人工智能和机器学习密切相关，但最终不同。机器可以复制甚至超越人类思想的想法一直是高级计算框架的灵感来源——现在无数企业都在进行巨额投资。这个概念的核心是人工智能(AI)和机器学习(ML)。这些术语通常是同义词，可以互换使用。实际上，人工智能和机器学习代表两种不同的事物——尽管它们是相关的。本质上：人工智能可以定义为计算系统模仿或模仿人类思维和行为的能力。机器学习是人工智能的一个子集，指的是一种无需明确编程或直接由人类监督即可学习的系统。如今，人工智能和机器学习几乎在每个行业和企业中都发挥着重要作用。它们驱动业务系统和消费设备。自然语言处理、机器视觉、机器人技术、预测分析和许多其他数字框架都依赖于其中一种或两种技术才能有效运行。人工智能和机器学习简史创造可以像人类一样思考的机器的想法一直让整个社会着迷。在20世纪40年代和50年代，包括艾伦图灵在内的研究人员和科学家开始探索创造“人工大脑”的想法。1956年，达特茅斯学院的一组研究人员开始更彻底地探索这个想法。在学校举办的一次研讨会上，“人工智能”一词诞生了。在随后的几十年里，该领域取得了进展。1964年，麻省理工学院人工智能实验室的JosephWeizenbaum发明了一个名为ELIZA的程序。它展示了自然语言和机器对话的可行性。ELIZA依靠基本的模式匹配算法来模拟真实世界的对话。20世纪80年代，随着更强大的计算机的出现，人工智能研究开始加速。1982年，约翰·霍普菲尔德(JohnHopfield)表明神经网络可以以更高级的方式处理信息。各种形式的人工智能开始形成，第一个人工神经网络(ANN)于1980年出现。由于计算能力和软件的巨大进步，该领域在过去二十年取得了显着进步。人工智能和机器学习现在广泛应用于各种企业部署中。这些技术用于Siri和Alexa等自然语言系统、自动驾驶汽车和机器人、计算机游戏中的自动决策系统、Netflix等推荐引擎以及虚拟现实(VR)和增强现实(AR)等扩展现实(XR)。应收账款）。工具。机器学习尤其蓬勃发展。政府实体、企业和其他机构越来越多地使用它来识别涉及统计数据和其他形式的结构化和非结构化数据的复杂和难以捉摸的模式。这包括流行病学和医疗保健、财务建模和预测分析、网络安全、聊天机器人和其他用于客户销售和支持的工具等领域。事实上，许多供应商都将机器学习作为云计算和分析应用程序的一部分。人工智能的影响是什么？机器模仿人类思维和行为的能力深刻地改变了这两个实体之间的关系。AI释放大规模自动化并支持一系列更先进的数字技术和工具，包括VR、AR、数字双胞胎、图像和面部识别、连接的设备和系统、机器人、个人助理以及各种高度交互的系统。这包括在现实世界中导航的自动驾驶汽车、回答问题和开关灯的智能助手、自动化金融投资系统，以及机场摄像头和面部识别。后者包括航空公司在登机口使用的生物识别登机牌，以及只需扫描您的面部即可通过安检的全球入境系统。事实上，企业正在以全新的创新方式让AI发挥作用。例如，旅游业中使用的动态定价模型实时衡量供求关系，并根据不断变化的情况调整航班和酒店价格。人工智能技术正被用于更好地了解供应动态并调整采购模型和预测。在仓库中，机器视觉技术（由人工智能提供支持）可以发现小问题，例如人眼看不到的托盘丢失和生产缺陷。同时，聊天机器人分析客户输入并实时提供上下文相关的答案。正如您所看到的，这些功能正在迅速发展——尤其是当连接系统被添加到组合中时。智能建筑、智能交通网络，甚至智慧城市正在形成。随着数据的流入，人工智能系统决定下一步的最佳步骤或调整。同样，航空公司、能源公司、制造商和其他企业越来越多地使用数字孪生来模拟实际系统和设备，并探索各种虚拟选项。