我們都聽說過機(jī)器學(xué)習(xí)和人工智能，但對(duì)于這兩個(gè)概念的內(nèi)涵我們真的理解嗎？如果你不太確定的話也沒問題，讓我們先從這兩個(gè)概念說起吧。

機(jī)器學(xué)習(xí)本質(zhì)上是一種事物標(biāo)記器。機(jī)器學(xué)習(xí)不是魔法，也并非遙不可及的事物。機(jī)器學(xué)習(xí)的核心是給事物打標(biāo)簽，它首先識(shí)別的對(duì)某個(gè)事物的表述，然后告訴你它將獲得什么標(biāo)簽。但如果我們一開始就把機(jī)器學(xué)習(xí)說成事物標(biāo)簽器的話，你還會(huì)有興趣嗎？答案可能是否定的，這表明市場(chǎng)營(yíng)銷和夸張宣傳可能對(duì)引起人們關(guān)注這項(xiàng)技術(shù)有所幫助。

那么人工智能呢？ 雖然學(xué)者們對(duì)AI的細(xì)微差別提出了異議，但工業(yè)界正在使用這個(gè)術(shù)語來指代一種特定類型的機(jī)器學(xué)習(xí)。事實(shí)上，很多時(shí)候，人們交替使用這兩個(gè)名詞。所以，AI也是關(guān)于標(biāo)簽的東西。你期待機(jī)器人嗎？一個(gè)有自己的頭腦的科幻事物，一個(gè)具備人類特性的存在？其實(shí)，今天的人工智能不是那樣的。但我們作為人類，是一個(gè)能看到一切人類特征的物種（擬人化）。我們?cè)诿姘峡吹矫婵祝瑥脑贫渲锌吹缴碛?，如果我在襪子上縫兩個(gè)紐扣，我甚至可能會(huì)對(duì)它說話。那個(gè)襪子不是人，AI也不是——牢記這一點(diǎn)很重要。這是否令人失望呢？不過別灰心，真實(shí)的東西更有用。

讓我告訴你為什么應(yīng)該感到興奮。你在照片中看到了什么？

這是什么動(dòng)物？很簡(jiǎn)單，是吧？現(xiàn)在告訴我你的大腦用這些像素做了什么來獲得答案。你只是通過你的感官接受了一些非常復(fù)雜的數(shù)據(jù)，就像用魔法一樣，你把它標(biāo)記為“貓”。對(duì)你來說這很容易把？但如果我們想要通過電腦完成同樣的任務(wù)，讓它把照片分類（標(biāo)簽）為貓/不是貓又會(huì)怎樣呢？

機(jī)器學(xué)習(xí)是一種新的編程模式，一種將你的愿望傳達(dá)給計(jì)算機(jī)的新方式。在傳統(tǒng)的編程方法中，程序員會(huì)考慮像素和標(biāo)簽，與外部世界溝通，串聯(lián)靈感，最后手工制作模型。模型只是一個(gè)配置或是一組指令。

模型是一種使用計(jì)算機(jī)將數(shù)據(jù)轉(zhuǎn)化為標(biāo)簽的配置。這只是機(jī)器用于將輸入轉(zhuǎn)換為輸出的一些代碼，可以由程序員手工操作，也可以通過算法從數(shù)據(jù)中學(xué)習(xí)。但想想那些指令是什么呢？你實(shí)際上在用這些像素做什么？你能表達(dá)一下嗎？你的大腦進(jìn)化得很完美，它在發(fā)揮功能，但你甚至不知道它是如何發(fā)揮功能的。這種配置很難想象出來。

用示例來代替指令去解釋。如果你能直接跟電腦表達(dá)“在這里，看看一堆有關(guān)貓的例子，看看一堆不是貓的例子，然后自己弄清楚”，這樣會(huì)更好嗎？這是機(jī)器學(xué)習(xí)的本質(zhì)。這是一個(gè)完全不同的編程范例?，F(xiàn)在，你將學(xué)習(xí)如何在數(shù)據(jù)中應(yīng)用算法并將其轉(zhuǎn)化為數(shù)據(jù)，而不是提供明確的指令。無需親自動(dòng)手進(jìn)行配置。

