當(dāng)我進(jìn)行以數(shù)據(jù)科學(xué)家進(jìn)行自我介紹時(shí)，經(jīng)常會(huì)被問道：“數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)有什么區(qū)別？”或者“這是不是意味著你在研究人工智能？”所以我將通過本文進(jìn)行回答。

這些領(lǐng)域確實(shí)有很多重疊的地方，但它們并不是一個(gè)領(lǐng)域：即使很難用語言表達(dá)，這些領(lǐng)域的大多數(shù)專家也都能直觀的理解特定的工作是如何被分類為數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)或人工智能的。

所以在這篇文章中，我提出了關(guān)于這三個(gè)領(lǐng)域差異的簡化定義:

·數(shù)據(jù)科學(xué)產(chǎn)生洞察力。

·機(jī)器學(xué)習(xí)做出預(yù)測(cè)。

·人工智能生成行為。

顯然，這不是一個(gè)充分條件：不是所有符合該定義的東西都是該領(lǐng)域的一部分。（算命先生做出預(yù)言，但我們不會(huì)說他們?cè)谧鰴C(jī)器學(xué)習(xí)?。┻@也不是一個(gè)確定某人角色或者職位頭銜的好方法（我是數(shù)據(jù)科學(xué)家嗎？）。

但是我認(rèn)為這個(gè)定義對(duì)區(qū)分這三種工作是非常有效方法，并且可以避免你談?wù)撍臅r(shí)候聽起來很傻。

數(shù)據(jù)科學(xué)與其他兩個(gè)領(lǐng)域非常不同，因?yàn)樗哪繕?biāo)同時(shí)也是人類的一個(gè)目標(biāo)：獲得洞察力和理解能力。Jeff Leek對(duì)數(shù)據(jù)科學(xué)能夠達(dá)到的洞察類型有一個(gè)很好的定義，包括描述性（“平均客戶端更新的幾率為70%”）探索性（不同的銷售人員有不同的更新率）和因果關(guān)系。

同樣，并不是所有產(chǎn)生洞察力的都有資格成為數(shù)據(jù)科學(xué)，數(shù)據(jù)科學(xué)的經(jīng)典定義是它涉及了統(tǒng)計(jì)學(xué)，軟件工程和領(lǐng)域?qū)I(yè)知識(shí)的組合。但是我們可以利用這個(gè)定義來區(qū)分它和ML、AI。它們最主要的區(qū)別在于，在數(shù)據(jù)科學(xué)循環(huán)過程中總需要人參與：由人理解洞察結(jié)果，了解大體輪廓，或者從結(jié)論中獲益。所以像“下棋算法使用數(shù)據(jù)科學(xué)來選擇下一步”或者“谷歌地圖使用數(shù)據(jù)科學(xué)來推薦駕駛方向”這些說法都是毫無意義的。

因此，數(shù)據(jù)科學(xué)的定義強(qiáng)調(diào)：

·統(tǒng)計(jì)推斷

·數(shù)據(jù)可視化

·實(shí)驗(yàn)設(shè)計(jì)

·領(lǐng)域知識(shí)

·通訊

數(shù)據(jù)科學(xué)家可以使用一些非常簡單的工具:他們可以獲得百分比，并根據(jù)SQL查詢結(jié)果繪制線形圖。也可以使用非常復(fù)雜的方法:他們能夠與分散的數(shù)據(jù)倉庫合作，分析數(shù)以萬億計(jì)的記錄，從而開發(fā)最前沿的統(tǒng)計(jì)技術(shù)，建立交互式可視化。但是不管他們使用什么，目的都是為了更好地理解他們的數(shù)據(jù)。