这些高级模拟器可以预测维护和故障，并提供对成本更低、更复杂的业务流程的洞察力。机器学习的影响是什么？近年来，机器学习也取得了显着进步。通过使用统计算法，机器学习解锁了传统上与数据挖掘和人工分析相关的洞察力。它使用样本数据（称为训练数据）来识别模式并将它们应用于可能随时间变化的算法。深度学习是一种机器学习，它使用人工神经网络来模仿人脑的工作方式。以下是使用机器学习的主要方法：监督学习，需要人类识别所需的信号和输出。●无监督学习，允许系统独立于人类运行并找到有价值的输出。●半监督学习和强化学习，涉及计算机程序与动态环境交互以实现既定目标和结果。后者的一个例子是计算机象棋游戏。在某些情况下，数据科学家使用一种混合方法，该方法结合了其中几种方法的要素。多种算法几种类型的机器学习算法起着关键作用：?神经网络：神经网络模仿人脑的思维方式。它们是识别模式的理想选择，广泛用于自然语言处理、图像识别和语音识别。?线性回归：这种技术对于预测数值很有价值，例如预测航班或房地产价格。?逻辑回归：这种方法通常使用二元分类模型（例如“是/否”）来标记或分类某些东西。该技术的一个常见用途是识别电子邮件中的垃圾邮件并将不需要的代码或恶意软件列入黑名单。?聚类：该机器学习工具使用无监督学习来发现人类可能遗漏的模式。集群的一个例子是供应商如何在不同的设施中执行相同的产品。这种方法有可能用于医疗保健，例如，了解不同的生活方式如何影响健康和长寿。?决策树：此方法预测数值，但也执行分类函数。与其他形式的机器学习不同，它提供了一种清晰的方法来审核结果。这种方法也适用于结合了决策树的随机森林。无论使用何种确切方法，机器学习越来越多地被企业用来更好地理解数据和做出决策。这反过来又允许更复杂的人工智能和自动化。例如，情绪分析可以插入历史销售数据、社交媒体数据，甚至天气状况，以动态调整生产、营销、定价和销售策略。其他机器学习应用程序为医疗诊断、欺诈检测和图像分类提供推荐引擎。机器学习的优势之一是它可以随着条件和数据的变化或组织添加更多数据而动态调整。因此，可以构建ML模型，然后进行动态调整。例如，营销人员可能会根据客户行为和兴趣开发算法，然后根据客户行为、兴趣或购买模式的变化定制消息和内容。人工智能和机器学习在企业中如何发展？如前所述，大多数软件供应商（涵盖广泛的企业应用程序）在其产品中提供AI和ML。这些系统使得在没有广泛的数据科学知识的情况下使用强大的工具变得越来越容易。但是，有一些注意事项。对于客户而言，为了充分利用人工智能和机器学习系统，通常需要了解人工智能和一些专业知识。在选择产品时，避免供应商炒作也很重要。AI和ML无法解决潜在的业务问题——在某些情况下，它们会带来新的挑战、担忧和问题。有哪些道德和法律问题？AI和ML处于越来越多争论的中心——它们应该被明智地使用。它们与招聘和保险偏见、种族歧视以及各种其他问题有关，包括滥用数据、不适当的监视以及深度造假、假新闻和信息等问题。越来越多的证据表明，面部识别系统在识别有色人种方面的准确性要低得多，这可能会导致种族定性。此外，人们越来越担心政府和其他实体使用面部识别进行大规模监控。到目前为止，几乎没有对人工智能实践的监管。然而，道德人工智能正在成为一个关键的考虑因素。人工智能和机器学习的未来是什么？人工智能技术发展迅猛，它将在企业和人们的生活中发挥越来越重要的作用。AI和ML工具可以显着降低成本、提高生产力、促进自动化并推动创新和业务转型。随着数字化转型的推进，各种形式的人工智能将成为被各种数字技术包围的太阳。人工智能将带来更先进的自然语音系统、机器视觉工具、自主技术等。
