學習是獲得新的或加強已有的知識、行為、技能或價值觀的行為?！叭祟愑袑W習的能力，然而隨著人工智能的進步，機器學習已經(jīng)成為一種資源，它可以增強甚至取代人類的學習，”工程師兼心理學家Peter
Rudin對Singularity2030網(wǎng)站說。
Rudin說，人類和機器學習都能產(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果?
機器學習已經(jīng)成為人工智能研究領域一個快速增長的分支。所謂的神經(jīng)網(wǎng)絡軟件的應用，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、圖片庫或關于客戶行為的信息，這些信息都是用不同類型的高度復雜的算法處理的，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”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的。此外，機器學習不能代替人類學習。
事實證明，在記憶知識、理解和領會信息方面，基于機器的知識遠遠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習知識的結合中，這就代表了不同商業(yè)領域的最新情況。
在大數(shù)據(jù)分析中，一個有趣的機器學習應用是由一家名為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)絡訪問者的人口統(tǒng)計學特征和心理特征，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習、大數(shù)據(jù)和人類智能的結合，也為我們指明了未來數(shù)字時代的發(fā)展方向。
