人工智能（AI）已经成为一个备受关注的话题，尤其是在Siri等技术取得成功之后，这一话题更是热度不减。通过与智能手机交流，用户不仅能够享受趣味性，还能获得诸如寻找最佳寿司店或导航至音乐厅等实用信息。当你与智能手机交谈时，它会逐渐适应你的语言习惯，并在处理请求时减少错误。这种智能手机理解并解释特定语言的能力，正是AI的一个实例。而支撑这一能力的一部分技术就是机器学习。现在，你可能已经不知不觉地广泛使用了机器学习和AI技术，但并没有深入思考它们的运作原理。例如，通过与设备对话并让它执行你期望的操作，你就体验到了机器学习的实际应用。同样，像亚马逊提供的推荐系统，也是基于你之前购买的商品或当前选择的商品，为你提供购物建议。随着时间的推移，AI和机器学习的应用将会越来越多。

在接下来的内容中，我们将深入探讨AI，并从不同角度了解其影响，比如从消费者、科学家或工程师的角度来看，AI是如何改变我们的生活的。你还会了解到，AI不仅仅是机器学习，尽管媒体经常将两者混淆。虽然机器学习与AI密切相关，但它们是两个不同的概念。

1.1 超越炒作

任何技术随着其变得越来越强大，相关的炒作也随之增加，AI也不例外。有些人可能会渲染对AI的恐惧，而非宣传其潜力。电影《终结者》中描绘的机器人杀手，并非现实生活中AI的主要形态。你首次接触AI的方式，更有可能是通过与健康助手的互动，或者与虚拟人物的协作。实际上，你已经在日常生活中与AI和机器学习进行了频繁的互动。阅读这部分内容的目的是让你认清炒作背后，AI究竟能做到什么。

你可能会发现有人将机器学习和AI等同看待。AI包括机器学习，但机器学习并不能完全定义AI。本章节将帮助你理解机器学习和AI之间的关系，以便更好地了解本书内容及其如何帮助你进入这一技术领域。

机器学习和AI都具有显著的工程特性。这意味着，可以通过实际验证的方法准确衡量这两种技术，而不只是依赖假设。此外，它们都具备强大的科学成分，通过科学实验来测试概念并创造出新的想法，以展示思想过程的强大表达力。在某些情况下，AI和机器学习需要艺术的创意，这为才华横溢的科学家提供了发挥的空间。在某些情况下，AI和机器学习看似缺乏逻辑，只有真正的艺术家才能使其达到预期效果。

1.2 AI与科幻

Android（一种外观和行为类似于人类的特殊机器人，例如《星际迷航》中的Data）和某些类型的人形机器人（具有人类特征但易于区分的机器人，例如《星球大战》中的C-3PO）已经成为AI的象征。它们通过拟人化的方式展示了计算机系统的可能性。实际上，这种技术正在不断发展，未来你可能难以区分人类和机器人。科幻作家，如菲利普·K·迪克（Philip K. Dick），早在多年前就预言了这一点，如今这一设想似乎越来越接近现实。“Android是否能梦见电子羊？”的故事探讨了这一概念，而这一概念也越来越贴近现实。这一想法在电影《银翼杀手》中得到了体现。以下是帮助你了解当前科技与科幻小说及电影中理念接近程度的一些内容。

当前的机器人技术虽然非常先进，但你仍能轻易辨别出自己是否在与一个Android对话。观看在线视频可以帮助你了解，与人类无法区分的机器人尚未出现。其中一个较为逼真的例子是Amelia，她的故事被《ComputerWorld》报道。关键在于，这些技术刚刚起步，也许将来人们可以创造出逼真的机器人和Android，但目前它们尚未实现。

1.2.1 AI与机器学习的历史

人类将最终的AI视为一种嵌入Android之中的产物，除了拟人化的原因外，还有另一个原因。自古希腊时期起，人类就开始讨论将意志置于机械体内的可能性。一个相关的神话是关于名为塔洛斯的机械人（详见Ancient Wisdom网站中的希腊自动装置）。事实上，古希腊人拥有许多复杂的机械设备，尽管只有一件留存至今，但他们可能不仅仅是在幻想。几个世纪以来，人们一直在讨论可以思考的机械人物（例如拉比尤达·勒维的石头人Golem）。

AI建立在一个假设之上：思想可以机械化。在公元后的1000年间，希腊、印度和中国的哲学家都在思考如何实现这一点。早在17世纪，戈特弗里德·莱布尼兹（Gottfried Leibniz）、托马斯·霍布斯（Thomas Hobbes）和勒内·笛卡尔（René Descartes）就讨论了将所有思想转化为简单数学符号的可能性。当然，这个问题的复杂性让他们困惑不已。尽管你在本书第三部分将读到目前取得的进展，但它依然让我们感到困惑。关键在于，AI的愿景已经存在了很长时间，但AI的实现只是最近才开始。

