1.chatgpt与药物前沿的研究，chatGPT爆火？
chatGPT在自然语言处理(NLP)领域取得了很大的成功，包括在机器翻译、语音识别、文本生成和对话系统等方面。但是，chatGPT目前并没有官方的中文版模型。
不过，目前已经有很多公司和机构在将chatGPT应用于中文语言处理方面，并且取得了很好的效果。一些已经推出的中文版chatGPT包括：
- 中文GPT-2：由Datawhale与AIStudio共同推出的一款基于GPT-2架构的中文预训练语言模型。
- XLNet中文版： 常用的NLP预训练模型之一，由科大讯飞推出的中文版XLNet在中文文本分类和审核任务上均取得了较好的结果。
- ERNIE：ERNIE 是智能创新事业群（AIG）旗下的首款中文预训练开放平台，也是国内首个开源的中文预训练模型。
因此，虽然chatGPT是一个非常出名的NLP模型，但这并不意味着一定会有官方的中文版。而历经多方的研究和实践，目前也已经有了许多在中文处理方面表现出色的模型供大家使用。
马云说行业数字化被大大提前？
（一）百奥利盟Bio-AP微服务平台----构建精准医疗和创新生物药研发数字化生态的战略规划
01/ 生命科学行业数字化-未来发展主题众所周知，数字化转型就是工业4.0的核心理念，端到端集成是工业4.0战略的一个重要核心内容。用生命科学行业懂的语言来说，端到端集成就是生物药临床前研发、IND、NDA、上市生产和销售的全生命周期实现数字化管理，这意味着对数字化系统及IT基础设施都提出了更高的要求。GAMP5 指南第2版，以纳入生命科学行业中新的和不断发展的主题，例如区块链、人工智能/机器学习 (AI/ML)、云计算和开源软件 (OSS)，充分说明包括云计算在内的新技术，正在被生命科学行业所接受。百奥利盟Bio-AP微服务平台：聚焦基因与生物技术，提供智慧实验室、智能制造解决方案，产品包括Bio-LIMS©智慧实验室信息管理系统、Bio-Research©研发实验室管理系统、Bio-CELL©细胞和基因治疗数据一体化信息平台系统、Bio-Vaccine©创新生物药生产数据一体化信息平台系统，覆盖了从科研到生产的全生命周期流程。百奥利盟Bio-AP微服务平台提供的解决方案完全符合生命科学行业的法规和规范：● 基础法规层面，符合21 CFR Part11（电子记录及电子签名法规）、 ALCOA+CCEA原则（数据可靠性原则）以及中华人民共和国电子签名法；● 实验室规范层面，符合GLP（良好实验室规范）、ISO17025（检验与校准实验室证）,ISO15189（医学实验室认证）,CAP/CLIA（美国病理家协会实验体系认证）等相关法规对计算机化系统的要求；● 生产GMP规范层面，符合 ISPE GAMP5，NMPA《计算机化系统》、NMPA 《药品记录与数据管理规范》、 NMPA 《生物制品》、 NMPA 《细胞治疗产品生产质量管理指南（试行）》以及FDA和欧盟的相关法规和规范。百奥利盟 BioTechLeague | 构建精准医疗和生物药研发数字化生态02/ 阿里云云盒 软硬一体-公共云本地化部署2022年，百奥利盟与阿里云云盒达成深度合作，融合双方优势共同发布“云上精准医疗与创新生物药数字化联合解决方案”，实现百奥利盟的Bio-LIMS©智慧实验室信息管理系统、Bio-Research©研发实验室管理系统等多款生物技术领域信息化系统的本地化部署，为大型研究型医院、生命科学与医学领域国家实验室和科研院所、第三方医学检测实验室、基因与生物技术科技公司等企业打造科研到生产的全生命周期的一站式服务。阿里云云盒作为软硬一体的公共云本地化部署服务，为用户提供了与公共云一致的产品能力和使用体验，满足客户数据本地部署、海量数据就近处理、业务低延时等需求。换句话说，通过云盒这样一组机柜让用户能够把阿里云的一朵云带回去，在客户需要算力的地方进行快速地部署。此次，阿里云与百奥利盟的强强联合，是基于阿里云医疗行业线在生命科学领域的丰富行业经验，结合了阿里云云盒的现场算力、云原生 PaaS 产品能力、多活容灾以及免运维等优势，实现了百奥利盟精准医疗和创新生物药数字化解决方案的本地化部署，具有安全合规、互联互通、多分支机构统一管理和灵活扩展四大优势。百奥利盟 & 阿里云 | 构建云上精准医疗与创新生物药数字化解决方案
