機器學習：開啟智能創新之門

2017-10-23 09:59

一、機器學習的發展背景：人工智能

人工智能（Artificial Intelligence，縮寫為AI）是對人的意識、思維過程進行模擬的一門新學科。如今，人工智能從虛無縹緲的科學幻想變成了現實。計算機科學家們在人工智能的技術核心－－機器學習（Machine Learning）和深度學習（Deep Learning）領域上已經取得重大的突破，機器被賦予強大的認知和預測能力。回顧歷史，在1997年，IBM“深藍”戰勝國際象棋冠軍卡斯帕羅夫；在2011年，具備機器學習能力的IBM Waston參加綜藝節目贏得100萬美金；在2016年，利用深度學習訓練的Aplphago成功擊敗人類世界冠軍。種種事件表明機器也可以像人類一樣思考，甚至比人類做得更好。

目前，人工智能在金融、醫療、制造等行業得到了廣泛應用，全球投資從2012年的5．89億美元猛增至2016年50多億美元。麥肯錫預計，到2025年人工智能應用市場的總值將達到1270億美元。與此同時，麥肯錫通過對2016年人工智能市場的投資進行深入分析，發現有將近60％的資金并購圍繞機器學習來布局。其中，基于軟件的機器學習初創公司比基于機器的機器人公司更受投資歡迎。從2013 年到2016 年，這一領域的投資復合年均增長率達到約80％。由此可見，機器學習已經成為目前人工智能技術發展的主要方向。

二、機器學習與人工智能、深度學習的關系

在介紹機器學習之前，先需要對人工智能、機器學習和深度學習三者之間的關系進行梳理。目前業界最常見的劃分是：

人工智能是使用與傳統計算機系統完全不同的工作模式，它可以依據通用的學習策略，讀取海量的“大數據”，并從中發現規律、聯系和洞見，因此人工智能能夠根據新數據自動調整，而無需重設程序。

機器學習是人工智能研究的核心技術，在大數據的支撐下，通過各種算法讓機器對數據進行深層次的統計分析以進行“自學”；利用機器學習，人工智能系統獲得了歸納推理和決策能力；而深度學習更將這一能力推向了更高的層次。

深度學習則是機器學習算法的一種，隸屬于人工神經網絡體系，現在很多應用領域中性能最佳的機器學習都是基于模仿人類大腦結構的神經網絡設計而來的，這些計算機系統能夠完全自主地學習、發現并應用規則。相比較其他方法，在解決更復雜的問題上表現更優異，深度學習是可以幫助機器實現“獨立思考”的一種方式。

總而言之，人工智能是社會發展的重要推動力，而機器學習，尤其是深度學習技術就是人工智能發展的核心，它們三者之間是包含與被包含的關系。如圖1所示。

機器學習：開啟智能創新之門