人類和機器學(xué)習都(dōu)能(néng)産生知識，但兩(liǎng)者之間的差别很大。

　　學(xué)習是獲得新的或加強已有的知識、行為、技能(néng)或價值觀的行為。“人類有學(xué)習的能(néng)力，然而随著(zhe)人工智能(néng)的進(jìn)步，機器學(xué)習已經(jīng)成(chéng)為一種(zhǒng)資源，它可以增強甚至取代人類的學(xué)習，”工程師兼心理學(xué)家Peter Rudin對(duì)Singularity2030網站說(shuō)。

　　Rudin說(shuō)，人類和機器學(xué)習都(dōu)能(néng)産生知識，但一個産生于人類大腦，而另一個則産生于機器。

　　但這(zhè)真的是這(zhè)兩(liǎng)者之間唯一的區别嗎？而且，更重要的是，我們該如何運用哪些知識？該如何平衡這(zhè)些知識資源以獲得最佳的結果？

　　機器學(xué)習已經(jīng)成(chéng)為人工智能(néng)研究領域一個快速增長(cháng)的分支。所謂的神經(jīng)網絡軟件的應用，模仿人類大腦的功能(néng)，使用大量低成(chéng)本的硬件資源，為解決那些目前隻能(néng)依賴于人腦的問題提供了可能(néng)性。龐大的數據池(大數據)包括醫療或金融信息、圖片庫或關于客戶行為的信息，這(zhè)些信息都(dōu)是用不同類型的高度複雜的算法處理的，這(zhè)些算法可以在沒(méi)有傳統編程的情況下産生數字知識。

　　人類的大腦不像計算機，計算機也不像人類大腦。盡管計算機可以執行“神經(jīng)網絡”的過(guò)程，可以受到(dào)大腦神經(jīng)元的啟發(fā)，但它們并不是自組織和自适應的。此外，機器學(xué)習不能(néng)代替人類學(xué)習。

　　事(shì)實證明，在記憶知識、理解和領會(huì)信息方面(miàn)，基于機器的知識遠遠超過(guò)人類大腦的能(néng)力。機器的另外一個優勢是，這(zhè)種(zhǒng)知識總是可以“在線”的，所以不會(huì)有保留問題。因此，人類越來越傾向(xiàng)于依賴于機器的知識。

　　一旦我們將(jiāng)知識、抽象和問題分析等更具挑戰性的能(néng)力運用到(dào)人類和機器學(xué)習知識的結合中，這(zhè)就(jiù)代表了不同商業領域的最新情況。

　　在大數據分析中，一個有趣的機器學(xué)習應用是由一家名為Behaviour Exchange的創業公司開(kāi)發(fā)的。他們使用了數十億的在線互動，創造了數百萬的用戶檔案，例如，電子營銷人員可以實時(shí)調整網站内容，以滿足特定用戶的興趣。他們的系統能(néng)夠理解網絡訪問者的人口統計學(xué)特征和心理特征，以及他們的短期和長(cháng)期情緒。毫無疑問，這(zhè)是一種(zhǒng)先進(jìn)的機器學(xué)習、大數據和人類智能(néng)的結合，也為我們指明了未來數字時(shí)代的發(fā)展方向(xiàng)。