人工智能和机器学习的区别

一、介绍人工智能

先来说下人工智能，人工智能（Artificial Intelligence），英文缩写为AI，通俗来讲就是用机器去做在过去只有人能做的事。

人工智能最早是由图灵提出的，在1950年，计算机科学之父，人工智能科学之父，艾伦▪图灵发表了一篇论文：Computing Machinery and Intelligence（计算机器与智能），这篇文章开启了计算机与智能模拟的科学讨论。

人工智能在当时只是理论设想，能够落地连图灵自己都不知道。图灵在文章的第一句就提出一个疑问："Can machines think?" ，机器会思考吗？在这篇文章中，图灵针对机器是否能够模拟人类智能，表达了自己的观点，其中一条就是：计算机模拟人类智能的任务，任重而道远。

1955年，在达特茅斯学院任教的约翰麦卡锡组建专家组希望能够给人工智能一个清晰定义和研究方向，选定了Artificial Intelligence一词。

1956年，夏天约翰麦卡锡和马文闵斯基发起了达特茅斯会议，达特茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现，达特茅斯会议被广泛认为是人工智能诞生的标志。

人工智能是计算机科学的一个分支，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它由不同的领域组成，如机器学习，计算机视觉等，研究领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

总的来说，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

在1956年的这次会议之后，长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多学者对人工智能的发展充满信心，“二十年内，机器将能完成人能做到的一切。”

70年代，受限于计算能力的影响，人工智能进入了第一次低迷期。1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。

1980年，卡内基梅隆大学采用人工智能程序为数字设备公司设计了一套名为XCON的“专家系统”为该公司每年节省下来超过四千美元经费。在这种商业模式的启发下，衍生出了像Symbolics、Lisp Machines等和IntelliCorp、Aion等这样的硬件，人工智能暂时崛起。

1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。人工智能被抛弃，再次被打入冷宫。

1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个里程碑，标志着人工智能再次崛起。

2016年，DeepMind开发的AlphaGo横空出世，彻底引爆了全球人工智能发展热潮，此后，以机器学习，尤其是深度学习为代表的新一代人工智能在更加先进、复杂、自主的方向上取得了突破性进展，给经济和社会发展带来了新的变革与机遇。

纵观人工智能诞生的60年间，我们先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，目前我们正处在人工智能的第三次浪潮之中。经过了60余年的发展，人工智能终于脱掉了起初因为不够智能而被冠以的“人工智障”的帽子。

如今人工智能已经走进千家万户而且应用在生活中了，对于普通大众来说，它已经是一个耳熟能详的名词。

机器学习，MachineLearning（简称ML），机器学习领域知名学者Tom M.Mitchell曾给机器学习做如下定义：

如果计算机程序针对某类任务T的性能（用P来衡量）能通过经验E来自我改善，则认为关于T和P，程序对E进行了学习。

通俗来讲，计算机针对某一任务，从经验中学习，并且能越做越好，这一过程就是机器学习。

一般情况下，“经验”都是以数据的方式存在的，计算机程序从这些数据中学习。学习的关键是模型算法，它可以学习已有的经验数据，用以预测未知数据。

举个例子，垃圾邮件过滤器就是一个机器学习的程序，它通过垃圾邮件（比如用户手动标记的垃圾邮件）以及常规邮件（非垃圾邮件）的示例，来学习标记垃圾邮件。系统用来学习的这些示例，我们称之为训练集。每一个训练示例称为训练实例或者是训练样本。

在本例中，任务 T 就是给新邮件标记垃圾邮件，经验 E 则是训练数据，那么衡量性能表现的指标 P 则需要我们来定义，例如，我们可以使用被正确分类的邮件的比率来衡量。这个特殊的性能衡量标准称为精度。

机器学习已经得到了广泛的应用，比如面部识别；文字语音识别；垃圾邮件过滤器；网上购物；查看推荐；信用卡欺诈检测等等都用到了相关技术。

人工智能(AI)的概念是在1955 年提出的；机器学习(ML)概念是在1990 年提出的；深度学习(DL)概念是在 2010 年提出的。

深度学习包含于机器学习，而机器学习又包含于人工智能。

人工智能是一个更广泛的概念，即让机器能够以我们认为“智能”的方式执行任务。

人工智能是一种具体的结果，而机器学习是我们达到人工智能的一个途径。

总的来说：

机器学习是人工智能的一个子集，它的目的是让计算机能够更好的访问和利用数据，并且在没有人工干预的情况下从中检索出事件发展的内在规律。