我们现在所说的AI实际上是源自艾伦·图灵（Alan Turing）在1950年发表的《计算机与智能》一文。在这篇文章中，图灵探讨了如何确定机器是否能够思考。当然，这篇文章引入了三个角色的模拟游戏：角色A是一台计算机，角色B是一个真实的人。这两位角色都必须说服角色C（一个看不到角色A和角色B的真人）相信自己是人类。如果角色C无法准确判断谁是人、谁是机器，那么计算机就被认为获胜。

AI领域一直存在过度乐观的问题。科学家试图解决的问题非常复杂。然而，20世纪五六十年代的乐观主义使得科学家们相信，智能机器将在短短20年内问世。尽管如此，机器确实正在做一些令人惊讶的事情，比如参与复杂的游戏。目前，AI在物流、数据挖掘和医疗诊断等领域取得了巨大成功。

1.2.2 机器学习对AI的贡献

机器学习依靠算法来分析大量数据集。目前，机器学习还不能实现电影中所描绘的那种AI，即使是最先进的算法也无法思考、感受或展现出任何形式的自我意识，或者运用自由意志。机器学习所做的，是以前所未有的速度执行预测分析。因此，机器学习可以帮助人们更高效地工作。所以，AI的现状是它主要作为一种分析工具，而人类仍然需要考虑这一分析的影响——做出必要的道德和伦理决策。第1.4节将进一步探讨机器学习对整个AI的贡献。这个事实的核心在于，机器学习只是AI的学习部分，且它尚不具备创造电影中所展示的那种AI的能力。

学习和智力让人困惑之处在于：人们认为，只要机器能够更好地完成任务（学习），它就具有了意识（智力）。这种观点尚未得到任何证据的支持。当人们认为计算机故意给他们制造麻烦时，就会出现这种情况。计算机没有情感，只能按照程序中的指令处理输入。只有当计算机能够正确模拟自然界中的奇妙事物时，它才能真正拥有AI。

遗传学：从一代传到下一代的缓慢学习。

教学：通过有序资源进行的快速学习。

探索：通过媒体与他人互动进行的自发学习。

1.2.3 机器学习的目标

目前，AI是基于机器学习的，而机器学习本质上与统计学有所不同。虽然机器学习基于统计学，但由于目标不同，它在某些假设上与统计学有所不同。表1-1列出了在比较机器学习和统计学时需要考虑的一些特征。

表1-1 比较机器学习和统计学

1.2.4 硬件限制了机器学习

巨大的数据集需要大量的内存。不幸的是，这还远远不够。当你拥有海量数据和内存时，还需要多个内核和高速处理器。如何更有效地利用现有硬件，是科学家正在努力解决的问题之一。在某些情况下，等待几天才能获得机器学习结果是不可接受的。即使结果不是完全准确，科学家们仍然希望迅速得到答案。记住这一点：投资更好的硬件意味着投资更好的科学。本书涵盖了一些问题，以提升你的机器学习体验。

获取有效结果：在阅读本书的过程中，你会发现首先需要获得初步有效的结果，然后进行优化。有时候，如果算法调整得过于精细，结果可能会变得不稳定（离开特定数据集可能就不再适用）。

提出正确的问题：在通过机器学习获得答案的过程中，很多人感到沮丧，因为他们只专注于调整算法，而没有尝试提出新的问题。为了更有效地利用硬件，有时你需要退一步，重新审视自己提出的问题。问题本身可能是错误的，这意味着即使最好的硬件也无法帮你解决问题。

过度依赖直觉：所有的机器学习都是从某个假设开始的。科学家利用直觉来设定起点，并寻找问题的答案。在机器学习的过程中，失败比成功更常见。直觉增加了机器学习过程中的艺术成分，但有时直觉是错误的，你必须重新思考自己的假设。

当你开始认识到环境对机器学习的重要性时，你也将理解为何需要合适的硬件和恰当的权衡来获得所需的结果。实际上，目前最先进的系统依赖于图形处理单元（GPU）来执行机器学习任务。GPU的使用大大加速了机器学习过程。关于GPU的具体讨论超出了本书的范围，但你可以在Nvidia Developer的博客中找到更多相关信息。

本文节选自《机器学习入门与实战》

本书是“达人迷”经典系列中关于机器学习的一本。本书内容分为6个部分，共计23章，由浅入深地讲解机器学习的基础知识。本书使用Python和R语言，并涵盖了必备的数学知识、处理数据的常用工具、机器学习的应用以及常见的学习包和模型等内容，旨在帮助读者理解和掌握机器学习的相关知识，并将其应用于实际工作中。