(1) 深度融合、安全合规： 可在客户任意指定位置部署基于云原生架构的百奥利盟精准医疗和创新生物药数字化系统，实现生命科学行业 SaaS 应用的数据本地化，满足生命科学企业的数据安全合规要求。
(2) 线上线下，互联互通： 在纵向上实现线上数字化管理与线下“研发+生产+质控+运营业务管理+追溯”的一体化；横向上帮助企业实现与现有企业业务无缝对接，打造级云边协同的一体化数字平台。(3) 多分支机构、统一管理： 针对精准医疗实验室一中心多分支机构的模式，如创新生物药的“研发、生产、运营”多中心场景，可以实现系统的统一入口、统一规划和统一管控。同时，在降低TCO的情况下还可以减少运维人力成本的投入。(4) 灵活扩展，降本增效：联合方案支持订阅付费模式，轻量化的输出可以为初创型生命科学企业节省成本；同时利用阿里云云盒具有的良好可扩展性能力，可弹性扩展到上百节点、方便未来快速在其他区域的数字化建设覆盖和业务运营，满足大型生命科学企业的业务对资源的扩展需求。另一方面，百奥利盟已通过阿里云计算巢完成了其应用与云的集成，帮助客户一键构建云上精准医疗与创新生物药数字化解决方案，简化集群部署的复杂性，阿里云计算巢打造了 ROS（资源编排）以实现应用集群的自动部署。相比传统以天、甚至以周为单位的交付周期，交付效率有极大的提升。阿里云与百奥利盟的强强合作，百奥利盟将可以进一步发挥出极致性能，让软件更好地和云集成，极大提升软件服务在交付、部署及后续管理等环节的效率和用户体验，在帮助用户实现降本增效的道路上更进一步。与此同时，百奥利盟已经加入阿里云医疗行业线组建的数智CRO生态联盟，双方共同助力CRO公司服务资源与过程管理的数字化、在线化。未来，阿里云将与百奥利盟从更多层面开展持续的、长期的、深度的合作，以阿里云云盒为技术底座，深度融合百奥利盟的多款生物技术领域的信息化系统，助力大型研究型医院、生命科学与医学领域国家实验室和科研院所、第三方医学检测实验室等行业机构全方位提升信息化、智慧化水平，提供持续创新的未来医疗建设路径。（二）百奥利盟Bio-AP微服务平台----轻量级 / 完整性 / 灵活性 / 快速性百奥利盟Bio-AP微服务平台 | 轻量级&完整性&灵活性&快速性从2021年相关报告可以看出，目前企业普遍关注”信息安全相关建设、业务流程的重塑与梳理、应对业务变化的营销管理创新、基础架构的优化“方面，对于”数字中台、RPA、AI区块链技术、创新机制建立“等关注点都排在后边。”保证合规性、减少合规成本、实现数据与信息追溯，实现数据集成与互联、解决信息孤岛等“还是当前生命科学企业现状，更多企业还是处于由纸质化办公往数字化办公的转型过程中，来解决以上问题。从国际环境来看，很多企业已经引入云服务、机器学习、深度学习（如：R&D云服务软件应用）。机器学习在质量管理、实验室管理、研发生产管理等方面已广泛应用，如主动实验、生产质量智能化管理、主动的智能化排程、运营数据智能决策分析、数据预测性替代过去式、研发实验生产各类信息的归类和预测等，相信国内也会逐渐走向这个趋势。百奥利盟经过十多年的不断创新与探索，已经形成了专业适用于实验室数字化服务以及生物药全生命周期数字化服务----百奥利盟Bio-AP微服务平台，可以根据不同客户的实际需求与发展阶段，进行模块化构建与组装。针对传统架构设备端、云服务、决策端等各种层级系统，解决数据传输效率低、无法实时数据探查等痛点问题。工业４.０物联网扁平的数字化标准，实现了不同的系统都可以实时探查数据、减少成本，再加上创新生物药品种类多、流程各异、工艺升级快、技术平台多等实际问题，需要轻量级系统、功能与模块完整，支持灵活配置且快速上线与实施使用的信息化系统，为研究型中心医院、CRO+CDMO、分子检测、生物药研发生产等企业客户服务，助力创造更多实实在在的企业发展价值。特别是针对一些初创型公司，可以统一规划、分布实施、按模块上线。比如细胞和基因治疗领域，可以先上线CDE法规最关注的追溯系统部分，再上线生产、质控、研发数字化模块，因为是分布上线，每期周期并不会战线很长。