总的来说，人工智能就是通过技术对人的意识和思维过程进行模拟，使机器像人一样思考，在某些方面达到甚至超过人类的智力范围。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。

机器学习是人工智能的核心，其原理简单地说，就是通过算法程序把无序的数据转换成有用的信息，它对大量数据进行训练处理，通过对数据的学习，自动发现与提取数据特征，从而构建分析模型，并不断进行模型的自优化。

当对数据的分析拓展到对图片文本、自然语言等的分析时，深度学习便开始展现它的威力了。

图 2：机器学习原理

深度学习是机器学习里最前沿的技术分支，其优势之一可以理解为特征抽象，从底层特征学习获得高阶特征，进一步描述更为复杂的信息结构。

举个栗子，要基于深度学习的原理判断一个小狗，首先识别出最基本的纹理及边缘轮廓特征，如眼眶、眼球、鼻梁等；其次，进一步识别出局部特征，如在眼眶、眼球等基础上识别出眼睛这一局部器官；最后，更进一步学习获得物体更高阶特征以致整体全貌，如结合眼睛、鼻子、毛发等局部特征辨认出完整的小狗。

图 3：深度学习示例

智能算法产品VS人工决策

图 4：智能算法产品与人工决策比较

智能算法产品以机器学习算法等技术为支撑，通过对大量历史数据的训练，自动发现并提取数据特征，在持续的自我学习中得到分析模型，同时通过对模型的校验不断提高模型的精准性。当新的数据输入时，智能算法产品基于训练出的模型来判断新数据在未来一段时间的可能变化。

人工决策则主要是基于业务经验，人对长期的业务实践进行归纳总结，得出一些事件发生的经验和规律。当新的事件出现时，则根据总结出的规律对事件进行分析，预测事件在未来的表现。

通过比较，我们可以看出，智能算法产品主要基于对大量数据的分析，在对客观特征的发现能力、分析决策的精确度等方面都能有更多的优势；

而人工决策主要侧重主观经验判断，在判断一些小概率事件的时候会有相对好一点的效果。

但是，智能算法产品基于强大的数据处理能力，在处理问题，尤其是对大量问题进行处理的效率上要极大地优于人工服务。在很多情形下，智能算法产品所起到的服务效果往往需要许多相同种类的人工服务才能达到。

智能算法产品与金融