在上一篇專欄文章中《AI應用 | 2019年企業應用AI四大維度趨勢在這裡》，我們分析了2019年AI的發展趨勢，本篇繼續聊聊AI的核心技術——機器學習。
為何越來越聰明？
要說人工智能產品,可能就想起無人駕駛、智能音箱等。的確，這兩個是人工智能表現最多、也被大眾所熟知的產品。
去年7月，百度第100輛阿波龍無人車正式下線，阿波龍的商業化落地也同步展開。從外觀看，這輛車是典型的“無人駕駛”：沒有方向盤、沒有駕駛位、也沒有油門和剎車踏板。它已經應用在一些園區當接駁車使用。像這類無人駕駛車越熟悉場景、執行任務的頻率越多，它帶來的體驗就會越好。
同樣，像智能音箱也是如此。它的應用越來越廣，可以陪孩子說話、播放童話和歌曲。能與人類智能對話，播報新聞、天氣預報、甚至幫你網上購物、與其他智能家居互動等。只要你所互動的頻率越多，互動的質量越高，智能音箱就會越聰明，越“懂你”。
為什麼這類智能產品都在交互中不斷“成長”？這與人工智能的核心“機器學習”離不開。
通常業內把人工智能的核心三要素看作是“算法、數據和算力”，而機器學習是“算法”的核心，培養的是機器的認知、推理、思考、判斷等能力，也就是讓機器“如何懂你”。互動的頻率越多、質量越高，這意味著不斷給算法“餵養”各類數據，讓機器學習在這些數據中不斷尋找規則，也就會變得越來越聰明。
可以說，沒有機器學習，就沒有人工智能。
沒有機器學習，就沒有人工智能
從專業角度來說，機器學習就是使用算法來解析數據、從中學習，然後對真實世界中的事件做出決策和預測，關鍵點是大量數據、不斷優化。
換種說法表述，人工智能是最終追求的結果，而機器學習是不斷探索的過程。只有找到一條正確的路徑並不斷努力，才有可能找到想要的答案。機器學習於人工智能的價值由此可見。
舉個例子來說明二者之間的關係。當我們瀏覽網上商城時，經常會出現各種商品推薦的信息，想必每個網購的用戶都會好奇，為什麼商城能知道每個人在想什麼？這些信息是怎麼來的？
簡單說，商城推薦靠推理引擎算出來的，也是人工智能的表現之一。而機器學習的過程可以參見下圖。首先需要在該領域具備一定的數據量。完成數據準備工作後訓練模型，並對模型參數不斷調優至可以上線部署。訓練好的模型部署上線後即成為一個個推理引擎，支持自然語言處理、圖像識別、語音分析、海量結構化數據分析預測等。
在網上商城的應用場景中，每個商城都有自己不斷優化的一套算法，大量數據則是用戶日復一日留下的痕跡，包括購物記錄、收藏清單、瀏覽停留時間等。
很顯然，如果計算結果精準度較高，這樣的決策模型有助於商城為客戶提供建議並鼓勵產品消費。這就是人工智能的價值，也是為什麼全社會、各個行業都在擁抱AI的原因。
正應用到各個領域
通過上面的例子可知，機器學習是人工智能的核心，是讓計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要是歸納、綜合和增強學習。機器學習可分為傳統的機器學習和深度學習兩大類（每一類均有不同種算法），針對不同的應用場景，各有優勢。
當前，機器學習已廣泛應用於數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜索引擎、醫學診斷、語音和手寫識別、戰略遊戲和機器人等領域。未來其還將向融合語音、語義、視頻圖像等多模態計算發展。
當然，機器學習也好，人工智能也好，都不是孤立發展的，必須和其他前沿科技融合發展、相互促進，才能發揮更大的作用。
以百度的阿波龍為例，它依託於阿波羅（Apollo）開放自動駕駛平臺，同時，也有百度雲天工物聯網平臺的強力支撐。百度雲的天工為阿波龍提供穩定可靠的數據通道和高效的數據存儲服務，涉及數據採集、傳輸、計算、存儲、展現到分析等，是後臺的技術保障之一。
由此可見，我們通常說的AI其實是前沿科技的代表名詞，也是企業智能轉型的引擎。當前應用的範圍越來越廣，不僅僅侷限在消費領域，而且在更多行業包括金融、醫療、製造、零售、視頻、安防、智能家居、教育等都在大顯身手。
毫無疑問，隨著機器學習技術的不斷精進，AI將變得更先進，並在各個行業的轉型過程中發揮更大的價值，下一期我們將繼續談談人工智能的技術能力。
閱讀更多 百度雲計算 的文章