（三）百奥利盟Bio-AP微服务平台 AIGC模型从信息化、数字化到人工智能 & 从Cloud到行业定制LLM大模型AIGC模型 | 从通用到深度定制行业AIGC模型 AIGC模型 | 从通用到深度定制行业AIGC模型针对生命科学行业发展的大趋势，当前生命科学行业已经到了“深入到基因和细胞的微环境，突破检测和新药研发的瓶颈”阶段，生命科学数字化转型已经提升到国家战略发展层面的高度以及全球监管的趋势。百奥利盟Bio-AP微服务组装平台的核心目标就是致力于为全球生物药与精准医疗行业提供全程数字化解决方案。除了本地部署的实施方式，百奥利盟也在探索如何在合规的前提下更广泛的使用云。与阿里云联合构建云上精准医疗与创新生物药信息化管理平台，量身为初创型分子诊断企业和生物科研团队、创新生物药研发与生产、细胞基因治疗和肿瘤个性化疫苗研发生产型企业客户解决方案。云服务提供了大存储，大算力和扩展性支持，使信息化系统到大数据，实现人工智能，甚至行业LLM大模型成为可能。关于当前热点的大模型，ChatGPT所能实现的人类意图，来自机器学习，神经网络，强化学习模型的多种技术积累，是从量变到质变的过程。信息化系统产生了实验、生产和质量大数据，可以使用机器学习进行预测分析，目前已经进展到行业深化LLM大模型阶段。目前生命科学企业可以通用LLM大模型提高工作效率，百奥利盟的数字化系统也在和LLM大模型API进行整合对接，实现智能沟通，培训交互，信息提示，资料检索等功能。从通用LLM大模型到行业定制化LLM模型，是强化学习的过程，是反复训练、建模、反馈的过程，百奥利盟希望和客户共同建立LLM行业大模型，解决生命科学行业细分领域的痛点问题。（四）百奥利盟Bio-AP微服务平台生命科学数字化转型---对客户的价值 & 社会效益 & 经济效益目前百奥利盟Bio-AP微服务平台已服务在全球市场（中国、美国、中东）日常管理工作，尤其在国内京津翼、珠江三角洲区域已经有大量推广和最佳落地实践与日常管理应用。例如：百奥利盟客户星医昂（专注于免疫细胞药物的研发和产业化，开发异体通用型现货免疫细胞产品），细胞药物从研发源头阶段开始，在IND、NDA、生产、运营的全生命周期数字化管理是未来发展的趋势，采用百奥利盟Bio-Research©电子实验记录系统，实现生物实验室信息化与数字化，使实验室更加标准化、一体化。解决了这些核心痛点问题，如：实验室数据规范化执行与无纸化管理、宝贵技术&经验传承、数据安全与知识保护、项目进度&成本监控与管理、关键价值数据信息快速提取&解析与追溯等。上药生物和十院“前院后工厂”模式先驱者，百奥利盟Bio-CELL©细胞和基因治疗数据一体化信息平台的核心价值是实现上药生物细胞生产业务全过程计算机化系统管理，对产品的全生命周期进行数据记录和分析，确保产品的安全、可控、可追溯，保证了产品质量，实现了产品的CoC(监管链)及CoI(身份链)。百奥利盟 BioTechLeague | 对客户的价值 & 社会效益 & 经济效益
百奥利盟发布“云上精准医疗与创新生物药数字化联合解决方案”,将可以进一步发挥出极致性能，让软件更好地和云集成，极大提升软件服务在交付、部署及后续管理等环节的效率和用户体验，在帮助用户实现降本增效的道路上更进一步。不断持续地开发迭代与探索创新，开创行业前沿技术的更多可能，旨在为广大客户提供智能、安全、合规、多元的全流程一站式解决方案，推动产业发展，共见未来商机。
数字化是什么意思？
（一）百奥利盟Bio-AP微服务平台----构建精准医疗和创新生物药研发数字化生态的战略规划
