在現實生活中，自動化和人工智能經常被人們不加區別的混用。我們想到這兩個詞，往往會形容能幫助我們提高效率的機器人和其他工具：無論是制造汽車的工業機器人，還是室內的煙霧傳感器，都在幫助我們生活更便捷。但事實上，人工智能和自動化之間還是有非常大區別的。

就像蘋果和橘子、DVD和錄像機以及電影2001中的HAL和星球大戰中主人公用的電腦一樣，很多時候我們都會混淆人工智能和自動化的關系。雖然自動化設備也是可以基于人工智能而建立的，但并不代表著它們是相同的概念。

為了言簡意賅，我們將很多復雜地解釋二者的概念和關系濃縮為：

自動化是遵循著預先設置好的編程規則的軟件；而人工智能則是設計用來模擬人類的思考和行為。

聽起來遠不止于此？的確，大多數人都不太了解其中的具體含義。研究發現，大約1/4的Siri用戶都不知道自己的語音助手是基于AI研發的，而對于其他app來說知道這些應用后面是AI驅動的用戶比例就更少了。這一現象說明公眾對于AI 的理解以及應用還亟待加強。

自 動 化

今天的社會中，自動化系統無處不在。他們幫助人們處理數以億萬計的電子郵件收發、幫助你通過手機app打開家中的電視、空調和暖氣、并幫助你管理日程協調并安排工作。

所有這些自動化都有一個明確的特征：讓機器代替人類重復單調的重復性勞動，解放人類的時間用于更重要的事情上去。使得社會變得更有效率、降低商業成本同時提高工作的生產力。

聽起來和AI很像啊？

但其實自動化機器和人工智能間最關鍵最大的不同在于：自動化機器是由人類預先設置好的手工配置來驅動和行動的。很多時候只是為了說出來比較好聽而已，其實你做的只是把自動化流程嵌入到了你的工作流程中。在自動化的范疇下，如果達到了X條件，執行Y。我們預先在系統中定義了在X條件下Y的執行方式。

說到底，自動化本質上是一些足夠聰明可以準確高效執行命令的機器和系統（軟硬件）。

人 工 智 能

如果將AI 理解成僅僅只會執行任務的程序那就太狹隘了，這并不是AI的任務。AI其實可以用下面的定義來描述：一種可以模仿人類思考、語言、行為的技術！AI真正需要做的是像人類一樣去探尋事物背后的模式，像人類一樣從經驗中學習，并像人類一樣根據情況選擇合適的響應來做出反應。

德勤的報告指出，AI從機器學習開始，給了計算機一種不需要精密的程序就可以高效學習的能力，并將智能自動化引入了商業世界的各個方面：

只需要將信用卡的交易記錄例如時間、商戶、地點、價格以及交易的合法性呈現給機器，機器學習系統就能發掘其中的模式并預測出其中的欺詐交易。隨著交易數據的增加，系統的預測性能就越好，幫助系統防范于未然！

但在我們對AI系統妄加想像之前你需要明白AI雖然強大但是也有一系列缺點。它不僅僅受到學習率的影響，同時也沒有特殊的程序來為它的學習負責（check）。

自動化和AI之間的真正區別

讓我們思考一下是什么同時在驅動著自動化系統和AI，同時也驅動著商業活動呢？數據！自動化系統負責收集數據，同時AI系統負責理解數據！

通過數據的收集和理解，公司可以做出更好的商業決策。如今，數據的收集和處理方式已經從本質上改變了我們商業經營的模式，ServiceNow的一項研究表明利潤增長超過20%的公司中平均有61%都實現了自動化，而盈虧平衡或者虧損的公司中只有35%裝配了自動化。雖然影響公司運營的情況很多，但與自動化的結合能帶來生產力的提升、商業效應的提升，并使得員工更加專注的集中在公司擴展的業務上。但一切歸根到底還是數據，自動化機器對于數據的重要性不言而喻。

這是我們看待自動化和人工智能的核心區別：自動化收集數據；而人工智能系統則負責理解數據。我們所面臨的是兩個完全不同但是完美互補的系統。

想象一下未來的我們將會變得多么強大，無論是作為個體、行業還是整個人類，都可以通過自動化機器來收集巨量的數據并通過智能系統感知信息和模式。在他們的幫助下，我們的未來將會遠遠超出我們的想象！而這一切，才剛剛開始。