據美國連線雜志網站報道，得益于谷歌、亞馬遜和Facebook這些硅谷巨頭躬身力行的大力宣傳，人工智能（AI）和機器學習前所未有地為大眾所熟知。在一般人的概念里，這兩個時髦的詞似乎可以換用，指的都是能夠代替人類工作的先進生產力。

　　不過，雖然 AI 和機器學習有著千絲萬縷的聯系，但兩者并非同一回事。

　　AI 是計算機科學的一個分支，意如其名（Artificial Intelligence）——旨在通過人工的方式建造具有智能的機器。而斯坦福大學給“機器學習”下的定義為：使電腦在人工編程之外自主運作的能力。兩者相互聯系不可分割，你需要 AI 專家來打造智能機器，而若要實現真正意義上的智能，機器學習專家的參與不可或缺。

　　谷歌和英偉達都在探索機器學習的道路上兢業前行。他們的愿景是讓機器最終能夠像人類一樣自我學習和思考，這被認為是下一波科技革命的關鍵。

　　大眾對機器學習的成果并不陌生。在過去的幾十年里，機器學習相繼催生了“自動駕駛汽車”、“精準語音識別”和智能網絡搜索等造福眾生的成果。甚至還幫助人類破解基因密碼。不過，在這一系列不可思議的成果之下，機器學習是怎么運作的呢？

　　讓我們來拿網絡搜索來作例子。比方說你想在谷歌里搜索“Wired”，但是不小心錯打成了“Wored”。在非智能引擎的情況下，返回的結果當然會讓你認識到自己的錯誤，然后你就會再花費幾秒鐘重新以正確的拼寫來進行搜索。而谷歌的算法會記錄你這種“二次搜索”的情形，當以后再有人犯同樣的拼寫錯誤時，谷歌就會很貼心地問“您是否要找‘Wired’？”并給出正確搜索結果。于是，谷歌就這樣習得了自動糾正功能。

　　上面只是非常基礎的一個“機器學習”案例。現實中，科學家和研究人員使用更復雜的機器學習來實現從前難以企及的事情。從人類經驗中學習而來的程序能夠幫助科學家揭秘基因的運作之謎。機器學習用在商業上，則可以通過對消費行為的分析來提供更精準的廣告投放和購買建議，從而大幅度提高商業利潤。其他的應用還包括圖像識別、欺詐預防等等。