機器學習和人工智能的區(qū)別：“好的，谷歌！有什么事嗎？你能演奏我最喜歡的曲目或者預訂一輛從宮殿路到MG路的出租車嗎？”

“亞歷克莎，幾點了？”“早上5點叫醒我?！薄澳隳芨嬖V我明天的會議嗎？”

這是機器學習和人工智能的完美結合。

機器學習是一種自動建立分析模型的數據分析方法。這是一個利用算法從數據中學習并做出預測的領域。它也是人工智能的一種應用，它提供了系統(tǒng)從經驗中自動學習和改進的能力，而無需顯式編程。機器學習的重點是開發(fā)可以訪問數據并使用它自己學習的計算機程序。

實際上，這意味著我們可以將數據輸入到算法中，并用它來預測未來可能發(fā)生的事情。它是人工智能的一個分支，基于這樣的理念：系統(tǒng)可以從數據中學習，識別模式，并在最少的人為干預下做出決策。

人工智能（AI）是智能智能體的研究和設計，這些智能體具有分析環(huán)境和產生最大化成功的行動的能力。人工智能研究使用的工具和見解來自許多領域，包括計算機科學、心理學、哲學、神經科學、認知科學、語言學、運籌學、經濟學、控制理論、概率、優(yōu)化和邏輯。人工智能是基于人類如何思考、學習、決定和工作來解決問題的研究，然后將研究結果作為開發(fā)智能軟件和系統(tǒng)的基礎。

不同的機器學習技術

機器學習使用兩種技術。

監(jiān)督式學習

無監(jiān)督學習

監(jiān)督學習：監(jiān)督學習是指你有輸入變量（x）和輸出變量（Y），你使用一種算法來學習從輸入到輸出的映射函數Y = f（x）。有監(jiān)督的機器學習系統(tǒng)為學習算法提供已知的數量，以支持未來的判斷。監(jiān)督學習通常是在分類上下文中進行的，當我們想要將輸入映射到輸出標簽，或者當我們想要將輸入映射到連續(xù)輸出時進行回歸。

1.分類：分類預測建模是將一個映射函數（f）從輸入變量（X）逼近到離散輸出變量（y）的任務。分類問題是當輸出變量是一個類別時，例如“紅色”或“藍色”或“疾病”和“沒有疾病”。分類模型試圖從觀測值中得出一些結論。

2.回歸：回歸預測建模是將一個映射函數（f）從輸入變量（X）逼近到連續(xù)輸出變量（y）的任務?；貧w問題是當輸出變量為實值或連續(xù)值時，如“工資”或“重量”。

無監(jiān)督學習：無監(jiān)督學習是一種機器學習技術，用于查找數據中的模式。無監(jiān)督學習是指只有輸入數據（X）而沒有相應的輸出變量。無監(jiān)督學習的目標是對數據中的底層結構或分布進行建模，以便更多地了解數據。無監(jiān)督機器學習算法從數據集中推斷模式，而不參考已知或標記的結果。

聚類是最常見的無監(jiān)督學習方法。群集允許您根據相似度自動將數據集分割成組。它用于探索性數據分析，以發(fā)現數據中的隱藏模式或分組。

亞馬遜：亞馬遜在實現機器學習方面走在了前面。亞馬遜在使用機器學習洞察力方面處于領先地位。亞馬遜正利用一貫可靠的客戶服務加強客戶的互動。在客戶服務中，他們使用機器學習來預測客戶問題，識別正確的工作流程來解決問題，在某些情況下還會發(fā)現服務的濫用。

Facebook： Facebook是一家美國在線社交媒體和社交網絡服務公司，總部位于加州門洛帕克。截至2017年6月，Facebook每月活躍用戶超過20億。

微軟：根據CB Insights的數據，在過去的五年里，微軟實際上是第三大收購方。該公司確實涉足互聯網市場，特別是在幾年前以260億美元收購領英（LinkedIn）之后。微軟開發(fā)、制造、許可、支持和銷售計算機軟件、消費電子產品、個人電腦和服務。

谷歌：谷歌不局限于搜索引擎。谷歌有很多用于人工智能和機器學習的東西。谷歌廣泛致力于機器學習和人工智能，為工程技術帶來革命。

機器學習正迅速成為具有前瞻性思維的組織的現實。國際數據公司（IDC）預計，今年全球人工智能系統(tǒng)的營收將增加近一倍，至125億美元，并將以類似的速度增長，直到2020年達到460億美元。機器學習是數字轉換的最新方法，使我們的計算過程更高效、更經濟、更可靠。

自然語言處理（NLP）用于呼叫中心和自動呼叫機的語音識別。

虛擬助理：Siri， Alexa，谷歌，Crotona是一些流行的虛擬個人助理。

基于應用程序的出租車——在預訂出租車時，應用程序會估算車費和到達時間。

視頻監(jiān)控系統(tǒng)——它由人工智能提供動力，使得在犯罪發(fā)生前就能發(fā)現犯罪。

社交媒體服務——它提供面部識別功能，你可能認識的人，類似的密碼。

電子郵件垃圾郵件和惡意軟件過濾你的收件箱。

在線客戶支持先進的聊天機器人。

購物體驗與產品推薦。