我認(rèn)為機(jī)器學(xué)習(xí)屬于預(yù)測(cè)領(lǐng)域：“給出具有特定特征的實(shí)例X，推測(cè)Y”。這些預(yù)測(cè)可能是關(guān)于未來的（預(yù)測(cè)這個(gè)病人是否會(huì)進(jìn)入敗血癥），也可能是關(guān)于預(yù)測(cè)對(duì)計(jì)算機(jī)來說不那么明顯的特性（預(yù)測(cè)這個(gè)圖像是否會(huì)有鳥）。幾乎所有的Kaggle競賽都可以被認(rèn)為是機(jī)器學(xué)習(xí)相關(guān)的問題：他們提供一些訓(xùn)練數(shù)據(jù)，然后看看競賽者能否對(duì)新的例子做出準(zhǔn)確的預(yù)測(cè)。

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)有很多的重疊之處。例如，都可以用邏輯回歸來獲取對(duì)有關(guān)關(guān)系的見解（越富裕的人越有可能購買我們的產(chǎn)品，所以我們應(yīng)該改變我們的營銷策略）并且可以做出預(yù)測(cè)（該用戶有53%的幾率購買我們的產(chǎn)品，所以我們應(yīng)該多向他們推銷）。

像隨機(jī)森林（random forests）這樣的模型，其可解釋性稍差，所以更適合“機(jī)器學(xué)習(xí)”的描述，而深度學(xué)習(xí)等方法則是難以解釋的。如果你的目標(biāo)是獲取真知灼見，而不是做出預(yù)測(cè)，那么這可能會(huì)妨礙你。因此，我們可以想象一個(gè)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的“光譜”，有更多的可解釋模型傾向于數(shù)據(jù)科學(xué)方面，而更多的是機(jī)器學(xué)習(xí)方面的“黑匣子”模型。

大多數(shù)的從業(yè)者能夠非常自在的在兩個(gè)領(lǐng)域之間來回切換。我在工作中就同時(shí)使用了機(jī)器學(xué)習(xí)和數(shù)據(jù)學(xué)習(xí)：我可以在Stack Overflow流量數(shù)據(jù)上安裝一個(gè)模型，以確定哪些用戶可能正在尋找工作(機(jī)器學(xué)習(xí))，然后構(gòu)建總結(jié)和可視化來檢驗(yàn)?zāi)Ｐ偷墓ぷ髟?數(shù)據(jù)科學(xué))。這是發(fā)現(xiàn)模型缺陷的一個(gè)重要方法，也是解決算法偏差的重要方法。這是數(shù)據(jù)科學(xué)家常常負(fù)責(zé)開發(fā)產(chǎn)品的機(jī)器學(xué)習(xí)組件的原因之一。

人工智能是迄今為止這三種標(biāo)識(shí)中最古老也是最廣為人知的，因此定義它最具有挑戰(zhàn)性。這個(gè)術(shù)語已經(jīng)被炒作泛濫，這要?dú)w功于研究人員，記者以及尋求金錢或者關(guān)注的創(chuàng)業(yè)公司。

·當(dāng)你籌備資金時(shí)，這是人工智能

·當(dāng)你招聘時(shí)，就是ML

·當(dāng)你正在執(zhí)行時(shí)，這就是線性回歸

·當(dāng)你調(diào)試時(shí)，就是printf()

讓我沮喪的是這引起了強(qiáng)烈的反彈，因?yàn)檫@意味著一些應(yīng)該被稱為人工智能的工作卻沒有得到相應(yīng)的描述。一些研究人員甚至還抱怨人工智能的影響：“人工智能是我們目前還做不到的”。那么我們可以用AI來描述什么工作呢？

“人工智能”定義中的一個(gè)共同點(diǎn)是自主代理人執(zhí)行或推薦操作，一些我認(rèn)為應(yīng)該描述為AI的系統(tǒng)包括：

·游戲規(guī)則（深藍(lán)，AlphaGo）

·機(jī)器人與控制理論（運(yùn)動(dòng)規(guī)劃，行走兩足機(jī)器人）

·優(yōu)化（谷歌地圖選擇路線）

·自然語言處理（bots2）

·強(qiáng)化學(xué)習(xí)

