大众号/将门创投
来源：Hackernoon 编译：Lin Tian
作者：Cassie Kozyrkov，谷歌云的首席决策智能工程师
我们都听说过机器学习和人工智能，但关于这两个概念的外延我们真的了解吗？假如你不太确定的话也没成绩，让我们先从这两个概念说起吧。
机器学习 实质上是一种事物标志器。机器学习不是魔法，也并非高不可攀的事物。机器学习的中心是给事物打标签，它首先辨认的对某个事物的表述，然后通知你它将取得什么标签。但假如我们一开端就把机器学习说成事物标签器的话，你还会有兴味吗？答案能够能否定的，这标明市场营销和夸大宣传能够对惹起人们关注这项技术有所协助。
那么 人工智能 呢？ 虽然学者们对AI的纤细差异提出了伴随着互联网和移动生活的日趋成熟，芝麻信用高分和良好的个人征信记录，不仅可以办理贷款、申请信用卡延伸你的财富，更能大大便利我们的生活。异议，但工业界正在运用这个术语来指代一种特定类型的机器学习。现实上，很多时分，人们交替运用这两个名词。所以，AI也是关于标签的东西。你等待机器人吗？一个有本人的头脑的科幻事物，一个具有人类特性的存在？其实，明天的人工智能不是那样的。但我们作为人类，是一个能看到一切人类特征的物种（拟人化）。我们在面包上看到面孔，从云朵中看到身影，假如我在袜子上缝两个纽扣，我甚至能够会对它说话。那个袜子不是人，AI也不是——牢记这一点很重要。这能否令人绝望呢？不过别灰心，真实的东西更有用。
让我通知你为什么应该感到兴奋。你在照片中看到了什么？
这是什么植物？很复杂，是吧？如今通知我你的大脑用这些像素做了什么来取得答案。你只是经过你的感官承受了一些十分复杂的数据，就像用魔法一样，你把它标志为“猫”。对你来说这很容易把？但假如我们想要经过电脑完成异样的义务，让它把照片分类（标签）为猫/不是猫又会怎样呢？
机器学习是一种新的编程形式，一种将你的愿望传达给计算机的新方式。在传统的编程办法中，顺序员会思索像素和标签，与内部世界沟通，串联灵感，最初手工制造模型。模型只是一个配置或是一组指令。
模型是一种运用计算机将数据转化为标签的配置。这只是机器用于将输出转换为输入的一些代码，可以由顺序员手工操作，也可以经过算法从数据中学习。但想想那些指令是什么呢？你实践上在用这些像素做什么？你能表达一下吗？你的大脑退化得很完满，它在发扬功用，但你甚至不晓得它是如何发扬功用的。这种配置很难想象出来。
用示例来替代指令去解释。 假如你能直接跟电脑表达“在这里，看看一堆有关猫的例子，看看一堆不是猫的例子，然后本人弄清楚”，这样会更好吗？这是机器学习的实质。这是一个完全不同的编程范例。如今，你将学习如何在数据中使用算法并将其转化为数据，而不是提供明白的指令。无需亲身入手停止配置。
AI 允许你将那些不可言喻的事物自动化 。为什么这令人兴奋呢？由于这是为了用我们以前不能用的方式表达我们对计算机的希冀。我们喜欢让电脑为我们效劳。 但假如无法想出适宜的指令，我们怎样能够收回指令呢？假如它们是不可言说的话？人工智能和机器学习是关于自动化那些难以描述的事物。它们用示例而非指令来解释本人。这解锁了许多我们过来无法让电脑协助完成义务，由于事先我们无法收回指令。
上面我们来看看这些 概念有何区别 。此前，我说过不介意在工业界中混用“人工智能”和“机器学习”。但在技术上而言，这是正确的吗？
工业界的“人工智能”在技术上被称为“深度学习”。学术界并不以为人工智能（AI）和机器学习（ML）是可互换的，作为一个已经的学者，我以为在技术上，AI是ML的真超集，而ML是深度学习的真超集。深度学习（DL）是运用特定类别的算法（神经网络）的ML，这也是工业界对AI的了解。这样了解适宜吗？
但我以为大少数人（以及工业界）并不会特别在乎这种差别，他们在言语的运用上也不那么正式。无论我们喜欢与否，言语都会开展。AI最后被教授运用，如今它已成为普通词汇了。
无论我们喜欢与否，言语都会开展
带着有能够冒犯研讨人员的风险，我以为最有协助的是，认可工业界中对这些词汇的用法并对那些不在意这些纤细差异的读者停止解释。只需我们的速度跟得上，言语的开展不是个成绩。AI这一术语初次呈现于1956年，但却从未有过严厉的定义。即使术语定义不明白，但却并不影响我们正确地运用它。
需求留意的是，假如你以为的AI为实践上在技术上被称为强化学习（RL）且你误用了这些名词的话，是不是有点为难呢？当然，这没关系。假如你的定义取决于一系列举动、规划、从环境中搜集信息，为将来行为制定政策——一个典型的例子是计算机学惯用玩具直升机做特技演习——那你能够说的是RL。
假如你吞没在这些术语之中：AI，ML，DL，RL，同时绝望地寻觅机器人实体或科幻，那么你能够会喜欢“类人智慧”（Human-like intelligence，HLI）一词。假如你想要运用“AI”以唤起特性，那么最好称之为“HLI”。那些担忧HLI埋伏在每个柜子里的人可以轻松呼吸；一切这些工业界的AI使用顺序都不是HLI，它们并非要构建真正的思想。每团体都忙于运用AI来处理真正的商业成绩，这些成绩触及到真实却无趣的标签。
我们总结一下：当你听到工业界的讨论时，人工智能和机器学习很能够是同义词，它们与HLI没有多大关系。
实践上，从使用顺序的角度来看，你在开端之前不需求将你的业务成绩归类为AI / ML / DL。你只需尝试一切可以算出来的算法，然后迭代到更好的执行者身上。假如复杂的配置运转良好，那意味着你取得了一个处理方案，在消费中更容易维护。但无须置疑的是，无论是机器学习还是人工智能，都是人类提高的宏大飞跃。 这是将来，而将来就在这里！