01/ 生命科学行业数字化-未来发展主题众所周知，数字化转型就是工业4.0的核心理念，端到端集成是工业4.0战略的一个重要核心内容。用生命科学行业懂的语言来说，端到端集成就是生物药临床前研发、IND、NDA、上市生产和销售的全生命周期实现数字化管理，这意味着对数字化系统及IT基础设施都提出了更高的要求。GAMP5 指南第2版，以纳入生命科学行业中新的和不断发展的主题，例如区块链、人工智能/机器学习 (AI/ML)、云计算和开源软件 (OSS)，充分说明包括云计算在内的新技术，正在被生命科学行业所接受。百奥利盟Bio-AP微服务平台：聚焦基因与生物技术，提供智慧实验室、智能制造解决方案，产品包括Bio-LIMS©智慧实验室信息管理系统、Bio-Research©研发实验室管理系统、Bio-CELL©细胞和基因治疗数据一体化信息平台系统、Bio-Vaccine©创新生物药生产数据一体化信息平台系统，覆盖了从科研到生产的全生命周期流程。百奥利盟Bio-AP微服务平台提供的解决方案完全符合生命科学行业的法规和规范：● 基础法规层面，符合21 CFR Part11（电子记录及电子签名法规）、 ALCOA+CCEA原则（数据可靠性原则）以及中华人民共和国电子签名法；● 实验室规范层面，符合GLP（良好实验室规范）、ISO17025（检验与校准实验室证）,ISO15189（医学实验室认证）,CAP/CLIA（美国病理家协会实验体系认证）等相关法规对计算机化系统的要求；● 生产GMP规范层面，符合 ISPE GAMP5，NMPA《计算机化系统》、NMPA 《药品记录与数据管理规范》、 NMPA 《生物制品》、 NMPA 《细胞治疗产品生产质量管理指南（试行）》以及FDA和欧盟的相关法规和规范。百奥利盟 BioTechLeague | 构建精准医疗和生物药研发数字化生态02/ 阿里云云盒 软硬一体-公共云本地化部署2022年，百奥利盟与阿里云云盒达成深度合作，融合双方优势共同发布“云上精准医疗与创新生物药数字化联合解决方案”，实现百奥利盟的Bio-LIMS©智慧实验室信息管理系统、Bio-Research©研发实验室管理系统等多款生物技术领域信息化系统的本地化部署，为大型研究型医院、生命科学与医学领域国家实验室和科研院所、第三方医学检测实验室、基因与生物技术科技公司等企业打造科研到生产的全生命周期的一站式服务。阿里云云盒作为软硬一体的公共云本地化部署服务，为用户提供了与公共云一致的产品能力和使用体验，满足客户数据本地部署、海量数据就近处理、业务低延时等需求。换句话说，通过云盒这样一组机柜让用户能够把阿里云的一朵云带回去，在客户需要算力的地方进行快速地部署。此次，阿里云与百奥利盟的强强联合，是基于阿里云医疗行业线在生命科学领域的丰富行业经验，结合了阿里云云盒的现场算力、云原生 PaaS 产品能力、多活容灾以及免运维等优势，实现了百奥利盟精准医疗和创新生物药数字化解决方案的本地化部署，具有安全合规、互联互通、多分支机构统一管理和灵活扩展四大优势。百奥利盟 & 阿里云 | 构建云上精准医疗与创新生物药数字化解决方案(1) 深度融合、安全合规： 可在客户任意指定位置部署基于云原生架构的百奥利盟精准医疗和创新生物药数字化系统，实现生命科学行业 SaaS 应用的数据本地化，满足生命科学企业的数据安全合规要求。(2) 线上线下，互联互通： 在纵向上实现线上数字化管理与线下“研发+生产+质控+运营业务管理+追溯”的一体化；横向上帮助企业实现与现有企业业务无缝对接，打造级云边协同的一体化数字平台。(3) 多分支机构、统一管理： 针对精准医疗实验室一中心多分支机构的模式，如创新生物药的“研发、生产、运营”多中心场景，可以实现系统的统一入口、统一规划和统一管控。同时，在降低TCO的情况下还可以减少运维人力成本的投入。(4) 灵活扩展，降本增效：联合方案支持订阅付费模式，轻量化的输出可以为初创型生命科学企业节省成本；同时利用阿里云云盒具有的良好可扩展性能力，可弹性扩展到上百节点、方便未来快速在其他区域的数字化建设覆盖和业务运营，满足大型生命科学企业的业务对资源的扩展需求。另一方面，百奥利盟已通过阿里云计算巢完成了其应用与云的集成，帮助客户一键构建云上精准医疗与创新生物药数字化解决方案，简化集群部署的复杂性，阿里云计算巢打造了 ROS（资源编排）以实现应用集群的自动部署。相比传统以天、甚至以周为单位的交付周期，交付效率有极大的提升。阿里云与百奥利盟的强强合作，百奥利盟将可以进一步发挥出极致性能，让软件更好地和云集成，极大提升软件服务在交付、部署及后续管理等环节的效率和用户体验，在帮助用户实现降本增效的道路上更进一步。