模式识别、机器学习傻傻分不清？

问起模式识别、机器学习有什么区别，就有不少人懵圈了：这难道不是一样东西吗？居然还有区别？

 

模式识别、机器学习在人工智能领域本就是傻傻分不清楚的孪生兄。

AI元老——模式识别

首先，通常意义上，模式指用来说明事物结构的主观理性形式。它是从生产经验和生活经验中经过抽象和升华提炼出来的核心知识体系。但是需要注意的是，模式并不是事物本身，而是一种存在形式。

那什么是模式识别？对表征事物或现象的各种形式的信息进行处理和分析，从而达到对事物或现象进行描述、辨认、分类和解释的目的。

 

 

模式识别从十九世纪五十年代兴起，在二十世纪七八十年代风靡一时，是信息科学和人工智能的重要组成部分，主要被应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等方面。尽管模式识别看起来很高大上，而且也有了较长时间的应用，但是其效果似乎总是差强人意。

 

人类：见到一个东西之后，通常就会下意识地给其归类：是动物还是植物，属于哪一门纲目属科，是否可以药用，有果实吗，花朵是否漂亮，是否有毒……这一大串归类构成了人们对于这种事物的整体认知。这就属于人类对于模式的识别，这种技能对于人们甚至是一些动物来说，是非常简单而且几乎是与生俱来的。

机器：哪怕是分辨最简单的“0”与“O”与“o”以及“。”都要费九牛二虎之力。而这也就是为什么我们在使用一些图片转文字等软件时，发现通常经过“翻译”的文本变得错字连篇，而且有时候错的不可思议。尤其是目前还在大学里为论文苦苦挣扎的学生党，每当用软件转换CAJ文献或者PDF格式的材料时，时不时就会让人觉得这种人工智能简直就是“人工智障”。

AI大众情人——机器学习

不同于模式识别中人类主动去描述某些特征给机器，机器学习可以这样理解：机器从已知的经验数据（样本）中，通过某种特定的方法（算法），自己去寻找提炼（训练/学习）出一些规律（模型）；提炼出的规律就可以用来判断一些未知的事情（预测）。

也就是说，模式识别和机器学习的区别在于：前者喂给机器的是各种特征描述，从而让机器对未知的事物进行判断；后者喂给机器的是某一事物的海量样本，让机器通过样本来自己发现特征，最后去判断某些未知的事物。

两种模型：分别为符号主义所使用的决策树模型和联结主义所使用的神经网络模型。

通俗些来说，

模式识别：更像是以前我们经历的填鸭式教育，老师教给学生的知识都是纸上谈兵；           

机器学习：则更像是读万卷书行万里路。

算法：正如武林中的内功有降龙十八掌、九阳神功还有九阴真经，外在技术修行则有独孤九剑、落英神剑以及名门暗器等等。

————————————————————————————————————————————————