最近，一份有关企业滥用人工智能进行宣传的报告出炉。报告称，在欧洲，40%声称使用了AI的初创公司并没有使用该技术。
　　去年，还有研究机构偶然发现了一些公司侵犯用户权益的行为。它们声称使用了机器学习和高级人工智能，来收集和检查数千个用户的个人数据，以增强其产品服务用户的体验。
　　不幸的是，公众和媒体仍然对真正的“人工智能”，以及确切的“机器学习”定义感到困惑。通常，这些术语被当作同义词使用;在另一些情况下，这两样技术是意思不同的。别有用心的人则利用公众的知识盲区来炒作噱头，以牟取利益。

机器学习不等同于AI

　　什么是机器学习？引用卡内基·梅隆大学计算机学院临时院长、机器学习系教授汤姆·米歇尔的话：一个科学领域最好由其研究的中心问题来定义。而机器学习领域试图解答以下问题：“我们如何构建随经验而自动改进的计算机系统，以及所有学习过程的基本法则是什么？”
　　╱ 人工智能包括大量我们已经熟知的技术进步，机器学习只是其中之一。 ╱
　　机器学习是人工智能的一个分支。正如米歇尔教授所定义的：“机器学习是对计算机算法的研究。这些算法允许计算机程序通过运行经历，自动进行改进。”机器学习是我们期望实现人工智能的方法之一。机器学习依赖于通过检查和比较数据以找到常见的模式，并探索细微差别来处理不同规模的数据集。
　　常见的一类机器学习是监督学习。其算法会试图对目标预测输出和输入特征之间的关系，并在建立关系的基础上进行建模，以便基于这些数据的关系来预测新数据的输出值。而这些用来预测的公式，是它从原始数据集中获得的。
　　无监督学习是机器学习的另一种类型。在机器学习算法家族中，它主要用于模式检测和描述性建模。强化学习是机器学习的第三种主流类型，旨在利用从与其环境的交互中收集到的观察结果来采取行动，以使收益最大化或风险最小化。强化学习的一个典型例子是，让计算机的智商超过人类，并在电脑游戏中击败真正的人。
　　机器学习的繁多类型，可能会令人眼花缭乱。特别是其高级子分支，比如深度学习和各种类型的神经网络。尽管有些人倾向于将深度学习、神经网络与人脑的工作方式进行比较，但两者之间存在本质区别。
　　而人工智能涵盖的范围很广。根据卡内基·梅隆大学计算机科学学院前院长安德鲁·摩尔的说法，“人工智能是使计算机应用人类的智慧来运行的科学和工程学”。
　　用这样一句话定义人工智能非常贴切。但是，它表明该领域有多宽泛与模糊。50年前，下国际象棋的程序曾被认为是人工智能的一种形式。因为博弈论和游戏策略是只有人脑才能发挥的功能。如今，国際象棋已经几乎成为每台计算机操作系统自带的小游戏。

　　人工智能包括大量我们已经熟知的技术进步，机器学习只是其中之一。过往的人工智能工作成果，使用了不同的技术。例如，1997年击败人类国际象棋冠军的人工智能“深蓝”，使用了一种名为“树形搜索算法”的方法，来评估每一回合可能发生的数百万步棋。

　　众所周知，人工智能随着Google Home、苹果Siri和亚马逊Alexa的出现，成为人机交互工具的象征，而机器学习支持的视频预测推荐系统，则为网飞、亚马逊和YouTube提供动力。这些技术进步，正逐渐成为我们日常生活中必不可少的一部分。
　　与机器学习相反，人工智能的目标不断发生改进，其定义随着相关技术的进步而不断发展。可能在几十年后，今天的创新性人工智能进步，会被认为与翻盖手机一样乏味。

与“人工智能”保持距离

　　人工智能行业经历了许多波折。在最初的几十年中，整个行业被大肆宣传。许多科学家认为，人类级人工智能的出现指日可待。但是未兑现的断言，使整个行业以及公众对人工智能失望，并导致了行业寒冬。外界对该领域的资金支持和兴趣，大大减少了。
　　在当时，人工智能已成为炒作的代名词。一些公司希望将自己与“人工智能”一词保持距离，并使用不同的名称来指代其工作。IBM就将深蓝描述为一台超级计算机，并在其确实使用了人工智能的情况下，仍然表示否认。
　　在此期间，各种其他术语，例如大数据、预测分析和机器学习，开始受到关注和普及。2012年，机器学习、深度学习和神经网络取得了长足的进步，并在越来越多的领域中得到应用。许多科技公司也就跟着开始使用“机器学习”和“深度学习”这两个术语，来宣传其产品。
　　深度学习主要应用于语音和面部识别、图像分类以及自然语言处理等领域。原本，这些领域处于早期阶段，却在深度学习出现后突然有了跨越式发展。在2019年3月，三位从事深度学习研究的科学家获得了图灵奖。这些成就使深度神经网络成为当今计算功能的关键组成部分。
　　因此，伴随着其他技术的迅猛发展，人工智能也迎来新的春天。如今，即使在非营利组织，机器学习和深度学习工程师也能赚到高薪。这充分说明了该领域有多热门。
　　可悲的是，一些外界宣传对这股科技热潮进行了过度炒作和失实报道，甚至经常在有关人工智能的文章中配上带有水晶球的图片，或其他超自然现象的图片。这种愚昧行为，只会有助于滥用人工智能进行宣传的公司炒高其产品热度。
　　然而，在技术发展前进的道路上，由于无法满足公众期望，这些公司不得不雇人力来弥补所谓的人工智能。最后，它们可能再次导致公众对该领域的不信任，并因为短期利益而使得又一次人工智能寒冬到来。