机器学习和机器发现区别在哪？

机器学习现在可谓是炙手可热。只要应用机器学习，就可以有效丰富数据和知识，促进有价值的任务自动化，包括感知、分类和数值预测等。而它的“兄弟”——机器发现，可用于发现照亮和引导人类的新知识。让我们来探讨一下机器学习或者机器发现的最佳应用场景，以及其对商业很重要的原因。

多年以前我是一名机器发现的研究人员，在《机器学习》杂志上发表过学术论文，也参加过机器学习的相关会议并做过报告，因为机器学习和机器发现与人类活动类似。作为一名（有经验的）企业家，经常有人问我，对于自动处理某些任务来说，学习方法是否非常重要，这也是促使我写这篇文章的原因。首先让我们回顾一些基本概念。

人工智能领域的一个重要想法就是，智力工作可以看作是在“问题空间”内的启发式搜索，可以帮助找到问题的解决方法。

让我们想象这样一个电视里常见的任务场景：重案组探员到达案发现场，尸体躺在地板上。一个糟糕的侦探拿起电话簿，从第一页开始依次打电话进行审讯。一个非常糟糕的侦探甚至会认为是太空入侵或逃走的狒狒干了这事，并要求NASA和当地动物园去追寻这些线索。他们这样的行为就是采用了错误的启发方法。

一个好的侦探会善于利用正确的启发方法，从已存在的问题开始，例如：死亡原因是什么？受害者最后见的人是谁？有仇人吗？有没有秘密恋情？欠过债？好的侦探也会从上述答案入手，来更加有效地在大范围内搜索嫌疑犯。伟大的侦探甚至可能想出更加有启发性的想法。

“机器发现”的关键点在于发现就像是另外的智力任务，因此在问题空间中应用的人工智能关键启发式发现搜索方法也可应用于机器发现任务中。

另一方面，“机器学习”的关键点在于给予足够的数据和相关结果，以及一些概念（例如哪些数据特征和预测结果有关系），然后软件经过训练后也能够实现这种关联。经典的例子包括使用历史数据来学习如何根据信用风险对贷款申请进行分类，或者预测顾客的流失。

何为机器学习或机器发现的最佳应用？

带着这些关键点，我们来考虑具体应用中，哪种设计（发现或学习）更好？例如：为大型派对或活动引入客流量。一个好的派对主办方需要了解客人之间的共同兴趣，并努力向他们介绍彼此，解释他们的共同点，以促进他们之间的交流。这是一项艰巨的任务，因此主办方都非常忙。凭借一份参与者名单，这种情况能够自动化吗？

人工智能或者发现方法会这样处理事情：研究或者找出什么可以促成良好的相互介绍。什么决定了（引荐的）质量？这是为了核心目的而做出的有创新的介绍方法吗？哪些数据源可以加强这种自动推介（比如LinkedIn简介或者其他自我介绍）？

然后，就可以生成一些自动介绍，例如：你们三位几乎在同一时间从同一所大学毕业；或者你们都曾为非洲和平组织服务过；甚至你们两位是这里唯一知道机器学习的人。

坏的启发方法可能会导致：你们都离婚了四次以上（尴尬）；或者你们都来自中西部（重点模糊）；或者你们的生日都在冬天（不相关）。

我们已经讨论了机器学习和机器发现的关键点，以及如何实现具体应用。那么我们概括一下：何为机器学习或机器发现的最佳应用？

机器发现需要研究任务的逻辑，需要相应的知识，包括该范围内的优先路径，以及使其符合实际的算法设计。这有利于正在搜索的空间和使用的启发方法的创新。但是最大的创新或许来源于基于具体输入而获得的新颖、有创造性的输出，因为自动化可以探索比人类实际考虑的还要大得多空间的可能性。

让我们来看看关于机器发现引擎的三个例子，其中每个都用编好程序的启发式技术尽可能地探索和报道可供人类阅读的知识。

90年代商业化的搜索引擎会搜索很多信息文件，利用启发式技术（例如页码排序，根据每一份文件的内容或者标题的查询词确定优先级）来给出引文清单，且每个摘录都动态地定制为查询词的函数。

2000年左右商业化的归类引擎将数以百计的搜索结果以分组的形式放入主题文件夹，利用启发式技术（比如提取出的主题的语言特性，每一个主题涵盖多少搜索结果，将主题划分为不重叠组的效果如何等）来描述出现在返回的搜索结果中的主题。

2015年实现商业化基准化引擎在大型同类群体中发现其异常表现，利用启发式技术（例如组合简洁、合理的属性，和处理异常类型良好地句型）来输出能传达关于目标实体基准化见解的英语段落。

机器发现的方法也许是：任务输出结果并不只是分类或者数字上的预测。人们写了很多关于这种任务的书或者文章来教授新人。这里也没有关于输入/正确输出组的丰富数据，因此要常常说服别人为什么输入数据和任务元认知知识符合特定的输出。任务元认知知识是孤立的，因此在执行任务的时候并不需要一般的常识。

这对于科技商业来说意味着什么呢？机器学习能使自动化任务实现半自动化从而减少开支。机器学习可以应用于很多数据丰富的任务。机器发现则更强调需要特定知识和训练的具体任务，机器发现往往偏向于手工制作，更加精细和罕见。

你需要大量内部或供应商的人工智能专业知识。供应商会更少，而且他们更关注有深远影响的具体知识任务，从而确保企业在经济上可行。供应商不会称自己为机器发现公司。与机器学习不同的是，由于机器发现的公司更少，因此更容易产生市场差异化。

机器学习和机器发现虽然是亲兄弟，但是当它们都成熟以后就会分开。