发生的地方。这也是导致机器学习发展的领域通常被认为是人工智能的一个子集，把它看作是目前最先进的一种，这是更准确的说法。

机器学习的兴起

两个重要的突破导致了机器学习作为一种工具的出现，它正以目前的速度推动人工智能的发展。其中之一是，1959年亚瑟·塞缪尔(Arthur Samuel)认识到，与其教授计算机所需的一切知识，了解世界和如何执行任务，倒不如教他们自己学习。

第二次，最近，是互联网的出现，以及大量的数字信息被生成，存储，并可供分析。一旦有了这些创新，工程师们就会意识到，与其教计算机和机器如何做每件事，不如把它们编码成像人一样思考，然后把它们接入互联网，让它们能够接触到世界上所有的信息，这样做的效率就会高得多。

神经网络

神经网络的发展一直是教会计算机以我们的方式思考和理解世界的关键，同时保留了它们相对于我们固有的优势，如速度、准确性和无偏见。神经网络是一种计算机系统，通过与人脑相同的方式对信息进行分类来工作。例如，可以教它识别图像，并根据它们所包含的元素对其进行分类。

本质上，它在一个概率系统上工作，基于输入给它的数据，它能够在一定程度上确定地作出陈述、决定或预测。增加一个反馈回路可以“学习”，通过感知或被告知其决定是对还是错，它改变了它在未来采取的方法。

机器学习应用程序可以阅读文本，并判断写这篇文章的人是在投诉还是在表示祝贺。他们还可以听一段音乐，决定它是否可能使人高兴或悲伤，并找到其他音乐来配合心情。在某些情况下，他们甚至可以自己谱写音乐来表达相同的主题。

这些都是基于ML和神经网络的系统提供的可能性，这在很大程度上要归功于科幻小说：我们应该能够与电子设备和数字信息交流和互动，就像我们自然地与另一个人一样。为此，人工智能的另一个领域，自然语言处理(NLP)-近年来已成为一个非常令人兴奋的创新来源，而且它严重依赖于ML。

NLP应用程序试图理解人类的自然交流，无论是书面的还是口头的，并使用类似的自然语言与我们进行交流。在这里，ML被用来帮助机器理解人类语言中巨大的细微差别，并学会以特定受众可能理解的方式做出反应。

品牌化案例

人工智能，特别是今天，ML肯定有很多东西可以提供。从银行业到医疗保健和制造业，每一个行业都在受益，因为它承诺让日常工作自动化，并提供创造性的洞察力。所以，重要的是要记住，ai人工智能和ML是另一回事…

当然，机器学习已经被市场营销者抓住了一个机会。在人工智能出现这么长时间之后，它有可能在某种程度上被视为“老一套”的东西，甚至在它的潜力还没有真正实现之前就已经开始被认为是一种“老一套”的东西了。在通往“人工智能革命”的道路上，已经有了一些错误的开端，而“机器学习”这个术语无疑给营销人员提供了一些新的、闪亮的，而且重要的是，牢牢扎根于此时此地的东西。

我们最终会发展出像人类一样的人工智能，这一事实常常被技术专家们当作是不可避免的。当然，今天我们比以往任何时候都更接近这一目标，我们正以越来越快的速度朝着这一目标迈进。我们最近几年看到的许多令人兴奋的进展都归功于我们对人工智能工作方式的根本改变，这是由ML带来的。我希望这篇文章帮助一些人理解人工智能和ML之间的区别。