机器学习与人工智慧的不同之处

发布时间：2017-11-03 10:32:54 点击次数：245次

　　在资讯领域常听及机器学习(ML)与人工智慧(AI)，大众虽然常互换使用，但机器学习与人工智慧是不一样的机制。

富比世(Forbes)以专文论及机器学习与人工智慧的不同。机器学习是编辑程式后的下一步，基本上是有关预测模型建立方面的技术，程式设计人员会设计何时应给予正面或负面的反馈，其所建置的模型大小、使用的预测方式，都会影响机器学习预测的结果；机器学习也必须输入正确的资料，一旦步骤错误，就只能重新开始。

机器学习在基于现存数据预测方面是非常有用的，例如预测明天天气、客户是否会流失等，但机器学习并没有「反馈」机制，因此假设机器学习在运行过程中出错，并不会自我检测并找出正确的答案。机器学习就像是等着老师给予答案的学生。

人工智慧与机器学习最大的不同点在于拥有反馈机制，在错误产生时可以自己修复，并积极寻找更新或更好的资料来源。人工智慧能与世界互动，适应变化，自动追求更多额外资料消化，可认为拥有自己的学习权，像是好奇心旺盛的学生。人工智慧是主动式学习，机器学习则是反应式学习。

若人们仅是需要一个单纯的预测模型，且使用静态资料，那机器学习就会是很简单的方式。而人工智慧可用于变动性资料上，由于人工智慧对环境有适应性，因此在获得问题后，将自主构建所需的模型解决该问题，与外部变动的世界保持高度互动，不断提取新资料以获得需要的结果。

因此机器学习和人工智慧之间有明显的区别，端看使用者的目地取向，如果是要输入特定资料跑预测，那就使用机器学习；若是要得到事情的解决方案，那就使用人工智慧。

机器学习可以得出事情的规律，但不能完全验证、批判和确定规律就是现实，也不会对资料蕴含的偏见做出识别，若要探讨问题的根源，仍必须寻求资料科学家与人工智慧的能力。