機器學(xué)習(xí)和編程兩者之間有什么區(qū)別

　　有些人認為人工智能和aclass=機器學(xué)習(xí)的本質(zhì)不過是大肆運用if語句，或者說編程知識罷了，建議說這話的人最好能拿出詳細證據(jù)證明。本文將對比兩個概念，并解釋從事這兩個領(lǐng)域的專業(yè)人員的區(qū)別：他們的身份是什么？

　　有些人認為人工智能和《aclass=“》機器學(xué)習(xí)的本質(zhì)不過是大肆運用if語句，或者說編程知識罷了，建議說這話的人最好能拿出詳細證據(jù)證明。本文將對比兩個概念，并解釋從事這兩個領(lǐng)域的專業(yè)人員的區(qū)別：他們的身份是什么？軟件工程師、軟件開發(fā)人員、機器學(xué)習(xí)專家、數(shù)據(jù)科學(xué)家、程序員或碼農(nóng)……有些人甚至更夸張，稱他們?yōu)槿陶?、大師或搖滾明星！他們實際上都是一類人嗎？即便真的如此，機器學(xué)習(xí)和傳統(tǒng)編程之間又是否存在界限呢？

　　機器學(xué)習(xí)vs編程：首先，什么是機器學(xué)習(xí)？

　　人們常說人工智能和機器學(xué)習(xí)不過是if語句，或者簡單來說就是統(tǒng)計學(xué)知識。那除此之外呢？難道機器學(xué)習(xí)就只是數(shù)學(xué)和算法的結(jié)合嗎？這種簡單化的概括有時候聽起來似乎很有趣，但機器學(xué)習(xí)的涵義顯然要比這更復(fù)雜。

　　不過，讓我們先來看一個更加恰當?shù)慕忉尅?/p>

　　簡單來說，人工智能就像是一把傘，下面涵蓋圖像處理、認知科學(xué)、神經(jīng)網(wǎng)絡(luò)以及其他各個領(lǐng)域內(nèi)容。機器學(xué)習(xí)也是傘下的一個組成部分，它的核心思想是計算機不僅能執(zhí)行預(yù)先寫好的算法，同時還會自主學(xué)習(xí)如何解決問題。換句話說，可以用亞瑟·塞繆爾（ArthurSamuel，“機器學(xué)習(xí)”術(shù)語的提出者）曾給出的一個絕佳定義來解釋：

　　機器學(xué)習(xí)是賦予計算機無明確編程即可學(xué)習(xí)的研究領(lǐng)域。

　　所以說，機器學(xué)習(xí)能夠教機器完成算法難以解決的各種復(fù)雜任務(wù)。具體到哪些任務(wù)呢？它們很可能已經(jīng)以各種形式出現(xiàn)在了生活中。例如：手機上的面部識別或語音識別、汽車駕駛（谷歌自動駕駛汽車）、智能診療（Watson）、產(chǎn)品推薦、購書（亞馬遜）、觀影（Netfix）、音樂（Spotify）、個人助手（Siri，Cortana）……還有列舉不完的其他例子。

　　這樣應(yīng)該已經(jīng)解釋清楚了，接下來要談的是有關(guān)機器學(xué)習(xí)十分重要的一點。

　　所有有效的機器學(xué)習(xí)技術(shù)都可以追溯到權(quán)限不同的三種訪問級別。什么意思呢？首先，第一級別的機器學(xué)習(xí)技術(shù)只有谷歌和IBM這些主要行業(yè)巨頭才有權(quán)訪問。第二級別學(xué)生等具備一定知識的人可使用。第三級別則代表即便是老人也能夠輕松應(yīng)對。

　　目前機器學(xué)習(xí)的發(fā)展階段正出于第二級別和第三級別的交界處。因此，借助這一技術(shù)，世界變化的進程也在飛速加快。

　　關(guān)于機器學(xué)習(xí)的最后一個要點：大多數(shù)機器學(xué)習(xí)任務(wù)可以被劃分為有教師學(xué)習(xí)（監(jiān)督學(xué)習(xí)）和自主學(xué)習(xí)（無監(jiān)督學(xué)習(xí)）。不過，如果把機器學(xué)習(xí)的場景想象成程序員在旁邊打個巴掌給個棗兒，就有點跑偏了。

　　“教師”在這里表示數(shù)據(jù)處理過程中的人為干預(yù)。在機器進行監(jiān)督學(xué)習(xí)訓(xùn)練時，要先獲得數(shù)據(jù)再根據(jù)數(shù)據(jù)進行預(yù)測。而另一方面，在機器自學(xué)，即進行無監(jiān)督學(xué)習(xí)時，仍先需要數(shù)據(jù)，但這時要找到數(shù)據(jù)的屬性。

