人(rén)類和(hé)機器學習(xí)都能産生知識，但兩者之間的(de)差别很大(dà)。

　　學習(xí)是獲得(de)新的(de)或加強已有的(de)知識、行爲、技能或價值觀的(de)行爲。“人(rén)類有學習(xí)的(de)能力，然而随著(zhe)人(rén)工智能的(de)進步，機器學習(xí)已經成爲一種資源，它可(kě)以增強甚至取代人(rén)類的(de)學習(xí)，”工程師兼心理(lǐ)學家Peter Rudin對(duì)Singularity2030網站說。

　　Rudin說，人(rén)類和(hé)機器學習(xí)都能産生知識，但一個(gè)産生于人(rén)類大(dà)腦(nǎo)，而另一個(gè)則産生于機器。

　　但這(zhè)真的(de)是這(zhè)兩者之間唯一的(de)區(qū)别嗎？而且，更重要的(de)是，我們該如何運用(yòng)哪些知識？該如何平衡這(zhè)些知識資源以獲得(de)最佳的(de)結果？

　　機器學習(xí)已經成爲人(rén)工智能研究領域一個(gè)快(kuài)速增長(cháng)的(de)分(fēn)支。所謂的(de)神經網絡軟件的(de)應用(yòng)，模仿人(rén)類大(dà)腦(nǎo)的(de)功能，使用(yòng)大(dà)量低成本的(de)硬件資源，爲解決那些目前隻能依賴于人(rén)腦(nǎo)的(de)問題提供了(le)可(kě)能性。龐大(dà)的(de)數據池(大(dà)數據)包括醫療或金融信息、圖片庫或關于客戶行爲的(de)信息，這(zhè)些信息都是用(yòng)不同類型的(de)高(gāo)度複雜(zá)的(de)算(suàn)法處理(lǐ)的(de)，這(zhè)些算(suàn)法可(kě)以在沒有傳統編程的(de)情況下(xià)産生數字知識。

　　人(rén)類的(de)大(dà)腦(nǎo)不像計算(suàn)機，計算(suàn)機也(yě)不像人(rén)類大(dà)腦(nǎo)。盡管計算(suàn)機可(kě)以執行“神經網絡”的(de)過程，可(kě)以受到大(dà)腦(nǎo)神經元的(de)啓發，但它們并不是自組織和(hé)自适應的(de)。此外，機器學習(xí)不能代替人(rén)類學習(xí)。

　　事實證明(míng)，在記憶知識、理(lǐ)解和(hé)領會信息方面，基于機器的(de)知識遠(yuǎn)遠(yuǎn)超過人(rén)類大(dà)腦(nǎo)的(de)能力。機器的(de)另外一個(gè)優勢是，這(zhè)種知識總是可(kě)以“在線”的(de)，所以不會有保留問題。因此，人(rén)類越來(lái)越傾向于依賴于機器的(de)知識。

　　一旦我們将知識、抽象和(hé)問題分(fēn)析等更具挑戰性的(de)能力運用(yòng)到人(rén)類和(hé)機器學習(xí)知識的(de)結合中，這(zhè)就代表了(le)不同商業領域的(de)最新情況。

　　在大(dà)數據分(fēn)析中，一個(gè)有趣的(de)機器學習(xí)應用(yòng)是由一家名爲Behaviour Exchange的(de)創業公司開發的(de)。他(tā)們使用(yòng)了(le)數十億的(de)在線互動，創造了(le)數百萬的(de)用(yòng)戶檔案，例如，電子營銷人(rén)員(yuán)可(kě)以實時(shí)調整網站内容，以滿足特定用(yòng)戶的(de)興趣。他(tā)們的(de)系統能夠理(lǐ)解網絡訪問者的(de)人(rén)口統計學特征和(hé)心理(lǐ)特征，以及他(tā)們的(de)短期和(hé)長(cháng)期情緒。毫無疑問，這(zhè)是一種先進的(de)機器學習(xí)、大(dà)數據和(hé)人(rén)類智能的(de)結合，也(yě)爲我們指明(míng)了(le)未來(lái)數字時(shí)代的(de)發展方向。