数据科学、机器学习、人工智能的区别究竟是什么？

本文由 「AI前线」原创，原文连接： 数据科学、机器学习、人工智能的区别究竟是什么？
做者｜ David Robinson
编译 | 严子怡
编辑｜Emily

AI 前线导读：”当我向别人介绍我是一个数据科学家的时候，我经常听到这样的疑问：“这和机器学习有什么区别？”或是“这是否是意味着你在作人工智能？”。我已经回答过太屡次这样的问题。我回答的次数已经达到我事不过三的原则。”

David Robinson 的推文：

当你把相同的代码写了三遍时，请写一个函数。当你面对面的给过了 3 次彻底相同的建议时，请写一篇博文。

这些领域之间的确有很大程度上的重合。而且，这其中的每个领域都存在大量的炒做，以致于选择使用哪个词这件事好像是一个跟营销有关的问题。可是，它们并非能够随意互换的。 即便很难用语言表达出来，大多数这些领域里的专家都能凭直觉地理解哪些工做属于数据科学，哪些工做属于机器学习或者人工智能。

所以，在这篇文章中，我提出了一个很是简单的关于这三个领域之间区别的定义：

• 数据科学产生洞见
• 机器学习产生预测
• 人工智能产生行动

要澄清的是，这不是一个充分条件：不是全部符合某个定义的东西就属于这个领域。（算命先生也产生预测，但咱们毫不会认为它们在作机器学习！）这些定义也不是很好的肯定一我的的角色和工做的方式（“我是一个数据科学家吗？”），这样的问题是与我的关注的方向和经历有关的。（这对于任何一个关于工做的描述都是对的：个人工做的一部分是写做但我不是一个专业的做家）。

可是，我认为这些定义在用于区分这三种类型的工做时是很是有用的。而且当你谈起这些知识时，这些定义可让你避免本身听起来很蠢。值得注意的是，我采起的是描述主义而不是规定主义的方法：我感兴趣的并非这些术语“应该是什么意思”，而是这个领域的人一般是如何使用它们的。

数据科学产生洞见

数据科学与其余两个领域的区别在于它的目标实际上是人的目标：得到洞见和理解。Jeff Leek 对数据科学能达到的哪些类型的洞见有一个很是好的定义 ，包括描述性（“普通客户有 70％的可能去续费”），探索性（“不一样的销售人员有不一样的续费率”）和因果关系（“随机化的实验代表分配给 Alice 的客户比分配给 Bob 的客户更有可能续费”）。

再次强调，并不是全部产生洞见的都被认为是数据科学（数据科学的经典定义是，它是统计学、软件工程和领域专业知识的组合）。可是咱们能够用这个定义把它与机器学习和 AI 区分开来。主要的区别在于，在数据科学的工做流程中，老是存在一我的：这我的正在理解这些洞见，观察图表，或者从结论中受益。因此，咱们不能说“咱们的象棋算法使用数据科学来选择下一步怎么走”或“Google 地图使用数据科学来推荐行车路线”。

所以，这个关于数据科学的定义强调：

• 统计推断
• 数据可视化
• 实验设计
• 领域知识
• 沟通

数据科学家可能会使用简单的工具：他们能够报告百分比，并根据 SQL 查询制做线图。他们还可使用很是复杂的方法：他们可能会使用分布式数据存储来分析数以万亿计的记录，开发尖端的统计技术，并构建交互式可视化。不管他们使用什么，他们的目标是更好地了解他们的数据。

机器学习产生预测

我认为机器学习是一个关于预测的领域：“给定某个具备特定特征的实例 X，预测 Y”。这些预测多是关于将来（“预测这个病人是否会患败血症”），可是它们也多是一些计算机不容易理解的特质（“预测这个图像是否有鸟 ”）。几乎全部的 Kaggle 比赛都是机器学习问题：他们提供一些训练数据，而后看看参赛选手是否可以对新的例子作出准确的预测。

数据科学和机器学习之间有不少重叠。例如，逻辑回归能够用来获取有关关系的洞见（“用户越有钱，他们购买咱们的产品的可能性越大，因此咱们应该改变咱们的营销策略”），并作出预测（“这个用户有 53％的可能性购买咱们的产品，因此咱们应该把这个产品推荐给他“）。

像随机森林这样的模型可解释性稍差。所以，它更像是属于机器学习和深度学习等难以解释的方法。若是你的目标是提取洞见而不是作出预测，这些方法可能会阻碍你的工做。所以，咱们能够想象一个包含数据科学和机器学习的“光谱”，在其之上，易于解释的模型偏向于数据科学这边，而“黑盒”的模型在机器学习那一边。

大多数从业者可以很是温馨地在两个任务之间来回切换。我在工做中同时使用了机器学习和数据科学：我可能会使用 Stack Overflow 的流量数据训练出来的模型来肯定哪些用户可能正在寻找工做（这是机器学习），可是也会构建归纳性描述和可视化来检查为何模型可以正确工做（这是数据科学）。这项工做是发现你的模型中的缺陷，并与算法误差做斗争的一个重要途径。这是为何数据科学家常常负责开发产品的机器学习组件。

