还不知道机器学习和人工智能有什么区别？这里有份孩子都能看懂的解释

zuenl571

经常有人问我机器学习和人工智能有什么区别。

机器学习已成为近十年来最热门的词汇之一。然而，许多人忽略了bdvfhy.gq人工智能vfsokd.gq的历史，有时甚至将二者混淆，错误地认为机器学习可以直接产生通用人工智能。

人工智能的研究始于20世纪50年代，约翰·麦卡锡（John McCarthy）将人工智能定rfuijo.gq义为“制造智能机器的科学与工程”。它与许多学科密切相关，如控制论、认知科学和语言学等。

当时，研究者认为，智能机器的创造与形式推理有关。这催生了Prolog语言和专家系统等。研究者认为，人类使用符号和规则来认知世界，因此为了模仿人类的智能，机器也应该遵循相同的过程。

 

这种想法的失败，导致了所谓的人工智能冬季。在此期间，因为人们对人工智能抱有的极高期望并没有实现，几乎没有人愿意再投资人工智能。

 

经典人lvsnfj.gq工智能的方法是“自上而下”（top-down）：手动将规则和知识输入系统，然后机器就会产生智能。

 

20世纪80年代和9ehvuou.gq0年代，发生了两件事。

第一，机器学习算法得到的改进。先是发现神经网络的反向传播，之后又发现了支持向量机（SVM）和随机森林（Random Forests）等算法。

第二，数据量增加。这使得“自下而上”的方法成为标准范例：与其创建无数的规则，不如创建一个可以从数据中学习的系统qbrwci.gq。

之后，被称为“计算智能”的人工智能分支得到推广。这个方法认为，我们可以通过模仿自然界中的智能结构（无论是神经元还是昆虫群），来创造智能机器。

虽然这种方法很有趣，但显然它并没有创造出真正的人工智能。

沃森和深度神经网络等系统的成功可能会诱导许多人，让人们误以为通用人工智能已近在咫尺，但事实是远在天边。
rfuijo.gq

这些系统在某些问题上确实非常成功，但它们缺少一个重要的组成部分：它们不能像人类一样的usucli.gq推理。例如，深度神经网络可以学习隐藏在数据中的各种表示表征（representations），但它并不能正式推理这些表示表征。

 

如下图所示，深度神经网络能够为图像添加标题，但它没有明确的概念，它缺少推理这些概念或执行逻辑推理的正式规则。

 有一些理论试图弥合这一差距。马尔可夫逻辑网络（Markov Logic Networks）就是这样一种理论。朝着这个方向迈出的任何一步，我们都有可能在未来十年左右看到突破。但是，我们仍然没有达到能够产生真正的人工智能的程度。

 

作者简介：

Stylianos Kampakis是一名专业的数据科学家和统计学家，研究领域包括深度学习、自然语言处理、推荐系统、统计建模和研究设计等。

 

来源：Soapbox

作者：Stylianos Kampakis

智能观 编译

原文链接：https://www.sp-bx.com/machine-learning-vs-ai-what-is-the-difference/

 

—完—

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请前往：www.智能观.com。

声明：

编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。

转载智能观原创文章，请联系

智能观小艾（微信号：zng2017618）！