在上一篇专栏文章中《AI应用 | 2019年企业应用AI四大维度趋势在这里》，我们分析了2019年AI的发展趋势，本篇继续聊聊AI的核心技术——机器学习。
为何越来越聪明？
要说人工智能产品,可能就想起无人驾驶、智能音箱等。的确，这两个是人工智能表现最多、也被大众所熟知的产品。
去年7月，百度第100辆阿波龙无人车正式下线，阿波龙的商业化落地也同步展开。从外观看，这辆车是典型的“无人驾驶”：没有方向盘、没有驾驶位、也没有油门和刹车踏板。它已经应用在一些园区当接驳车使用。像这类无人驾驶车越熟悉场景、执行任务的频率越多，它带来的体验就会越好。
同样，像智能音箱也是如此。它的应用越来越广，可以陪孩子说话、播放童话和歌曲。能与人类智能对话，播报新闻、天气预报、甚至帮你网上购物、与其他智能家居互动等。只要你所互动的频率越多，互动的质量越高，智能音箱就会越聪明，越“懂你”。
为什么这类智能产品都在交互中不断“成长”？这与人工智能的核心“机器学习”离不开。
通常业内把人工智能的核心三要素看作是“算法、数据和算力”，而机器学习是“算法”的核心，培养的是机器的认知、推理、思考、判断等能力，也就是让机器“如何懂你”。互动的频率越多、质量越高，这意味着不断给算法“喂养”各类数据，让机器学习在这些数据中不断寻找规则，也就会变得越来越聪明。
可以说，没有机器学习，就没有人工智能。
没有机器学习，就没有人工智能
从专业角度来说，机器学习就是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测，关键点是大量数据、不断优化。
换种说法表述，人工智能是最终追求的结果，而机器学习是不断探索的过程。只有找到一条正确的路径并不断努力，才有可能找到想要的答案。机器学习于人工智能的价值由此可见。
举个例子来说明二者之间的关系。当我们浏览网上商城时，经常会出现各种商品推荐的信息，想必每个网购的用户都会好奇，为什么商城能知道每个人在想什么？这些信息是怎么来的？
简单说，商城推荐靠推理引擎算出来的，也是人工智能的表现之一。而机器学习的过程可以参见下图。首先需要在该领域具备一定的数据量。完成数据准备工作后训练模型，并对模型参数不断调优至可以上线部署。训练好的模型部署上线后即成为一个个推理引擎，支持自然语言处理、图像识别、语音分析、海量结构化数据分析预测等。
在网上商城的应用场景中，每个商城都有自己不断优化的一套算法，大量数据则是用户日复一日留下的痕迹，包括购物记录、收藏清单、浏览停留时间等。
很显然，如果计算结果精准度较高，这样的决策模型有助于商城为客户提供建议并鼓励产品消费。这就是人工智能的价值，也是为什么全社会、各个行业都在拥抱AI的原因。
正应用到各个领域
通过上面的例子可知，机器学习是人工智能的核心，是让计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要是归纳、综合和增强学习。机器学习可分为传统的机器学习和深度学习两大类（每一类均有不同种算法），针对不同的应用场景，各有优势。
当前，机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、语音和手写识别、战略游戏和机器人等领域。未来其还将向融合语音、语义、视频图像等多模态计算发展。
当然，机器学习也好，人工智能也好，都不是孤立发展的，必须和其他前沿科技融合发展、相互促进，才能发挥更大的作用。
以百度的阿波龙为例，它依托于阿波罗（Apollo）开放自动驾驶平台，同时，也有百度云天工物联网平台的强力支撑。百度云的天工为阿波龙提供稳定可靠的数据通道和高效的数据存储服务，涉及数据采集、传输、计算、存储、展现到分析等，是后台的技术保障之一。
由此可见，我们通常说的AI其实是前沿科技的代表名词，也是企业智能转型的引擎。当前应用的范围越来越广，不仅仅局限在消费领域，而且在更多行业包括金融、医疗、制造、零售、视频、安防、智能家居、教育等都在大显身手。
毫无疑问，随着机器学习技术的不断精进，AI将变得更先进，并在各个行业的转型过程中发挥更大的价值，下一期我们将继续谈谈人工智能的技术能力。