与此同时，百奥利盟已经加入阿里云医疗行业线组建的数智CRO生态联盟，双方共同助力CRO公司服务资源与过程管理的数字化、在线化。未来，阿里云将与百奥利盟从更多层面开展持续的、长期的、深度的合作，以阿里云云盒为技术底座，深度融合百奥利盟的多款生物技术领域的信息化系统，助力大型研究型医院、生命科学与医学领域国家实验室和科研院所、第三方医学检测实验室等行业机构全方位提升信息化、智慧化水平，提供持续创新的未来医疗建设路径。（二）百奥利盟Bio-AP微服务平台----轻量级 / 完整性 / 灵活性 / 快速性百奥利盟Bio-AP微服务平台 | 轻量级&完整性&灵活性&快速性从2021年相关报告可以看出，目前企业普遍关注”信息安全相关建设、业务流程的重塑与梳理、应对业务变化的营销管理创新、基础架构的优化“方面，对于”数字中台、RPA、AI区块链技术、创新机制建立“等关注点都排在后边。”保证合规性、减少合规成本、实现数据与信息追溯，实现数据集成与互联、解决信息孤岛等“还是当前生命科学企业现状，更多企业还是处于由纸质化办公往数字化办公的转型过程中，来解决以上问题。从国际环境来看，很多企业已经引入云服务、机器学习、深度学习（如：R&D云服务软件应用）。机器学习在质量管理、实验室管理、研发生产管理等方面已广泛应用，如主动实验、生产质量智能化管理、主动的智能化排程、运营数据智能决策分析、数据预测性替代过去式、研发实验生产各类信息的归类和预测等，相信国内也会逐渐走向这个趋势。百奥利盟经过十多年的不断创新与探索，已经形成了专业适用于实验室数字化服务以及生物药全生命周期数字化服务----百奥利盟Bio-AP微服务平台，可以根据不同客户的实际需求与发展阶段，进行模块化构建与组装。针对传统架构设备端、云服务、决策端等各种层级系统，解决数据传输效率低、无法实时数据探查等痛点问题。工业４.０物联网扁平的数字化标准，实现了不同的系统都可以实时探查数据、减少成本，再加上创新生物药品种类多、流程各异、工艺升级快、技术平台多等实际问题，需要轻量级系统、功能与模块完整，支持灵活配置且快速上线与实施使用的信息化系统，为研究型中心医院、CRO+CDMO、分子检测、生物药研发生产等企业客户服务，助力创造更多实实在在的企业发展价值。特别是针对一些初创型公司，可以统一规划、分布实施、按模块上线。比如细胞和基因治疗领域，可以先上线CDE法规最关注的追溯系统部分，再上线生产、质控、研发数字化模块，因为是分布上线，每期周期并不会战线很长。（三）百奥利盟Bio-AP微服务平台 AIGC模型从信息化、数字化到人工智能 & 从Cloud到行业定制LLM大模型AIGC模型 | 从通用到深度定制行业AIGC模型针对生命科学行业发展的大趋势，当前生命科学行业已经到了“深入到基因和细胞的微环境，突破检测和新药研发的瓶颈”阶段，生命科学数字化转型已经提升到国家战略发展层面的高度以及全球监管的趋势。百奥利盟Bio-AP微服务组装平台的核心目标就是致力于为全球生物药与精准医疗行业提供全程数字化解决方案。除了本地部署的实施方式，百奥利盟也在探索如何在合规的前提下更广泛的使用云。与阿里云联合构建云上精准医疗与创新生物药信息化管理平台，量身为初创型分子诊断企业和生物科研团队、创新生物药研发与生产、细胞基因治疗和肿瘤个性化疫苗研发生产型企业客户解决方案。云服务提供了大存储，大算力和扩展性支持，使信息化系统到大数据，实现人工智能，甚至行业LLM大模型成为可能。关于当前热点的大模型，ChatGPT所能实现的人类意图，来自机器学习，神经网络，强化学习模型的多种技术积累，是从量变到质变的过程。信息化系统产生了实验、生产和质量大数据，可以使用机器学习进行预测分析，目前已经进展到行业深化LLM大模型阶段。目前生命科学企业可以通用LLM大模型提高工作效率，百奥利盟的数字化系统也在和LLM大模型API进行整合对接，实现智能沟通，培训交互，信息提示，资料检索等功能。从通用LLM大模型到行业定制化LLM模型，是强化学习的过程，是反复训练、建模、反馈的过程，百奥利盟希望和客户共同建立LLM行业大模型，解决生命科学行业细分领域的痛点问题。