你能区分机器学习和模式识别吗？
当今要是说起人工智能，聊起AI，每个人或多或少都能说出一点，从历史到未来，从图灵到冯诺依曼，从SVM到CNN等等，但是如果问你是否知道机器学习和模式识别有什么区别？我相信大多数人很懵圈，这两个东西不是一样的吗？难道还有区别！【AI-1000问】第四问我们就聊聊它们的区别。
1、模式识别
我们先来解释下模式识别，当你看到下面这张图时，我们会自然得出这样的印象或者结论：这是一张照片，表现的是猫的各种可爱姿态。这一看似简单的认知过程实际上是由一系列对事物类别的识别构成的。我们会识别出这张图表现的是一只猫而不是其它动物，是一张照片而不是绘画。我们为什么能快速识别出这些特征呢？实际上人们对这些概念的识别并不是依靠对每一个具体对象的记忆，而是依靠在以往对多个此类事物的具体实例进行观察的基础上得出的对此类事物整体性质的特点的认识。比如，因为我们平时见过许多猫，在脑海中已经形成了对“猫”这种动物所具有的特征的认识，因此尽管下面这张图的猫我们没有见过，但我们仍然会毫不犹豫的识别这是一只猫。这就是一种最简单的模式识别。
通过上面的例子我们应该明白了模式识别就是对模式的区分和认识，把对象根据其特征归到若干类别中适当的一类，我们通过识别的英文单词recognition也能看的出来，re-cognition就是再认识的意思。
2、机器学习
说到机器学习，其重点当然是学习，训练模型的过程就是学习。
在90年代初，人们开始意识到一种可以更有效地构建模式识别算法的方法，那就是用数据（可以通过廉价劳动力采集获得）去替换专家（具有很多图像方面知识的人）。因此，我们搜集大量的人脸和非人脸图像，再选择一个算法，然后冲着咖啡、晒着太阳，等着计算机完成对这些图像的学习。这就是机器学习的思想。它的关键就在于学习！
3、区别与联系
模式识别是根据已有的特征，通过类比分析的方法从而达到判别目的；机器学习侧重于在特征不明确的情况下，用某种具有普适性的算法确定事物之间的关系或者联系。我们可以用统计的观点理解模式识别，其问题是具有统计背景的，用统计学的方法将样本的特征划分到一定的类别中去；而机器学习的概念就是通过学习来确定事物之间某种不确定的关系，从而达到预测的目的。
当然，现在已经不需要去刻意区分它们，模式识别多是一个工业界的概念，机器学习则流行于学术界，经典书籍Pattern Recognition and Machine Learning则不区分它们。
思考
不知道你是否明白了模式识别与机器学习的基本概念和其区别，你能将它们分辨开来吗？
