机器学习vs.人工智能：定义和重要性

　　机器学习，有时也称为计算智能，近年来已经突破了一些技术障碍，并在机器人、机器翻译、社交网络、电子商务，甚至医药和医疗保健等领域取得了重大进展。机器学习是人工智能的一个领域，其目标是开发学习计算技术以及构建能够自动获取知识的系统。

　　学习系统是一种计算机程序，它通过成功解决过去的问题积累的经验做出决策。尽管应用时间不长，但是有许多不同的学习算法，该领域是计算领域最热门的领域之一，并且定期发布一些新的技术和算法。

　　机器学习vs.人工智能

　　许多人认为机器学习和人工智能的含义是一样的，但这并不十分准确。人工智能有几种定义，这其中包含机器学习的广泛概念。一个被广泛接受的定义是，人工智能由依赖人类行为来解决问题的计算机制组成。换句话说，技术使计算机就像人类一样“思考”来执行任务。

　　人类能够分析数据，发现其中的模式或趋势，从中进行更明智的分析，然后使用结论做出决策。在某种意义上，人工智能也遵循同样的原则。通常，人们完成任务越多，就越熟练。这是具有学习能力的结果。经常重复或执行相关程序对人们来说是一种培训。在人工智能系统中也会发生类似的事情：公开获取或记录在专用平台上的数据用作人工智能算法的培训。

　　那么培训是如何完成的?为此目的有几种算法。这一切都取决于应用程序以及它们背后的组织或人员。在这里，最重要的是知道在这一点上机器学习是有意义的。

　　什么是机器学习?

　　机器学习也是一个有多种定义的概念，但在其核心，机器学习是一个可以根据自身经验自主修改其行为的系统，其人为干扰很小。这种行为修改基本上包括建立逻辑规则，目的是提高任务的性能，或者根据应用程序做出最适合场景的决策。这些规则是根据分析数据中的模式识别生成的。

　　例如，如果一个人在搜索引擎中键入“勇敢”这个词，该服务需要分析一系列参数来决定是否显示类似于激怒或勇敢的结果，这可能有两种含义。在众多可用参数中有用户搜索历史：例如，如果在寻找“勇敢”之前几分钟，则最有可能出现第二种意义。这是一个非常简单的例子，但它说明了机器学习的一些重要方面。

　　重要的是，系统必须根据大量数据进行分析，这是搜索者必须放弃的一个标准，因为他们接收了数百万次访问，因此这是一个培训标准。

　　另一个方面是持续的数据输入，有利于识别新标准。假设“勇敢”这个词成为与文化运动相关的俚语，通过机器学习，搜索引擎将能够识别指向该术语的新含义的模式，并且在一段时间之后，将能够在搜索结果中考虑它。

　　机器学习有几种方法。众所周知的一种方法称之为“深度学习”，其中大量数据来自多层人工神经网络，这些算法受到解决复杂问题的大脑神经元结构的启发，例如图像中的物体识别。

　　机器学习的例子

　　机器学习的使用正在演变成各种各样的应用，人们当今拥有的许多技术资源都基于人工智能和机器学习。

　　·自治数据库 - 借助机器学习，自治数据库处理以前由管理人员(DBA)执行的若干任务，允许这些专业人员处理其他活动，从而降低因为人为错误导致的应用程序不可用的风险。

　　·打击支付系统中的欺诈行为 - 每秒都会产生各种信用卡欺诈和其他支付方式的尝试。机器学习允许反欺诈系统在成功之前识别其中的大部分。

　　·文本翻译——翻译必须考虑场景、区域表达式和其他参数。由于采用机器学习，自动翻译越来越精确。

　　·内容推荐——视频和音频流平台使用机器学习来分析用户查看或拒绝的内容的历史记录，以便为他们提供符合其意愿的建议。