得益于谷歌（Google）、亞馬遜（Amazon）和Facebook這些公司，人工智能（artificial intelligence）和機器學(xué)習(xí)（machine learning）這兩個術(shù)語已經(jīng)變得比以往任何時候都要廣為人知。很多媒體經(jīng)常是把這兩個詞混在一起，并把它們當成各種智能設(shè)備背后的驅(qū)動力量，比如更聰明的家電以及取代人力的機器人。

可是，盡管人工智能與機器學(xué)習(xí)關(guān)聯(lián)很深，但它倆并不完全是一回事。

人工智能是計算機科學(xué)的一個分支，目的在于創(chuàng)造出能夠做出智能行為的機器。另一方面，斯坦福大學(xué)給機器學(xué)習(xí)下的定義是：讓計算機在沒有經(jīng)過明確編程時也能做出行動的科學(xué)。至于兩者的關(guān)系，用一句話概括就是：創(chuàng)造智能機器離不開人工智能研究人員，但要讓它們真正擁有智能我們還需要機器學(xué)習(xí)專家。

目前，包括谷歌和英偉達（Nvidia）在內(nèi)的科技巨頭都在努力開發(fā)機器學(xué)習(xí)技術(shù)。他們投入大量的人力物力，想要開發(fā)出能讓計算機像人類一樣進行高效學(xué)習(xí)的技術(shù)。因為在很多人看來，創(chuàng)造出能像人類一樣“思考”的機器，將點燃一場新的科技革命。

在過去十年中，機器學(xué)習(xí)為我們帶來了自動駕駛汽車、實用的語音識別、高效的網(wǎng)絡(luò)搜索，并大幅提升了人類對于自身基因組的認知。不過，機器學(xué)習(xí)是如何運作的呢？

讓我們舉一個非常簡單的例子，當你在使用谷歌搜索時打錯了字，它會彈出提示：“你搜索的是不是XXXX？”這就是谷歌一種機器學(xué)習(xí)算法實現(xiàn)的效果；該系統(tǒng)可以檢測出你在完成一次特定搜索幾秒后所做的二次搜索。

例如，假設(shè)你在使用谷歌搜索“造就”，但不小心打成了“造酒”。在搜索之后，你可能意識到了自己的拼寫錯誤，并在幾秒后重新開始搜索“造就”。谷歌的算法能夠識別出你在短時間內(nèi)進行的兩次搜索，并記錄下來，以后為犯下類似拼寫錯誤的用戶提供建議。其結(jié)果是，谷歌“學(xué)會了”為你糾正這個錯誤。

雖然這是一個非常簡單的例子，但數(shù)據(jù)科學(xué)家、開發(fā)者和研究人員正在利用更加復(fù)雜的機器學(xué)習(xí)方法來獲得此前無法企及的洞見。能夠從經(jīng)驗中學(xué)習(xí)的計算機程序正在幫助他們探究人類基因組的工作方式，把對消費者行為習(xí)慣的理解提升到前所未有的高度，并打造出提供購買建議、圖像識別和預(yù)防詐騙等功能的系統(tǒng)。

這樣，你現(xiàn)在對機器學(xué)習(xí)應(yīng)該有了一個基本概念，但它跟人工智能有何不同呢？我們請來英特爾（Intel）機器學(xué)習(xí)部門的負責人尼迪·查普爾（Nidhi Chappell）為大家解答疑惑。

“人工智能的根本在于智能，即我們?nèi)绾巫寵C器擁有智能；而機器學(xué)習(xí)就是運用計算方法來幫助實現(xiàn)這個目標的核心技術(shù)。在我看來，人工智能是科學(xué)，機器學(xué)習(xí)是能夠讓機器變得更智能的算法。”

“因此，機器學(xué)習(xí)是人工智能的促成者。”她補充道。

查普爾接著解釋說，機器學(xué)習(xí)是人工智能領(lǐng)域成長最快的組成部分，所以這就是為什么我們近來看到了如此多圍繞它展開的討論。盡管機器學(xué)習(xí)在如今的計算工作總量中只占了很小的比例，但它是成長最快的部門，所以這就是為什么大家都在關(guān)注機器學(xué)習(xí)。

