人工智能（AI）已經(jīng)成為我們現(xiàn)代社會的重要組成部分。 據(jù)《福布斯》（Forbes）報道，兩年前，即2017年，已有51％的現(xiàn)代企業(yè)實施了AI，該行業(yè)本身的估值為160億美元。 據(jù)預(yù)測，這一指標(biāo)將呈指數(shù)增長，到2025年將達到1900億美元。

通常，術(shù)語"人工智能"和"機器學(xué)習(xí)"是非系統(tǒng)性的，并且被認(rèn)為是可互換的，但實際上，它們之間存在差異。

人工智能已經(jīng)成為一種通用術(shù)語，可以表示幾件事，包括機器學(xué)習(xí)。 這使許多人將AI與獨立思考聯(lián)系在一起，這一事實引起了一些困惑。 然而，從機器學(xué)習(xí)的定義來看，這是一個人可以執(zhí)行的動作，并且需要一定程度的智慧。 也許這些動作不需要高水平的情報，但是它們屬于AI的定義。

今天我們要談?wù)勥@兩個術(shù)語之間的區(qū)別！

一點理論

什么是人工智能？

人工智能（AI）-各種技術(shù)和科學(xué)解決方案及方法，可幫助創(chuàng)建類似于人類智能的程序。 人工智能包括許多工具，算法和系統(tǒng)，其中也包括數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的所有組件。

如今，幾乎所有使用數(shù)據(jù)的應(yīng)用程序都使用了許多人工智能系統(tǒng)，例如管理軟件，推薦算法，媒體分析甚至語音助手。 實際上，即使是簡單的跟蹤應(yīng)用程序現(xiàn)在也可以使用AI。 如實踐所示，如果有一個相當(dāng)復(fù)雜的過程來完成必須定期執(zhí)行而無需人工干預(yù)的任務(wù)，則很有可能包含AI。 通常，人工智能系統(tǒng)可以分為三類：

· 有限的人工智能（窄人工智能）

· 通用人工智能（AGI）

· 超級智能人工智能。

人工智能功能在所有領(lǐng)域都得到了廣泛的需求，特別是對于可以用于提供法律援助，專利檢索，風(fēng)險交流和醫(yī)學(xué)研究的問答系統(tǒng)。 AI的其他用途如下：

· 衛(wèi)生保健

· 零售

· 運動

· 行業(yè)

什么是機器學(xué)習(xí)？

機器學(xué)習(xí)是使用算法來分析數(shù)據(jù)，得出結(jié)論以及就某事進行決策或預(yù)測。 無需使用一組特殊的命令來手動創(chuàng)建程序來執(zhí)行特定任務(wù)，而是使用大量數(shù)據(jù)來訓(xùn)練機器，并且

使它能夠?qū)W習(xí)如何執(zhí)行此任務(wù)的算法。 也就是說，機器可以找到復(fù)雜和多參數(shù)問題（人腦無法解決）的模式，從而找到更準(zhǔn)確的答案。 結(jié)果，正確的預(yù)測。

因此，機器將使用大量數(shù)據(jù)和算法來"學(xué)習(xí)"機器，而不是使用用于執(zhí)行特定任務(wù)的特定指令集進行手動編碼的例行程序，從而學(xué)習(xí)如何完成任務(wù)。

機器學(xué)習(xí)直接源于AI實踐，這些年來的算法方法包括學(xué)習(xí)決策樹，歸納邏輯編程，聚類，增益訓(xùn)練和貝葉斯網(wǎng)絡(luò)。

機器學(xué)習(xí)僅存在一個子集-深度學(xué)習(xí)，在其中創(chuàng)建算法并與機器學(xué)習(xí)類似地操作，但是這些算法有很多層次，每個層次對所傳遞的數(shù)據(jù)提供不同的解釋。 這樣的算法網(wǎng)絡(luò)稱為人工神經(jīng)網(wǎng)絡(luò)。 簡單來說，它類似于人腦中存在的神經(jīng)連接。

AI和ML

在這里，我們準(zhǔn)備了一個比較表，以顯示這兩個重要定義的鮮明特征：

總結(jié)一下

盡管人工智能和機器學(xué)習(xí)可以在許多常見應(yīng)用中互換使用，但必須注意的是，機器學(xué)習(xí)具有一個非常鮮明的特征：適應(yīng)性。 這意味著ML一直在學(xué)習(xí)。 與先前創(chuàng)建的AI不同，該系統(tǒng)可能會犯許多初始錯誤，但它旨在從中學(xué)習(xí)，從中構(gòu)建錯誤，并最終使用所有這些錯誤來解決為其創(chuàng)建的任務(wù)。