　　機器學(xué)習(xí)vs編程：機器學(xué)習(xí)和編程有何差別？

　　“在傳統(tǒng)編程中，程序的一切表現(xiàn)都取決于程序員的硬編碼。在機器學(xué)習(xí)中，機器有大量空間自己學(xué)習(xí)數(shù)據(jù)并給予反饋?！?/p>

　　因此，上文提到的各種專業(yè)人員不能相互調(diào)換身份：數(shù)據(jù)工程師取代不了傳統(tǒng)程序員的工作，反之亦然。盡管根據(jù)要求每位數(shù)據(jù)工程師都能夠使用至少一種編碼語言，但傳統(tǒng)的編程僅占工程師工作內(nèi)容的一小部分。而另一方面，軟件開發(fā)人員也絕不能使用機器學(xué)習(xí)的算法來發(fā)布網(wǎng)站。

　　人工智能等機器學(xué)習(xí)技術(shù)不是傳統(tǒng)編程的替代品，而是一個補充。例如，可以借助機器學(xué)習(xí)為一個網(wǎng)上貿(mào)易平臺建立預(yù)測算法，但同時平臺的用戶界面、數(shù)據(jù)可視化以及其他元素則需要使用Ruby或Java等主流編程語言來實現(xiàn)。

　　因此，關(guān)鍵在于：機器學(xué)習(xí)可在傳統(tǒng)編程無法解決問題時用來輔助，但僅機器學(xué)習(xí)自身無法完全勝任某項特定任務(wù)。

　　這對于實踐有何借鑒意義？本文將通過對比預(yù)測匯率的兩種不同方法來列舉一個基于機器學(xué)習(xí)的典型案例。

　　傳統(tǒng)編程法

　　解決任何問題的首要任務(wù)都是創(chuàng)建最佳算法并編寫代碼。然后，必須設(shè)置輸入參數(shù)，一般來說只要實現(xiàn)的算法沒問題，實際上就可以得到預(yù)期的結(jié)果。

　　軟件開發(fā)師如何解決問題

　?、匍_發(fā)一個算法；②編寫算法代碼；③執(zhí)行該算法輸入?yún)?shù)-執(zhí)行算法-得出結(jié)果。

　　但是，要進行預(yù)測任務(wù)需要使用一個包含不同輸入?yún)?shù)的算法。具體到預(yù)測匯率，必須參照諸如前一天匯率、影響貨幣的國內(nèi)外經(jīng)濟變化以及其他各種因素。

　　之后，就能大致得出一個參照一系列參數(shù)的解決方案，這個方案能根據(jù)輸入數(shù)據(jù)預(yù)測未來匯率。

　　但是，關(guān)于這個方案，還有至關(guān)重要的一點需要考慮進去，或者說要解釋清楚。究竟是什么呢？

　　答案其實很簡單，我們需要添加數(shù)以萬計的參數(shù)，而它們的有限集構(gòu)建了一個非?；A(chǔ)且不可擴展的模型。所以，處理如此龐大的數(shù)據(jù)數(shù)組對任何人而言都十分困難。

　　機器學(xué)習(xí)法解決這一任務(wù)的方式又有何不同呢？

　　為使用機器學(xué)習(xí)解決問題，數(shù)據(jù)工程師要采取另一套完全不同的流程。工程師們無需開發(fā)一個單獨的算法，只需收集一系列歷史數(shù)據(jù)以供半自動建模處理。

　　在處理了足夠多的數(shù)據(jù)之后，數(shù)據(jù)工程師將半自動模型運用到自定義好的機器學(xué)習(xí)算法。最終便得出一個能根據(jù)輸入新數(shù)據(jù)來預(yù)測結(jié)果的模型。

　　數(shù)據(jù)工程師如何借助機器學(xué)習(xí)開發(fā)解決方案？

　　機器學(xué)習(xí)的顯著特點是無需建立模型。這一復(fù)雜且重要的任務(wù)將由機器學(xué)習(xí)算法來執(zhí)行。機器學(xué)習(xí)專家在此基礎(chǔ)上簡單編輯即可。

　　機器學(xué)習(xí)和編程的另一顯著差異在于模型能夠處理的輸入?yún)?shù)數(shù)量。為保證預(yù)測準確性，必須添加數(shù)千個參數(shù)并且高精度執(zhí)行這些參數(shù)，因為每一比特的運算都會影響最終結(jié)果。人類自身尚且無法創(chuàng)建能妥善處理全部參數(shù)細節(jié)的算法。