（四）百奥利盟Bio-AP微服务平台生命科学数字化转型---对客户的价值 & 社会效益 & 经济效益目前百奥利盟Bio-AP微服务平台已服务在全球市场（中国、美国、中东）日常管理工作，尤其在国内京津翼、珠江三角洲区域已经有大量推广和最佳落地实践与日常管理应用。例如：百奥利盟客户星医昂（专注于免疫细胞药物的研发和产业化，开发异体通用型现货免疫细胞产品），细胞药物从研发源头阶段开始，在IND、NDA、生产、运营的全生命周期数字化管理是未来发展的趋势，采用百奥利盟Bio-Research©电子实验记录系统，实现生物实验室信息化与数字化，使实验室更加标准化、一体化。解决了这些核心痛点问题，如：实验室数据规范化执行与无纸化管理、宝贵技术&经验传承、数据安全与知识保护、项目进度&成本监控与管理、关键价值数据信息快速提取&解析与追溯等。上药生物和十院“前院后工厂”模式先驱者，百奥利盟Bio-CELL©细胞和基因治疗数据一体化信息平台的核心价值是实现上药生物细胞生产业务全过程计算机化系统管理，对产品的全生命周期进行数据记录和分析，确保产品的安全、可控、可追溯，保证了产品质量，实现了产品的CoC(监管链)及CoI(身份链)。百奥利盟 BioTechLeague | 对客户的价值 & 社会效益 & 经济效益
百奥利盟发布“云上精准医疗与创新生物药数字化联合解决方案”,将可以进一步发挥出极致性能，让软件更好地和云集成，极大提升软件服务在交付、部署及后续管理等环节的效率和用户体验，在帮助用户实现降本增效的道路上更进一步。不断持续地开发迭代与探索创新，开创行业前沿技术的更多可能，旨在为广大客户提供智能、安全、合规、多元的全流程一站式解决方案，推动产业发展，共见未来商机。
机器学习与深度学习有什么异同？
最近，一份关于那些声称在其产品和服务上使用人工智能的公司滥用人工智能的报告发布。根据Verge的数据，40%的比例声称使用人工智能的欧洲初创公司其实并没有使用这项技术。去年，TechTalks也意外发现了这样的滥用行为，一些公司声称使用机器学习和先进人工智能来收集和检查数千名用户的数据，以增强其产品和服务的用户体验。
遗憾的是，公众和媒对于什么是真正的人工智能 ，以及到底什么是机器学习，仍然存在很多困惑。这些术语通常被用作同义词。在其他情况下，人工智能与机器学习是相对独立的、互相平行的领域发展进步，而另一些则利用这一趋势来有意炒作和博眼球（刺激），来增加销售量以及收入。
下面我们来看看人工智能和机器学习之间的一些主要区别。
什么是机器学习
什么是机器学习 | Tom M. Mitchell，Machine Learning，McGraw Hill，1997[18]
CMU计算机科学学院临时院长、卡内基梅隆大学(Carnegie Mellon University)教授、前机器学习系主任 Tom M. Mitchell 表示:
科学领域最好由它所研究的中心问题来界定。机器学习领域试图回答以下问题：
“我们怎样才能建立一个随着经验而自动改进的计算机系统，而支配所有学习过程的基本法则是什么？”
机器学习（ML）是人工智能的一个分支，正如计算机科学家和机器学习先驱 Tom M.Mitchell所定义的：“机器学习是对计算机算法的研究，允许计算机程序通过经验自动改进。” —ML是我们期望实现人工智能的方法之一。机器学习依赖于对大大小小的数据集进行研究，通过检查和比较数据来发现共同的模式并探索细微差别。
例如，如果您提供一个机器学习模型，其中包含许多您喜欢的歌曲，以及它们相应的音频统计数据（舞蹈性、乐器、节奏或流派）。它应该能够自动化（取决于所使用的有监督机器学习模型）并生成推荐系统，以便在未来向您推荐您喜欢的音乐（以高概率），类似于Netflix、Spotify和其他公司所做的。
在一个简单的例子中，如果你加载了一个机器学习程序，其中有相当大的X射线图片数据集以及它们的描述（症状、需要考虑的项目和其他），它应该有能力在以后协助（或可能自动化）X射线图片的数据分析。机器学习模型会查看不同数据集中的每一张图片，并在具有可比指征标签的图片中找到共同的模式。此外，（假设我们对图像使用可能的ML算法）当你用新的图片加载模型时，它会将其参数与之前收集的例子进行比较，以揭示图片中包含它先前分析过的任何指征的可能性。