AI允許你將那些不可言喻的事物自動(dòng)化。為什么這令人興奮呢？因?yàn)檫@是為了用我們以前不能用的方式表達(dá)我們對(duì)計(jì)算機(jī)的期望。我們喜歡讓電腦為我們服務(wù)。 但如果無法想出合適的指令，我們?cè)趺纯赡馨l(fā)出指令呢？如果它們是不可言說的話？人工智能和機(jī)器學(xué)習(xí)是關(guān)于自動(dòng)化那些難以形容的事物。它們用示例而非指令來解釋自己。這解鎖了許多我們過去無法讓電腦幫助實(shí)現(xiàn)任務(wù)，因?yàn)楫?dāng)時(shí)我們無法發(fā)出指令。

下面我們來看看這些概念有何區(qū)別。此前，我說過不介意在工業(yè)界中混用“人工智能”和“機(jī)器學(xué)習(xí)”。但在技術(shù)上而言，這是正確的嗎？

工業(yè)界的“人工智能”在技術(shù)上被稱為“深度學(xué)習(xí)”。學(xué)術(shù)界并不認(rèn)為人工智能（AI）和機(jī)器學(xué)習(xí)（ML）是可互換的，作為一個(gè)曾經(jīng)的學(xué)者，我認(rèn)為在技術(shù)上，AI是ML的真超集，而ML是深度學(xué)習(xí)的真超集。深度學(xué)習(xí)（DL）是使用特定類別的算法（神經(jīng)網(wǎng)絡(luò)）的ML，這也是工業(yè)界對(duì)AI的理解。這樣理解合適嗎？

但我認(rèn)為大多數(shù)人（以及工業(yè)界）并不會(huì)特別在乎這種差異，他們?cè)谡Z言的使用上也不那么正式。無論我們喜歡與否，語言都會(huì)發(fā)展。AI最初被教授使用，現(xiàn)在它已成為普通詞匯了。

無論我們喜歡與否，語言都會(huì)發(fā)展

帶著有可能冒犯研究人員的風(fēng)險(xiǎn)，我認(rèn)為最有幫助的是，認(rèn)可工業(yè)界中對(duì)這些詞匯的用法并對(duì)那些不在意這些細(xì)微差別的讀者進(jìn)行解釋。只要我們的速度跟得上，語言的發(fā)展不是個(gè)問題。AI這一術(shù)語首次出現(xiàn)于1956年，但卻從未有過嚴(yán)格的定義。即便術(shù)語定義不明確，但卻并不影響我們正確地使用它。

需要注意的是，如果你認(rèn)為的AI為實(shí)際上在技術(shù)上被稱為強(qiáng)化學(xué)習(xí)（RL）且你誤用了這些名詞的話，是不是有點(diǎn)尷尬呢？當(dāng)然，這沒關(guān)系。如果你的定義取決于一系列行動(dòng)、規(guī)劃、從環(huán)境中收集信息，為未來行為制定政策——一個(gè)典型的例子是計(jì)算機(jī)學(xué)習(xí)用玩具直升機(jī)做特技演習(xí)——那你可能說的是RL。

如果你淹沒在這些術(shù)語之中：AI，ML，DL，RL，同時(shí)絕望地尋找機(jī)器人實(shí)體或科幻，那么你可能會(huì)喜歡“類人智慧”（Human-like intelligence，HLI）一詞。如果你想要使用“AI”以喚起個(gè)性，那么最好稱之為“HLI”。那些擔(dān)心HLI潛伏在每個(gè)柜子里的人可以輕松呼吸；所有這些工業(yè)界的AI應(yīng)用程序都不是HLI，它們并非要構(gòu)建真正的思想。每個(gè)人都忙于使用AI來解決真正的商業(yè)問題，這些問題涉及到實(shí)在卻無趣的標(biāo)簽。

咱們總結(jié)一下：當(dāng)你聽到工業(yè)界的討論時(shí)，人工智能和機(jī)器學(xué)習(xí)很可能是同義詞，它們與HLI沒有多大關(guān)系。

實(shí)際上，從應(yīng)用程序的角度來看，你在開始之前不需要將你的業(yè)務(wù)問題歸類為AI / ML / DL。你只要嘗試所有可以算出來的算法，然后迭代到更好的執(zhí)行者身上。如果簡(jiǎn)單的配置運(yùn)行良好，那意味著你獲得了一個(gè)解決方案，在生產(chǎn)中更容易維護(hù)。但毋庸置疑的是，無論是機(jī)器學(xué)習(xí)還是人工智能，都是人類進(jìn)步的巨大飛躍。 這是未來，而未來就在這里！