人工智能(AI)和机器学习(ML)现在是两个非常热门的流行语，通常似乎可以互换使用。
但这二者并不完全一样，但是有时会导致人们的看法有一些混乱，因此需要解释这二者之间的区别。
当大数据、数据分析，以及更广泛的技术变革浪潮席卷全球时，这两个术语都会频繁出现。
总之，最好的答案是：人工智能是一种机器能够以人们认为“聪明”的方式执行任务的更广泛的概念。
而且，机器学习是人工智能的一个最新应用，它基于这样一个想法：真的应该能够让机器访问数据，让他们自己学习。
早期的发展
人工智能已经存在了很长一段时间——希腊神话中就有模仿人类行为的机械人的故事。早期的欧洲研发的计算机被认为是“逻辑机器”，通过复制诸如基本算术和记忆等功能，工程师们从根本上认为他们的工作是试图创造机械的大脑。
作为技术，重要的是，人们对于人类的思想如何运作的理解已经取得了进展，我们对人工智能的构想的概念发生了变化。人工智能领域的工作不是日益复杂的计算，而是集中于模仿人类决策过程和以更具人性化的方式执行任务。
人工智能设备被设计成为具有智能行为的设备通常被分为两个基本群体之一——应用型或通用型。应用人工智能则是更为常见的，例如，智能地交易股票和股票的系统，或操纵自主车辆的系统将属于这一类。
广义的人工智能，这在理论上可以处理任何任务的系统或设备，是不太常见的，但这是目前让人看到的最令人兴奋的进步。这也是导致机器学习发展的领域，通常被称为人工智能的一个子集，将其视为当前最先进的技术确实更加准确。
机器学习的兴起
两个重大突破导致机器学习的出现，以其目前的速度推动人工智能的发展。
其中一个突破就是人工智能的先驱人物亚瑟•塞缪尔(ArthurSamuel)在1959年提出的一个概念的实现，与其教计算机所需要的各种知识和如何执行任务，不如教它们自己如何学习。
第二个突破是互联网的出现，以及大量数字信息的产生、存储和分析。
一旦这些创新部署到位，工程师们意识到，与其教计算机和机器如何做每件事，不如对它们进行编码成像人类一样思考，然后把它们接入互联网，让他们访问世界上所有的信息。
神经网络
神经网络的发展一直是教授计算机以人类的方式思考和理解世界的关键所在，同时保留了它们对人类的固有优势，如速度、准确性，以及没有偏见。
神经网络是一种计算机系统，它的工作原理是以人脑的相同方式对信息进行分类。可以教它识别图像，并根据它们包含的元素进行分类。
从本质上讲，它是基于概率系统，基于提供给它的数据，它能够以一定程度的确定性作出陈述，决定或预测。反馈循环的添加使得“学习”，通过感知或被告知其决策是对还是错，它改变了未来所采取的方法。
机器学习应用程序可以读取文本，并确定写的内容是抱怨还是表示祝贺。他们也可以听一段音乐，决定是否有可能使人感到高兴或者悲伤，并找到其他音乐片段来匹配其情绪。在某些情况下，他们甚至可以作曲表达相同的主题。
这些都是基于机器学习和神经网络的系统提供的所有可能性。多亏了科幻小说，这个想法也出现了，我们应该能够像我们另一个人一样自然地与电子设备和数字信息进行交流和互动。为此，人工智能-自然语言处理(NLP)的另一个领域已经成为近年来一个非常激动人心的创新的源泉，也是很大程度上依赖于机器学习。
自然语言处理应用程序尝试了解人类通信，无论是书面的还是口头的，并且使用类似的自然语言与人们进行交流。这里使用机器学习来帮助机器了解人类语言的巨大细微差别，并学习以特定受众可能理解的方式进行回应。
人工智能，特别是今天的机器学习肯定有很多东西可以提供。凭借其自动化任务并提供创造性的洞察力，从银行业到医疗保健和制造业的各个行业都获益良多。所以，重要的是要记住，人工智能和机器学习是什么，它们对外销售的产品，需要有利可图。
机器学习无疑被营销人员抓住了机会。人工智能已经存在了这么长时间后，即使在真正实现了潜力之前，它也有可能被视为某种旧事物。在“人工智能革命”的道路上，出现了一些错误的开端，机器学习这个术语无疑给了营销人员一些新的有价值的东西，更重要的是，要打好坚实的基础。
事实上，人们最终会发展出类似人工智能的实例，这往往被视为技术专家必然的事情。当然，如今人们的节奏比以往任何时候都更加紧密，正在以更快的速度朝着这一目标前进。近年来所取得的令人振奋的进展是由于人们如何设想人工智能工作的根本变化，这是由机器学习带来的。
