然而，虽然人工智能和机器学习高度相关，但却并不相同。

　　人工智能是计算机科学的一个分支，目的是开发一种拥有智能行为的机器，斯坦福大学对机器学习的定义是：“在没有明确编程指令的情况下让计算机采取行动的科学。”想要开发智能机器，就需要借助人工智能研究人员的帮助。但要让其具备真正的智能，就需要聘请机器学习专家。

　　谷歌和英伟达等大型科技公司目前都在努力开发这种机器学习技术。他们都在努力让电脑学会人类的行为模式，以便推动很多人眼中的下一场技术革命——让机器像人类一样“思考”。

　　过去10年，机器学习已经为我们带来了无人驾驶汽车、实用的语音识别、有效的网络搜索，还大幅加深了我们对人类基因组的理解。但它究竟是如何工作的呢?

　　举个简单的例子。如果你在使用谷歌搜索时拼错了单词，就会看到一条提示：“你的意思是……吗?”这就是谷歌机器学习算法生成的结果。这套系统可以在你输入特定关键词后几秒钟内判断你的搜索意图。

　　艺术家笔下的微神经计算机

　　例如，假如想搜索“WIRED”，但却不小心拼成了“Wored”，系统很可能就会发现你输错了单词，并在几秒种后返回可能的正确结果：“WIRED”。谷歌的算法会在你发出搜索请求之后的几秒钟后识别出你的搜索意图，并将这一信息牢记在心，以备用户之后犯下类似的错误时使用。如此这般，谷歌便“学会了”纠正你的错误。

　　虽然这是一个非常简单的例子，但数据科学家、开发者和研究人员正在使用更加复杂的机器学习技术探索之前无法企及的领域。能够吸取经验教训的程序可以帮助人们研究人类基因组的工作方式，对消费者行为习惯的理解也可以达到前所未有的高度，甚至据此开发购买推荐、图像识别和欺诈预警等实用的系统。

　　现在，你已经对机器学习的基本理念有所了解，那么它与人工智能的区别究竟在哪里呢?我们与英特尔机器学习主管尼迪·查普尔(Nidhi Chappel)展开了对话，以便澄清这个问题。

　　“人工智能的根本在于智能——如何为机器赋予智能。而机器学习则是部署支持人工智能的计算方法。我的想法是：人工智能是科学，机器学习是让机器变得更加智能的算法。”

　　“也就是说，机器学习成就了人工智能。”她补充道。

　　查普尔接着解释道，机器学习是人工智能增长最快的部分，因此我们最近才看到与之有关的许多讨论。尽管在如今的计算总量中仅占很小比例，但它的确是增速最快的领域，正因如此，所有企业都在努力开发这项技术。

　　“举个简单的例子，当你来到一个新地方，并在网上搜索‘最应该做的事情’时，你所看到的内容顺序都是由机器学习来排列的。它们的排列和评分方式都采用了机器学习技术。”查普尔说。他还补充道，在排列热门新闻时也会采用相同的方法。

　　“人工智能已经广泛渗透到我们的生活之中，只不过我们还没有意识到它已经应用到很多领域。”她补充道，“你或许每天都会使用这种技术好几十次，但却浑然不觉。”

　　但为了推动人工智能的进步，机器学习必须在性能上实现巨大的飞跃，这在传统高性能计算领域很难实现，因为在这些领域，问题已经明确，优化工作也已经开展了多年。

　　机器学习算法仍有改进空间，这也是很多大型科技公司争相将其作为核心战略的原因。这些公司都在不遗余力地提升机器的智能，希望能够推动科技进步，并实现下一阶段的创新，包括完全自动且100%安全的无人驾驶汽车。