人工智能是計算機科學的一個分支，目的是開發(fā)一種擁有智能行為的機器，斯坦福大學對機器學習的定義是：“在沒有明確編程指令的情況下讓計算機采取行動的科學?！毕胍_發(fā)智能機器，就需要借助人工智能研究人員的幫助。但要讓其具備真正的智能，就需要聘請機器學習專家。
谷歌和英偉達等大型科技公司目前都在努力開發(fā)這種機器學習技術。他們都在努力讓電腦學會人類的行為模式，以便推動很多人眼中的下一場技術革命——讓機器像人類一樣“思考”。
過去10年，機器學習已經為我們帶來了無人駕駛汽車、實用的語音識別、有效的網絡搜索，還大幅加深了我們對人類基因組的理解。但它究竟是如何工作的呢？
舉個簡單的例子。如果你在使用谷歌搜索時拼錯了單詞，就會看到一條提示：“你的意思是……嗎？”這就是谷歌機器學習算法生成的結果。這套系統(tǒng)可以在你輸入特定關鍵詞后幾秒鐘內判斷你的搜索意圖。
藝術家筆下的微神經計算機
例如，假如想搜索“wired”，但卻不小心拼成了“wored”，系統(tǒng)很可能就會發(fā)現你輸錯了單詞，并在幾秒種后返回可能的正確結果：“wired”。谷歌的算法會在你發(fā)出搜索請求之后的幾秒鐘后識別出你的搜索意圖，并將這一信息牢記在心，以備用戶之后犯下類似的錯誤時使用。如此這般，谷歌便“學會了”糾正你的錯誤。
雖然這是一個非常簡單的例子，但數據科學家、開發(fā)者和研究人員正在使用更加復雜的機器學習技術探索之前無法企及的領域。能夠吸取經驗教訓的程序可以幫助人們研究人類基因組的工作方式，對消費者行為習慣的理解也可以達到前所未有的高度，甚至據此開發(fā)購買推薦、圖像識別和欺詐預警等實用的系統(tǒng)。
現在，你已經對機器學習的基本理念有所了解，那么它與人工智能的區(qū)別究竟在哪里呢？我們與英特爾機器學習主管尼迪·查普爾（nidhichappel）展開了對話，以便澄清這個問題。
“人工智能的根本在于智能——如何為機器賦予智能。而機器學習則是部署支持人工智能的計算方法。我的想法是：人工智能是科學，機器學習是讓機器變得更加智能的算法?！?br>
“也就是說，機器學習成就了人工智能?！彼a充道。
查普爾接著解釋道，機器學習是人工智能增長最快的部分，因此我們最近才看到與之有關的許多討論。盡管在如今的計算總量中僅占很小比例，但它的確是增速最快的領域，正因如此，所有企業(yè)都在努力開發(fā)這項技術。
“舉個簡單的例子，當你來到一個新地方，并在網上搜索‘最應該做的事情’時，你所看到的內容順序都是由機器學習來排列的。它們的排列和評分方式都采用了機器學習技術?！辈槠諣栒f。他還補充道，在排列熱門新聞時也會采用相同的方法。
“人工智能已經廣泛滲透到我們的生活之中，只不過我們還沒有意識到它已經應用到很多領域?！彼a充道，“你或許每天都會使用這種技術好幾十次，但卻渾然不覺?！?br>但為了推動人工智能的進步，機器學習必須在性能上實現巨大的飛躍，這在傳統(tǒng)高性能計算領域很難實現，因為在這些領域，問題已經明確，優(yōu)化工作也已經開展了多年。
機器學習算法仍有改進空間，這也是很多大型科技公司爭相將其作為核心戰(zhàn)略的原因。這些公司都在不遺余力地提升機器的智能，希望能夠推動科技進步，并實現下一階段的創(chuàng)新，包括完全自動且100%安全的無人駕駛汽車。