目前關于這些問題的公開討論中，經常使用“AI”這個術語作為一個智能的通用詞，這使得人們很難推斷出新興技術的范圍和后果。因此，我們有必要深入了解AI在最近和曾經被用來指代什么。
如今大多數被稱為AI的東西，尤其是在公共領域，實際上是機器學習(ML)，這個術語在過去幾十年里一直在使用。ML是一個算法領域，融合了統計學、計算機科學和許多其他學科的思想(見下文)，設計處理數據、做出預測和幫助做出決策的算法。
就對現實世界的影響而言，ML是真實存在的，而不僅是最近才火起來的。事實上，在20世紀90年代初期，ML就已展現出將為產業界帶來巨大改變的苗頭。到了世紀之交，亞馬遜等具有前瞻性的公司就已經在他們的業務中使用機器學習、解決關鍵任務、后端欺詐檢測和
供應鏈預測中存在的問題，以及建立面向消費者的創新服務，如推薦系統。
在隨后的20年里，隨著數據集和計算資源的迅速增長，很明顯，ML很快將不僅為亞馬遜提供動力，而且將為任何一家可以將決策與大規模數據關聯在一起的公司提供動力。新的商業模式將會出現。
“數據科學”一詞用來指代這種現象，反映了ML算法專家與數據庫和分布式系統專家合作構建可擴展、強大的ML系統的需要，也反映了這樣的系統將產生更大范圍的社會影響。過去幾年，這種思想和技術趨勢的融合被重新命名為“
人工智能”。這種品牌重塑的做法值得仔細審查。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