“舉個簡單的例子，當你來到一個新地方并搜索‘最應(yīng)該做的事情’時，返回結(jié)果的順序是由機器學(xué)習(xí)算法確定的，它們的排名和評分都取決于算法。”查普爾如是說，并稱新聞熱點的排序也是一樣。

“人工智能已經(jīng)在我們生活中變得無處不在，以至于我們都沒認識到很多東西都由它們在背后驅(qū)動。”她補充道，“你可能一天用到人工智能數(shù)十次，但自己卻渾然不覺。”

在其他地方，F(xiàn)acebook正試圖通過一系列視頻和博客文章闡明人工智能和機器學(xué)習(xí)的概念。

“你的智能手機、房屋、銀行、汽車每天都在使用人工智能。”Facebook的工程主管雅恩·樂昆（Yann LeCun）和杰奎因·奎諾內(nèi)羅·坎德拉（Joaquin Qui onero Candela）解釋說，“有時候，這種使用很明顯，比如當你向Siri詢問前往最近加油站的路線，或者是Facebook提示你在自己上傳的照片中標記出一位好友。有的時候則不那么明顯，比如當你使用Amazon Echo完成了一次非常規(guī)的刷卡購物，但是并沒有被銀行判定為信用卡盜刷。”

“通過自動駕駛汽車、醫(yī)學(xué)圖像分析、更好的醫(yī)療診斷以及個性化醫(yī)療等領(lǐng)域的發(fā)展，人工智能將為社會帶來重大轉(zhuǎn)變。而且，它還將成為未來很多最具創(chuàng)新性的應(yīng)用和服務(wù)的支柱。”

樂昆和坎德拉繼續(xù)道，人工智能不是魔法，它只是數(shù)學(xué)——雖然是極其深奧的數(shù)學(xué)。

但為了推動人工智能的進步，機器學(xué)習(xí)必須在性能表現(xiàn)上取得巨大的飛躍，而這在傳統(tǒng)高性能計算領(lǐng)域幾乎是不可能做到的，因為該領(lǐng)域擅長處理的問題要擁有明確的定義，而且優(yōu)化工作也已經(jīng)開展了多年。

機器學(xué)習(xí)算法仍然有改進的余地，這就是為什么很多大型科技公司都把它作為自身戰(zhàn)略的核心焦點，并不遺余力地使之變得更加智能，以期向前推進，創(chuàng)造出下一代的創(chuàng)新產(chǎn)品，比如完全自主且100％安全的自動駕駛汽車。

人工智能學(xué)習(xí)的三種類型

強化學(xué)習(xí)

這種類型的學(xué)習(xí)聚焦于一個人工智能“代理”應(yīng)該如何行動來獲得最大化的獎勵。機器挑選一個動作或一系列動作，然后獲得獎勵。強化學(xué)習(xí)被用來教機器玩游戲和贏得比賽，但它需要大量的嘗試才能學(xué)會哪怕很簡單的任務(wù)。

監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)就是研究人員把特定輸入信息的正確答案告訴給機器，例如，他們向機器展示一輛汽車的圖片，并告訴它正確的答案是“汽車”。這是訓(xùn)練神經(jīng)網(wǎng)絡(luò)和其他機器學(xué)習(xí)架構(gòu)的最常用技術(shù)。

無監(jiān)督學(xué)習(xí)／預(yù)測學(xué)習(xí)

在通常情況下，人類和動物的學(xué)習(xí)屬于無監(jiān)督學(xué)習(xí)，即通過觀察世界的運行以及觀察父母來進行學(xué)習(xí)。然而，沒有人會來告訴我們自己看到的每件物品的名稱和功能。因此，我們需要教會自己一些基本概念：比如世界是三維的，物品不會自行消失，以及失去支撐的物品會向下墜落。目前，研究人員還不知道如何讓機器做到這一點，至少無法達到人類和動物的水平。