同樣，我們可以看到它與其他領(lǐng)域有很多重疊之處。而深度學(xué)習(xí)橫跨了ML和AI兩個(gè)領(lǐng)域，這非常有趣。典型的用例是對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，然后生成預(yù)測(cè)，但在AlphaGo這樣的博弈算法中卻取得了巨大的成功。（這與早期的游戲系統(tǒng)不同，比如深藍(lán)，它更專注于探索和優(yōu)化未來的解決方案空間）。

但也有區(qū)別。如果我分析一些銷售數(shù)據(jù)并發(fā)現(xiàn)某個(gè)特定行業(yè)的客戶比其他行業(yè)的客戶更新的更多，那么輸出的是一些數(shù)字和圖形，而不是指定操作。

請(qǐng)不要將那些訓(xùn)練算法的人描述為“利用了人工智能的力量”。

- Dave Gershgorn (@davegershgorn) 2017年9月18日。

人工智能和機(jī)器學(xué)習(xí)之間的區(qū)別更加微妙，歷史上的ML經(jīng)常被認(rèn)為是人工智能的一個(gè)分支（特別是計(jì)算機(jī)視覺，其實(shí)它是一個(gè)典型的人工智能問題）。但我認(rèn)為，ML領(lǐng)域很大程度上是由人工智能“中斷”的，部分原因是上面描述的反彈：大多數(shù)從事預(yù)測(cè)問題的人不喜歡把自己描述為人工智能研究員。（它能通過統(tǒng)計(jì)數(shù)據(jù)幫助許多ML實(shí)現(xiàn)重大突破，而這些數(shù)據(jù)在人工智能的其他領(lǐng)域卻沒有那么大的影響力）。這意味著如果你可以用“Y預(yù)測(cè)X”來描述一個(gè)問題，那么我建議你避免使用AI這個(gè)詞。

假設(shè)我們正在制造一輛自動(dòng)駕駛汽車，并且正在研究如何在停車標(biāo)記處自動(dòng)停車的具體問題。那么我們將需要使用這三個(gè)領(lǐng)域的技能。

機(jī)器學(xué)習(xí)：汽車必須能夠通過攝像頭識(shí)別停車標(biāo)志。我們構(gòu)建了數(shù)據(jù)集，其中包含數(shù)以百萬計(jì)的街邊對(duì)象的照片，并訓(xùn)練一種算法來預(yù)測(cè)哪些有停止標(biāo)志。

人工智能：一旦我們的汽車能夠識(shí)別停車標(biāo)志了，就需要決定什么時(shí)候執(zhí)行剎車動(dòng)作。太早太晚都非常危險(xiǎn)，而且我們需要它能應(yīng)對(duì)不同的路況（例如，它要能意識(shí)到在濕滑路面上剎車不會(huì)快速減速），這是一個(gè)控制理論的問題。

數(shù)據(jù)科學(xué)：在街頭測(cè)試中，我們發(fā)現(xiàn)車輛性能不夠好，因?yàn)榭倳?huì)略過一些停車標(biāo)志。通過對(duì)街頭測(cè)試數(shù)據(jù)的分析，我們得出了結(jié)論：在日出之前和日落之后，更容易錯(cuò)過停車標(biāo)志。這讓我們意識(shí)到，我們大部分的訓(xùn)練數(shù)據(jù)只包含白天的影像，所以我們構(gòu)造了一個(gè)包括了夜間圖像的更好的數(shù)據(jù)集，然后重新回到機(jī)器學(xué)習(xí)步驟進(jìn)行研究測(cè)試。

我們常說的“機(jī)器人”指的是解釋自然語言，然后以實(shí)物回應(yīng)的系統(tǒng)。這可以從文本挖掘中區(qū)分出來，其目標(biāo)是提取見解（數(shù)據(jù)科學(xué)）或文本分類，其目標(biāo)是對(duì)文檔進(jìn)行分類（機(jī)器學(xué)習(xí)）。