人工智能编程与普通编程的本质区别

（上一篇：人工智能AI与机器学习ML基础入门）

本篇序言：为什么您也能成为人工智能程序员，因为它与传统编程有着根本的不同。理解这一点，是掌握人工智能编程的关键。传统编程中，程序员的任务是实现具体的算法和流程。比如，要编写一个机票订购系统，程序员需要详细规划出整个流程，从用户下单、搜索航班、计算折扣、选择保险等每个步骤的规则，然后根据这些规则一步步用代码实现。而人工智能编程则不需要程序员为每个步骤写出具体的规则。相反，程序员的任务是收集大量的结果和需求数据，然后让AI通过这些数据进行学习。数据越多，AI就越能自动优化订票流程和决策的规则。换句话说，AI会根据学习到的数据逐步变得更智能，而不是依赖程序员事先设计好每个步骤。这就是人工智能编程与传统编程的本质区别。

进入机器学习...

从编程到机器学习

让我们回顾一下用于展示传统编程的图示（图 1-8）。这里我们有对数据进行操作的规则，并给我们答案。在我们的活动检测场景中，数据是一个人移动的速度；基于此，我们可以编写规则来检测他们的活动，是走路、骑车还是跑步。当涉及到打高尔夫时，我们遇到了瓶颈，因为我们无法制定出判断该活动的规则。

图 1-8. 传统编程流程

但如果我们在这个图中把轴调换一下会发生什么呢？如果我们不是自己制定规则，而是找到答案，然后通过数据来推导出规则呢？

图 1-9 展示了这将会是什么样子。我们可以将这个高级别的图示看作是机器学习的定义。

图 1-9. 机器学习

那么这意味着什么呢？现在我们不再需要自己推导出规则，而是获取大量关于我们场景的数据，并对这些数据进行标注，计算机可以通过这些数据找出使某一数据匹配特定标签的规则，以及另一数据匹配不同标签的规则。

这在我们的活动检测场景中会如何工作呢？我们可以查看所有给我们提供关于这个人的数据的传感器。如果他们有一个可以检测心率、位置、速度等信息的可穿戴设备，并且我们在他们进行不同活动时收集了大量的此类数据，那么我们最终会得到这样的数据场景：“这是走路的样子”，“这是跑步的样子”等等（图 1-10）。

图 1-10. 收集和标注数据

现在，作为程序员，我们的工作从制定规则、确定活动，转变为编写代码以匹配数据和标签。如果我们能够做到这一点，那么我们可以扩展使用代码实现的场景。机器学习是一种使我们能够做到这一点的技术，但为了开始，我们需要一个框架——这就是 TensorFlow 登场的地方。在接下来的部分，我们将介绍 TensorFlow 是什么以及如何安装它，然后在本章稍后，你将编写第一个学习两个值之间模式的代码，就像前面场景中的那样。这是一个简单的“Hello World”场景，但它包含了在非常复杂的场景中使用的基础代码模式。

人工智能领域广泛而抽象，涵盖了一切让计算机像人类一样思考和行动的内容。人类习得新行为的方式之一是通过示例进行学习。因此，机器学习这一学科可以看作是通向人工智能开发的入门途径。通过它，机器可以像人类一样“看”（这一领域称为计算机视觉）、像人类一样“读”文本（自然语言处理），以及更多。在本连载中，我们将使用 TensorFlow 框架来介绍机器学习的基础知识。

下一篇Google的TensorFlow介绍...