人類和機器學(xué)習(xí)都能產(chǎn)生知識，但兩者之間的差別很大。

學(xué)習(xí)是獲得新的或加強已有的知識、行為、技能或價值觀的行為。“人類有學(xué)習(xí)的能力，然而隨著人工智能的進步，機器學(xué)習(xí)已經(jīng)成為一種資源，它可以增強甚至取代人類的學(xué)習(xí)，”工程師兼心理學(xué)家Peter Rudin對Singularity2030網(wǎng)站說。

Rudin說，人類和機器學(xué)習(xí)都能產(chǎn)生知識，但一個產(chǎn)生于人類大腦，而另一個則產(chǎn)生于機器。

但這真的是這兩者之間唯一的區(qū)別嗎？而且，更重要的是，我們該如何運用哪些知識？該如何平衡這些知識資源以獲得最佳的結(jié)果？

機器學(xué)習(xí)已經(jīng)成為人工智能研究領(lǐng)域一個快速增長的分支。所謂的神經(jīng)網(wǎng)絡(luò)軟件的應(yīng)用，模仿人類大腦的功能，使用大量低成本的硬件資源，為解決那些目前只能依賴于人腦的問題提供了可能性。龐大的數(shù)據(jù)池（大數(shù)據(jù)）包括醫(yī)療或金融信息、圖片庫或關(guān)于客戶行為的信息，這些信息都是用不同類型的高度復(fù)雜的算法處理的，這些算法可以在沒有傳統(tǒng)編程的情況下產(chǎn)生數(shù)字知識。

人類的大腦不像計算機，計算機也不像人類大腦。盡管計算機可以執(zhí)行“神經(jīng)網(wǎng)絡(luò)”的過程，可以受到大腦神經(jīng)元的啟發(fā)，但它們并不是自組織和自適應(yīng)的。此外，機器學(xué)習(xí)不能代替人類學(xué)習(xí)。

事實證明，在記憶知識、理解和領(lǐng)會信息方面，基于機器的知識遠(yuǎn)遠(yuǎn)超過人類大腦的能力。機器的另外一個優(yōu)勢是，這種知識總是可以“在線”的，所以不會有保留問題。因此，人類越來越傾向于依賴于機器的知識。

一旦我們將知識、抽象和問題分析等更具挑戰(zhàn)性的能力運用到人類和機器學(xué)習(xí)知識的結(jié)合中，這就代表了不同商業(yè)領(lǐng)域的最新情況。

在大數(shù)據(jù)分析中，一個有趣的機器學(xué)習(xí)應(yīng)用是由一家名為Behaviour Exchange的創(chuàng)業(yè)公司開發(fā)的。他們使用了數(shù)十億的在線互動，創(chuàng)造了數(shù)百萬的用戶檔案，例如，電子營銷人員可以實時調(diào)整網(wǎng)站內(nèi)容，以滿足特定用戶的興趣。他們的系統(tǒng)能夠理解網(wǎng)絡(luò)訪問者的人口統(tǒng)計學(xué)特征和心理特征，以及他們的短期和長期情緒。毫無疑問，這是一種先進的機器學(xué)習(xí)、大數(shù)據(jù)和人類智能的結(jié)合，也為我們指明了未來數(shù)字時代的發(fā)展方向。

（選自：Hacker Noon 編譯：網(wǎng)易智能 參與：李擎）