当人们被要求评价人工智能或机器学习的潜力以处理其安排的问题时，最好了解两者之间的差异。
现在，人工智能和机器学习常常变得稠浊在一起，人们很简略将这两者误认为是近义词。这并不精确：尽管肯定是密切相关的，但实际上不能交换。
“人工智能与机器学习密切相关，所以这些术语的运用是松懈且可交换的，这一点并不古怪。”Very公司工程副总裁Bill Brock说。
假如安排还没有运用人工智能或机器学习，那么很快就会需求评价其对安排的潜力。
Red Hat公司首席技能官办公室人工智能高档总监Daniel Riek
表明，“作为作业负载的人工智能将成为IT战略的首要驱动力。人工智能代表着IT职业的转型开展：一切笔直职业的客户越来越重视智能运用，以便经过人工智能为事务供给协助。这适用于在软件中施行的任何作业流程，这不只适用于企业的传统事务，还适用于研讨、出产流程以及产品自身。经过人工智能完结的自动化程度的进步将敏捷成为企业竞争力建造的要害要素，并将使人工智能成为一种战略性技能。”
自然语言处理和其他支撑人工智能的功能将协助安排重新考虑客户服务聊天和剖析很多非结构化数据。这将完结更多的猜想剖析，进步功率，并增强决议计划才能。
那么人工智能和机器学习有什么差异?先从界说术语开端。
人工智能意味着什么
Brock说，“简略地说，人工智能是机器能够履行需求人工完结的使命。这触及让计算机拜访很多数据，并让他们自己学习。”
机器学习是人工智能的一个详细运用或学科，但不是仅有的一个。Brock解说说，“算法被输入数据，并被要求在没有特定编程的情况下进行处理。与人类相同，机器学习算法能够从过错中吸取教训，以进步功能。”
作为差异人工智能和机器学习的起点，将人工智能视为包含多个特定技能或学科的更高层次或伞形类比是很有协助的，机器学习便是其中之一。
Amplify.ai公司首席履行官兼联合创始人Mahi de
Silva说。“人工智能包含各种范畴的研讨，包含机器学习、自然语言处理(NLP)、语音/音频辨认、计算机视觉/图画辨认、查找、路由、自主机器人、自主运送等学科。”
谈到机器学习，SigOpt公司研讨工程师Michael
McCourt提出了一个类比：“机器学习就像是人工智能这把雨伞上的一个辐条，有着更详细的界说。”
能够回忆一下：McCourt注意到人工智能的界说是十分广泛的，它就像一把雨伞，以至于假如要求一组10个人给出他们的界说，可能会得到10个不同的答案。“人工智能是一个没有详细界说的总称，由于它包含了一切模仿人类才能的机械、机器人和轿车使命。”McCourt说。
此外，人工智能的界说现已发生改变，并且会跟着时刻的推移而不断改变。McCourt指出，“二十年前，像拼写查看这样的东西被认为是一种人工智能。而在十年前，人工智能意味着能够对图画进行分类。”
机器学习意味着什么
尽管机器学习技能和用处可能会开展，但其中心界说愈加详细和细化。
“机器学习模型依据存储的数据集和查询生成效果，以学习特定形式，”McCourt说。假如之前没有存储答案，机器学习会剖析环境，给出正确答案的最佳猜想。
Indico数据处理方案公司的首席履行官Tom Wilde指出，人工智能和机器学习被一起运用和混杂的原因十分遍及。
“混杂的原因是能够了解的：机器学习能够被认为是当时人工智能的最先进技能。”Wilde说。除此之外，他还弥补说，机器学习是最陈旧和最老练的人工智能学科之一。在企业用例方面，它也是最新的效果。
了解人工智能和机器学习之间的差异不只仅是弄清术语的差异或削减那些不明白的非技能人员的烦恼。相反，它是人工智能项目成功的要害。
Brock说，“差异人工智能和机器学习很重要，由于这关于成功地规划、构建、开发和保护运用程序或渠道至关重要。”
这对安排的内部常识和人工智能技能的开展是正确的;对评价和挑选适宜的供货商也是如此。
人们还记得每种产品忽然在其称号中添加了“云”这个词的情形吗?那么今后也可能在各种产品中看到人工智能和机器学习。
留神人工智能清洗产品
“尽管许多公司自称运用人工智能，但实际上许多公司很少运用机器学习，并且大多运用根据规矩的体系。人工智能与机器学习之间的混杂发生了一些重大问题。”SigOpt公司的McCourt说，“首要，它为人工智能和机器学习成功的实际情况发明了一个不断改变的方针。其次，这种含糊性为企业宣称他们正在运用机器学习技能供给了空间，而不必忧虑他们会遭到应战。”
这是一个巨大的缺点，特别是考虑到如此多的安排才刚刚开端(假如有的话)辨认他们潜在的人工智能时机。加上很多的宣扬炒作，缺少对要害术语的了解使得很难正确评价选项。
Amplify.ai公司首席履行官de
Silva指出，这并不是说人们应该忽视不同术语和技能之间的堆叠和联络;相反，仅仅不应该将这些堆叠和联络视为是相同的工作。人工智能所包含的各种学科，如机器学习、自然语言处理(NLP)和计算机视觉，在正确地结合运用时，能够发生扩大效应。
他说：“重要的是要认识到，在这些研讨和施行范畴存在很多的穿插整合的时机，在这些范畴，这些技能叠加起来将供给更多的实用性。”
只需保证安排清楚地看到不同的边界，以保证在当时和未来的人工智能项目中获得最大的成功几率。现在，了解人工智能和机器学习之间的差异是一个很好的根底。
Brock说，“关于首席信息官和IT决议计划者来说，了解概念，并与对概念及其运用有全面了解的团队(包含内部职工以及第三方供货商和参谋)协作是很重要的。在接下来的两年里，跟着许多机器学习项目进入出产阶段，咱们将看到机器学习项目的爆破式增加，因而具有恰当的专业常识水平以保证这些项目的成功至关重要。”
什么是监督与无监督机器学习?
人们还要差异两种类型的机器学习。“在用例方面，监督机器学习在这一点上是更常见的。这种类型的机器学习经过供给有关所需类别参数的信息来练习机器，并让算法决议怎么对它们进行分类。”Brock解说道。
Brock指出，另一方面，无监督机器学习不运用练习数据。因而它更杂乱，在这一点上现已用于更少的运用程序。可是假如听到有人以可交换的方法地运用人工智能和机器学习，那么他们可能会考虑无人监督的机器学习，由于它不需求像监督机器学习相同需求更多的(假如有的话)人类输入和练习。
Brock说，“无监督的机器学习是人工智能未来的促进要素。无人监督的机器学习现已被用于(或正在开发中)图画辨认、癌症检测、音乐组成、机器人导航、自动驾驶和许多其他立异等运用。”
