我们都听说过机器学习和人工智能，但对于这两个概念的内涵我们真的理解吗？如果你不太确定的话也没问题，让我们先从这两个概念说起吧。

机器学习本质上是一种事物标记器。机器学习不是魔法，也并非遥不可及的事物。机器学习的核心是给事物打标签，它首先识别的对某个事物的表述，然后告诉你它将获得什么标签。但如果我们一开始就把机器学习说成事物标签器的话，你还会有兴趣吗？答案可能是否定的，这表明市场营销和夸张宣传可能对引起人们关注这项技术有所帮助。

那么人工智能呢？ 虽然学者们对AI的细微差别提出了异议，但工业界正在使用这个术语来指代一种特定类型的机器学习。事实上，很多时候，人们交替使用这两个名词。所以，AI也是关于标签的东西。你期待机器人吗？一个有自己的头脑的科幻事物，一个具备人类特性的存在？其实，今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，如果我在袜子上缝两个纽扣，我甚至可能会对它说话。那个袜子不是人，AI也不是——牢记这一点很重要。这是否令人失望呢？不过别灰心，真实的东西更有用。

让我告诉你为什么应该感到兴奋。你在照片中看到了什么？

这是什么动物？很简单，是吧？现在告诉我你的大脑用这些像素做了什么来获得答案。你只是通过你的感官接受了一些非常复杂的数据，就像用魔法一样，你把它标记为“猫”。对你来说这很容易把？但如果我们想要通过电脑完成同样的任务，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模式，一种将你的愿望传达给计算机的新方式。在传统的编程方法中，程序员会考虑像素和标签，与外部世界沟通，串联灵感，最后手工制作模型。模型只是一个配置或是一组指令。

模型是一种使用计算机将数据转化为标签的配置。这只是机器用于将输入转换为输出的一些代码，可以由程序员手工操作，也可以通过算法从数据中学习。但想想那些指令是什么呢？你实际上在用这些像素做什么？你能表达一下吗？你的大脑进化得很完美，它在发挥功能，但你甚至不知道它是如何发挥功能的。这种配置很难想象出来。

用示例来代替指令去解释。如果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，然后自己弄清楚”，这样会更好吗？这是机器学习的本质。这是一个完全不同的编程范例。现在，你将学习如何在数据中应用算法并将其转化为数据，而不是提供明确的指令。无需亲自动手进行配置。

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？因为这是为了用我们以前不能用的方式表达我们对计算机的期望。我们喜欢让电脑为我们服务。 但如果无法想出合适的指令，我们怎么可能发出指令呢？如果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形容的事物。它们用示例而非指令来解释自己。这解锁了许多我们过去无法让电脑帮助实现任务，因为当时我们无法发出指令。

下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”。学术界并不认为人工智能（AI）和机器学习（ML）是可互换的，作为一个曾经的学者，我认为在技术上，AI是ML的真超集，而ML是深度学习的真超集。深度学习（DL）是使用特定类别的算法（神经网络）的ML，这也是工业界对AI的理解。这样理解合适吗？

但我认为大多数人（以及工业界）并不会特别在乎这种差异，他们在语言的使用上也不那么正式。无论我们喜欢与否，语言都会发展。AI最初被教授使用，现在它已成为普通词汇了。

无论我们喜欢与否，语言都会发展

带着有可能冒犯研究人员的风险，我认为最有帮助的是，认可工业界中对这些词汇的用法并对那些不在意这些细微差别的读者进行解释。只要我们的速度跟得上，语言的发展不是个问题。AI这一术语首次出现于1956年，但却从未有过严格的定义。即便术语定义不明确，但却并不影响我们正确地使用它。

需要注意的是，如果你认为的AI为实际上在技术上被称为强化学习（RL）且你误用了这些名词的话，是不是有点尴尬呢？当然，这没关系。如果你的定义取决于一系列行动、规划、从环境中收集信息，为未来行为制定政策——一个典型的例子是计算机学习用玩具直升机做特技演习——那你可能说的是RL。

如果你淹没在这些术语之中：AI，ML，DL，RL，同时绝望地寻找机器人实体或科幻，那么你可能会喜欢“类人智慧”（Human-like intelligence，HLI）一词。如果你想要使用“AI”以唤起个性，那么最好称之为“HLI”。那些担心HLI潜伏在每个柜子里的人可以轻松呼吸；所有这些工业界的AI应用程序都不是HLI，它们并非要构建真正的思想。每个人都忙于使用AI来解决真正的商业问题，这些问题涉及到实在却无趣的标签。

咱们总结一下：当你听到工业界的讨论时，人工智能和机器学习很可能是同义词，它们与HLI没有多大关系。

实际上，从应用程序的角度来看，你在开始之前不需要将你的业务问题归类为AI / ML / DL。你只要尝试所有可以算出来的算法，然后迭代到更好的执行者身上。如果简单的配置运行良好，那意味着你获得了一个解决方案，在生产中更容易维护。但毋庸置疑的是，无论是机器学习还是人工智能，都是人类进步的巨大飞跃。 这是未来，而未来就在这里！