我们前面示例中的机器学习类型，称为“监督学习”，其中监督学习算法尝试对目标预测输出和输入特征之间的关系和依赖关系建模，以便我们可以根据这些关系预测新数据的输出值，它已经从以前的数据集中学习到了反馈。
无监督学习是机器学习的另一种类别，是一类主要用于模式检测和描述性建模的机器学习算法。这些算法在数据上没有输出类别或标签（模型使用未标记的数据进行训练）。
强化学习 | Credits: Types of ML Algorithms you Should Know by David Fumo [3]
强化学习是第三种流行的机器学习类型，其目的是利用从与环境的交互中收集到的观察结果来采取行动，以最大限度地提高回报或降低风险。在这种情况下，强化学习算法（称为agent）通过迭代不断地从环境中学习。强化学习的一个很好的例子是电脑达到了超人的状态，并在电脑游戏中打败了人类。
机器学习可以让人眼花缭乱，尤其是它的高级子分支，即深度学习和各种类型的神经网络。无论如何，它是 "神奇 "的（计算学习理论），不管公众有时是否有观察其内部运作的问题。虽然有些人倾向于将深度学习和神经网络与人脑的工作方式进行比较，但两者之间存在着本质的区别。
什么是人工智能（AI）？
卡耐基梅隆大学计算机科学学院教授兼院长 Andrew Moore讲解的人工智能全景图｜Youtube
另一方面，人工智能的范围很广。根据卡耐基梅隆大学计算机科学学院前院长Andrew Moore 的说法，"人工智能是一门科学和工程，它让计算机以一种直到最近我们还认为需要人类智能的方式运行。"
这是一个用一句话来定义人工智能的好方法；然而，它仍然显示出这个领域是多么广泛和模糊。50年前，下棋程序被认为是人工智能的一种形式，因为博弈论和游戏策略是只有人脑才能完成的能力。如今，象棋游戏是枯燥而陈旧的，因为它几乎是每个计算机操作系统（OS）的一部分；因此，"直到最近 "是随着时间的推移而发展的东西 [36]。
CMU的助理教授和研究员 Zachary Lipton在Approximately Correct上阐明，AI这个术语 "是一个理想的，是一个动态的目标，一种基于那些人类拥有但机器没有的能力"。AI还包括相当程度的我们所知道的技术进步。机器学习只是其中之一。之前的人工智能作品利用了不同的技术。例如，1997年击败世界国际象棋冠军的人工智能 "深蓝 "使用了一种叫做树搜索算法的方法来评估每一个回合的数百万步。
使用深度优先搜索解决八皇后难题的示例 | 人工智能简介 | . how2Examples
正如我们今天所知道的那样，人工智能的象征是以Google Home、Siri和Alexa为代表的人机交互小工具，以Netflix、亚马逊和YouTube为代表的机器学习驱动的视频推荐系统。这些技术进步正逐步成为我们日常生活中不可或缺的一部分。它们是智能助手，提升了我们作为人类和专业人士的能力--使我们更有效率。
与机器学习相比，人工智能是一个动态的目标，它的定义会随着其相关技术进步的进一步发展而改变。可能在几十年内，今天的人工智能创新进展应该被认为是乏味的，就像现在的翻盖手机对我们来说一样。
为什么科技公司倾向于
将AI和ML交替使用？
"... ...我们想要的是一台能从经验中学习的机器" ~ Alan Turing
"人工智能 "一词是在1956年由Allen Newell和Herbert A. Simon等一批研究人员提出的。从那时起，人工智能的产业经历了许多波动。在早期的几十年里，围绕着这个行业进行了大量的炒作，许多科学家都一致认为人类水平的人工智能指日可待。然而，未兑现的论断引起了行业与公众的普遍不满，并导致了人工智能的寒潮，这一时期，对该领域的资金和兴趣大大消退。
后来，各组织试图将自己的工作与人工智能这个术语分开，人工智能已经成为无事实根据的炒作的同义词，并利用不同的名称来指代他们的工作。例如，IBM将 "深蓝 "描述为一台超级计算机，并明确表示它没有使用人工智能，而它却使用了人工智能。
在此期间，各种其他术语，如大数据、预测分析和机器学习，开始受到关注和普及。2012年，机器学习、深度学习和神经网络取得了长足的进步，并在越来越多的领域得到应用。各机构突然开始使用“机器学习”和“深度学习”来宣传他们的产品。