人工智能产生行动

人工智能是迄今为止这三个领域中最古老也是最广为人知的，所以定义它是最具挑战性的。这个词语被大量的炒做所包围，这要缘于研究人员，记者以及寻求金钱或关注的创业公司。

Baron Schwartz 的推文：

当你在融资时，它是 AI；当你在招聘时，它是机器学习；当你在写代码时，它是线性回归；当你在调 bug 时，它是 printf()

这让我心里产生了很不幸的抗拒情绪。由于这意味着一些应该被称为 AI 的工做没有被看成 AI。一些研究人员甚至抱怨 AI 的效应：“AI 是咱们如今还没法作到的”【脚注 1】。那么咱们能够把什么工做称做 AI？

“人工智能”定义中的一个共同点是自主行动主体执行或推荐行动（例如 Poole，Mackworth 和 Goebel 1998，Russell and Norvig 2003）。一些我认为应该描述为 AI 的系统包括：

• 游戏算法（深蓝，AlphaGo）
• 机器人和控制理论（运动规划，行走双足机器人）
• 优化算法（Google 地图选择路线）
• 天然语言处理（机器人【脚注 2】）
• 强化学习

同时，咱们能够看到人工智能有不少与其余领域重叠的部分。深度学习在实现机器学习到 AI 的跨越这一方面特别引人注意。典型的用例是对数据进行训练，而后进行预测，但它却在 AlphaGo 等游戏算法中得到了巨大的成功。（这与以前的游戏系统造成了鲜明的对比，好比深蓝，它更专一于探索和优化后续的解空间）。

但他们之间也有区别。若是我分析一些销售数据，发现某一行业的客户比其余行业的客户续费的更多（提取洞见），个人输出是一些数字和图表，而不是一个特定的行动。（主管人员可能会用这些结论来改变咱们的销售策略，但这种行动不是自主的）这意味着我将会把个人工做形容为数据科学。若是我说：我正在“使用 AI 来改善咱们的销售状况”，那将是很是尴尬的。

Dave Gershgorn 的推文：

请不要看到一个只是训练过模型的人就说他掌握了 AI 的力量。

人工智能和机器学习之间的区别有点微妙，历史上机器学习常常被认为是 AI 的一个子领域（尤为是计算机视觉被视做一个经典的 AI 问题）。可是我认为机器学习领域在很大程度上已经从 AI 脱离开来了，部分缘由在于上面所说的抗拒情绪：大多数从事预测问题的人不喜欢把本身形容为 AI 研究人员。（有助于实现许多重要的机器学习领域突破的知识，大都来自统计学。而统计学在 AI 领域的其余部分的出现则不多）。这意味着，若是你能够把一个问题描述为“从 Y 预测 X”，我建议避免使用 AI 这个术语。

Amy Hoy 的推文：

按照如今的定义，y=mx+b 是一个能够告诉你一条直线该往哪儿延伸的 AI 机器人。

案例学习：三者如何一块儿使用？

假设咱们正在建造一辆自动驾驶汽车，而且咱们正在研究如何停在标志停车旁这样一个具体的问题。咱们须要分别在这三个领域中使用如下技能。

• 机器学习：汽车必须使用摄像头识别停车标志。咱们构建了包含数百万个街边物体照片的数据集，而且训练一个算法来预测其中哪个有停车标志。
• 人工智能：一旦咱们的车能识别停车标志，就须要决定什么时候采起刹车的动做。过早或过晚地刹车都是很危险的，咱们须要算法可以处理不一样的道路条件（例如，在一条光滑的道路上，它能认识到它如今不能足够快地减速），这是一个控制理论问题。
• 数据科学：在街头测试中，咱们发现汽车的性能不够好，出现了一些本应该正确地停在停车标志旁的假阴性结果。分析街上的测试数据后，咱们得到的洞见是假阴性所占的比率取决于测试在一天的什么时间进行：自动驾驶车极可能在日出前或日落后错过中止标志。咱们意识到，咱们的大部分训练数据仅包含日光充足环境下的对象。所以咱们构建了包含夜间图像的数据集并再次从机器学习那一步开始作起。

脚注：

• 不能否认如今不少人把人工智能一般与可以跨越多个不一样领域执行任务的通用人工智能相混淆，甚至与超越人类智能的超人工智能相混淆。这对任何如今称为“AI”的系统都提出了不切实际的指望。
• 这里所说的“机器人”是指一个可以解释天然语言，而后以某种方式回应的系统。它不一样于文本挖掘，其目标是从中获取洞见（数据科学），也不一样于文本分类，其目标是对文档进行分类（机器学习）。

查看英文原文：

varianceexplained.org/r/ds-ml-ai/

更多干货内容，可关注AI前线，ID：ai-front，后台回复「AI」、「TF」、「大数据」可得到《AI前线》系列PDF迷你书和技能图谱。