我知道这是一个奇怪的问题。

但和任何热门话题一样，有很多不同的术语，可能意味着略有不同的事情，并导致混淆。

下面是我试图澄清的问题。

人工智能（AI）的研究领域可以追溯到1956年，但这个术语从来没有提到一种特定类型的智能技术。

相反，它是一个"社会技术结构"-我们用来表示机器的能力，可以解决复杂的任务，直到最近只有人类可能。

因此，人工智能是一个总括性的术语，数据中国，包括许多不同的技术。目前对人工智能的大部分兴趣都涉及机器学习——算法可以从数据集中自行学习，云服务平台，而无需显式编程。

由于数据可用性的增加、信息存储成本的急剧下降，以及使用云计算和更强大的处理器获取大量计算能力的能力。

机器学习包括你可能在学校学到的各种统计算法的自动化形式。这些术语长期以来在组织内部使用，通常被称为数据科学、数据挖掘、预测分析或高级分析。

但是由于这些术语已经使用了很长时间，分析师和供应商通常会避免强调当今人工智能机会的不同之处。

最近取得进展的领域之一是深度学习。这是一种特殊类型的机器学习，在这种学习中，神经网络的几层模仿我们大脑的工作方式。它是最近在图像标记、语音转录、自动翻译等方面取得突破的关键技术。

认知计算是另一个术语，大数据的发展，数据大屏，通常用于模拟人类推理的最复杂的人工智能技术。但它的确切含义尚不清楚，返利app是真的吗，许多分析师和供应商都避免使用这个术语，因为这个术语与IBM有着密切的联系。

市场似乎已经习惯了以下经验法则：如果你谈论的是这些新技术对企业、消费者或个人的影响，你就使用人工智能这个术语。但是，如果你在谈论要实现的技术的细节，你就使用机器学习这个术语。

不管怎样，精确的定义都不应该妨碍从数据中获得更多价值的主要目标。您有业务需求，现在有新技术可以提供帮助。每当有人试图把你卷入一场术语战，并坚持认为他们对其中一个术语只有一个"真实"的定义时，试着把主题带回你正在研究的具体情况中。

[这篇文章首先出现在我的数字商业和商业分析博客上]