深度学习开始解决那些基于经典规则编程无法完成的任务。早期的语音和人脸识别、图像分类、自然语言处理等领域突飞猛进，2019年3月，三位最受认可的深度学习先驱获得了图灵奖，他们的贡献和突破使深度神经网络成为当今计算的关键组成部分。
因此，从这个势头来看，我们看到了人工智能的回归。对于那些习惯于使用各种限制的老式软件人来说，深度学习的效果几乎就像 "魔法"一样。尤其是由于神经网络和深度学习进入的一小部分领域被认为是计算机的禁区，而如今，机器学习和深度学习的工程师都能获得高薪，甚至在非营利组织工作，这就足以说明了这个领域的热度。
来源 | 推特 | GPT-2更好的语言模型及其含义，Open AI
可悲的是，这一点媒体公司往往在没有进行深刻考察的情况下就进行报道，并且经常配合人工智能文章中的水晶球（译者注：神奇的事情）和其他超自然描描述。这样的欺骗性行为有助于那些公司围绕他们的产品产生炒作。然而，在以后的日子里，由于未能达到预期，这些机构不得不雇佣他人来弥补他们所谓的人工智能。最终，他们可能会为了短期利益而导致该领域的不信任，并引发另一个人工智能的冬天寒潮。
你认为AI和人类会是什么关系？
《未来简史》这部书其实写的蛮有意思的，不单提出了“我们可能是最后一带掌管这个世界的人类”一说。还提出了“无用阶级”的理论。
他在文章中描述到：
由于在未来五十年里大多数人中产阶级的工作将被机器取代掉。所以越来越多的人将失去他们的工作。在大学里，人们将不知道如何选择自己未来的专业。因为他们不知道自己的专业在未来十年内会不会被机器所取代。 在未来将会有越来越多的人成为“无用阶级”。他们既没有工作，也没有自给自足的能力。靠着政府发给的最低保障度日。每天更多的时间生活在虚拟现实中。而真正的现实生活中的生产和生活内容更多的被机器所取代……
这样对未来的描述是不是会让你产生深深的恐慌呢？
其实我觉得《未来简史》这部书更多的是科幻小说。是作者以自己的认知对未来的一种看法。而人们对人工智能的忧虑从在上个世纪就开始了。
早在上个世纪五十年代的时候，著名的科幻小说家阿西莫夫就提出了机器人三大定律。以此来约束以后注定会越来越聪明的机器人。
我们80后这一代人对人工智能的忧虑可能就来自，卡梅隆的著名系列电影《终结者》系列
电影中的施瓦辛格扮演的未来机器人——终结者，穿着皮衣开着哈雷摩托的场景给我留下了深刻的印象。同时电影中的控制了整个世界的人工智能“天网”也让我对人工智能有了深深的忧虑。 近两个月在悟空问答里答题的过程中，也详细了解一下人工智能。经过详细的了解以后。我才明白了目前人工智能的发展情况以及人工智能对未来我们生活的影响。
目前的人工智能发展到了是何种地步了？
我们目前的人工智能发展还都是处在弱人工智能的发展，所谓弱人工智能就是机器人在某一方面的能力很强。可以超过人类。但还没有形成真正的自我意识和情感意识。
比如著名的阿尔法狗，在围棋上的水平已经是世界第一。但在其它方面的能力却连一个三岁小孩的智商都不如。这就是典型的弱人工智能。
而真正我们担心会出现的强人工智能，一个有自我意识，会主动去思考的人工智能AI。到目前为止人们在这方面的进展并不大。
另外，其实人类相比人工智能的优势就是强人工智能。所以有很多科学家研究的方向就是将机器的优势和人类大脑的优势像结合——想想看如果在人类的大脑中植入了一颗计算机芯片，来帮助人脑来储存记忆和进行简单的运算。那么这种人脑和AI的结合体就是一种完美的人工智能大脑了。
所以人工智能从某种意义上来说，是对人脑的有力补充和加强。
在未来的世界里，可能并不是满大街都是施瓦辛格式的终结者。更有可能是像墨菲那样的机械战警式的人脑和机械的完美结合。
人工智能的发展会导致机器人取代人类统治地球么？
我觉得即使人工智能有了自我意识和自我的情感以后。它也需要在人类社会里和我们相处，学习。这时的人工智能更像我们的朋友和孩子，只要我们和他和平相处。它会用自己的价值去判断，是统治人类有价值还是和帮助人类更能提现自己的价值。我想人工智能只要有了情感，就也会需要友情。而不是去冷冰冰的统治人类。