　　然而機器學(xué)習(xí)的處理能力沒有限制。只要處理器和內(nèi)存足夠大，就能輸入盡可能多的所需參數(shù)。毫無疑問，正因如此，如今機器學(xué)習(xí)才如此強大且應(yīng)用如此廣泛。

　　機器學(xué)習(xí)專家、數(shù)據(jù)科學(xué)家、

　　程序員和軟件工程師……究竟誰是誰？

　　根據(jù)維基百科，數(shù)據(jù)科學(xué)是“通過科學(xué)方法、程序、算法和系統(tǒng)從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中獲取知識和見解的多學(xué)科領(lǐng)域”。

　　這一定義聽起來似乎沒什么大不了的。

　　關(guān)鍵是接下來的解釋：

　　“使用最強硬件、最佳程序系統(tǒng)和最高效的算法來解決問題”。

　　更有意思的是：

　　2012年，《哈佛商業(yè)評論》將數(shù)據(jù)科學(xué)家稱為“21世紀最性感的工作”。

　　其實，數(shù)據(jù)科學(xué)就像計算機科學(xué)一樣，是另一把覆蓋面廣泛的大傘，只不過數(shù)據(jù)科學(xué)旨在處理數(shù)據(jù)并從中提取有用信息。

　　那編程是什么呢？如今的數(shù)據(jù)科學(xué)家們?yōu)榱诉M行研究都會做一些額外的編程工作。他們不僅僅是程序員，通常情況下還都有應(yīng)用統(tǒng)計學(xué)或科研學(xué)習(xí)背景。有些科學(xué)家，特別那些需要把數(shù)據(jù)科學(xué)或機器學(xué)習(xí)應(yīng)用到公司產(chǎn)品的專家們還會負責(zé)軟件工程。最關(guān)鍵的是，數(shù)據(jù)科學(xué)家不一定必須要擅長編程，但一定要會使用Matlab、SPSS、SAS等統(tǒng)計學(xué)軟件。

　　機器學(xué)習(xí)工程師又是什么樣的角色？

　　機器學(xué)習(xí)工程師更偏技術(shù)化。換句話說，相比數(shù)據(jù)科學(xué)家，機器學(xué)習(xí)工程師跟傳統(tǒng)軟件工程師在工作中的相同之處更多。

　　機器學(xué)習(xí)工程師的工作內(nèi)容和數(shù)據(jù)科學(xué)家大體相似。機器學(xué)習(xí)工程師也需要處理數(shù)據(jù)，實踐各種機器學(xué)習(xí)算法，借助這些算法解決問題，創(chuàng)建原型和現(xiàn)成的解決方案。

　　關(guān)于對他們的能力要求，需要著重強調(diào)：

　　·使用一種或多種計算機語言（通常為Python語言）編程的扎實能力。

　　·相比數(shù)據(jù)分析，更加看重處理機器學(xué)習(xí)算法的能力。

　　·在現(xiàn)成程序庫使用如NumPy/SciPy等Python包以組成不同模式堆棧的能力。

　　·使用Hadoop等創(chuàng)建分布式程序的能力。

　　現(xiàn)在重新回到編程這一話題并仔細研究一下：程序員都有哪些工作任務(wù)？

　　程序員實際上就像是數(shù)據(jù)分析師或者是業(yè)務(wù)系統(tǒng)開發(fā)人員。他們不必親自構(gòu)建系統(tǒng)，只需針對現(xiàn)有系統(tǒng)編寫結(jié)構(gòu)松散的代碼。因此，可以把數(shù)據(jù)科學(xué)稱為新的編程浪潮，但是寫代碼只是其中的一小部分。別理解錯了哦！

　　繼續(xù)深究就會發(fā)現(xiàn)，還有一些其他術(shù)語，如軟件工程師和軟件開發(fā)人員，二者的概念也不一樣。例如：軟件工程師必須要完成整項工程，工作內(nèi)容涉及產(chǎn)品應(yīng)用程序，分布式系統(tǒng)，并發(fā)、構(gòu)建系統(tǒng)、微服務(wù)等各個方面。而軟件開發(fā)人員為準確起見則需要對軟件開發(fā)的各個周期都十分清楚，而不僅限于了解軟件的應(yīng)用（有時候這些工作不涉及任何編碼或代碼知識）。

　　所以，是編程還是機器學(xué)習(xí)，現(xiàn)在你體會到二者差異了嗎？希望本文有助于理解這兩個容易混淆的概念。毫無疑問，編程和機器學(xué)習(xí)有共同之處，即都屬于技術(shù)，但相比之下二者的區(qū)別大于共同點。因此，機器學(xué)習(xí)工程師、軟件工程師和軟件開發(fā)人員完全不能相互替代。