人工智能和计算机程序有什么区别,AI与计算机程序的区别
众所周知，计算机技术可谓博大精深，计算能力非常强大，数据疏离非常清晰，计算方法又科学又高效。AI技术的推出，也是选选超过了人类的神经结构，那么AI和计算机程序有啥区别？这两种又有什么异曲同工之处？
如果我们用最简单的话概括的话，AI和计算机的最根本的区别是芯片的区别，它们一种芯片适用于人工智能优化算法，被广泛应用于手机拍照程序，这也就是AI的芯片。而计算机的芯片就没有人工智能优化这个特点，它只适合用于电脑。如果从他们的关系来讲，计算机更像是AI的母体，AI是计算机的一种延伸，它扩展了计算机的应用系统和技术科学，换句话说AI就是计算机的一个分支，它可以识别图像和语言，包括研究机器人。计算机说起来就比较程序化，它把一组指令做到信息处理和步骤装置，然后通过程序编写，用到体系结构上。我们举个最简单的例子，某菜馆制定菜谱，记录了宫保鸡丁的制作方法，而不管之后哪个厨师来了就都按照这个方法一步步操作。AI是一项伟大的技术，它能完成人类不能完成的复杂工作，本来我们前辈们是要靠人脑完成复杂的运算和科学工程计算，现在计算机系统就都解决了。
计算机和AI也是相辅相成的，它们既有区别，也能互补，更是科学的延伸与发展。
框架、模型与模式的区别和意义
所谓框架、模型与模式看了这么久的论文，终于明白了这三个概念的区别和具体的意义。在和实验室的同学讨论的同时发现很多同学对这个问题也不是很明确，所以写个小文记录一下。
首先需要说明的是，这个所说的框架、模型和模式都是在看研究性论文的时候经常提到的概念，可能和软件工程领域的对应概念并不完全一致。并且因为水平有限，我的理解也可能是不正确的。
首先说说框架。所谓框架，应该就是一种处理流程。典型的框架可能是下面这样的：
这个图片可能看不清楚，不过不重要。框架就是一个解决某一个问题的处理流程。我们熟悉的ASP.NET框架，Rails框架也都是这类的框架——他们解决的是如何搭建web应用的问题。ASP.NET和Rails都规定了一系列的处理流程，从获得用户请求，到把请求定向到适当的类，如何调用用户定义的函数处理问题，再到把处理结果发送给用户。
所谓模型，是一种描述问题的工具。这里需要注意的是我所说的模型并不是所谓“数学建模”、“软件建模”得到的模型，而是另外一种模型，比如对象模型，关系模型等等。这类模型是一些规定，这些规定描述了如何去描述一个概念，同时还规定了一系列的操作，这些操作描述了概念之间如何进行交互。比较典型的就是关系模型，他描述了使用很多很多的属性（数据库字段）来描述一个概念（数据库表），以及这些概念之间的关系，比如Union（对应union操作符），Project（对应selectcolumnnamefromtablename）等等。模型是一种工具，他是用来帮助人们记录和分析问题的。其他的常用模型还包括对象模型，UML模型等等。
最后是模式。可以认为使用模型建模得到的东西就是模式，比如一个数据库设计，一个软件类设计等等。需要注意的是虽然MySQL管他的数据库叫做模式，但是一个运行中的数据库并不是一个模式，而是一个模式的一个具体实例。因为同一个模式可以有很多个实现，比如Northwind数据库在很多人的机器上都有，但是都是用的Northwind数据库模式。
这里的模式是所谓的Schema，而不是设计模式所谓的Pattern。Schema是用来描述概念和概念之间关系的，而Pattern更多的用于描述概念实例之间的关系，比如某些数据具有一些特定的模式（Pattern），比如电话号码总是【区号-号码】这种模式。【实战技能】软件工程师与AI工程师的区别是什么
目录1方法的差别1.1相同之处1.2不同之处1.3人工智能与传统软件开发的关系2工作中的注意事项3如何成为优秀的AI工程师？笔者一直从事软件工程师和AI工程师相关工作，和大家说说软件工程师与AI工程师的区别，希望能帮助大家。
1方法的差别1.1相同之处都是为了解决问题都需要建模，都需要理解数据都需要基于开发语言编写程序都可以依赖现有框架开发1.2不同之处软件开发和人工智能模型的不同之处在于执行的方式
图片来源：Differencesbetweenmachinelearningandsoftwareengineering—Futurice
如上图所示，以人工智能中的机器学习为例，机器学习是以数据和预期结果为输入，通过计算得出一个程序，也就是一个算法模型，也就是找到一个适合数据的程序。而软件开发是针对问题提出一个解决方案，并将其写成计算机可以执行的精确程序，也就是通过写程序实现任务自动化。开发机器学习应用的过程，比做软件开发更具反复性和探索性，存在一定不确定性，也就是需要多次实现，整个过程通俗地被称为“炼丹"。如果你数学基础较好又喜欢探索胜过研究业务逻辑，能乐观对待不确定性，也许做AI工程师更合适。如果你喜欢研究业务逻辑胜过数学理论，喜欢确定性多于不确定性，也许做软件工程师更好。
1.3人工智能与传统软件开发的关系从这个角度，可以看到，人工智能软件是无法取代传统的软件开发的，但是人工智能软件可以挖掘规则作为组件补充传统的软件开发，特别是在那些无法用手写规则实现的复杂情况下，人工智能有着非常大的作用。
2工作中的注意事项从程序开发的角度来看，AI的代码相对来说比较简单，只要熟悉了所用的框架，如Pytorch，Keras等等，写代码不是一件难事，主要的工作在于通过多次调整模型的超参数得出理想的算法模型，而应用软件的代码通常基于现有框架开发需要考虑各种逻辑，相对来说复杂些。当然要取得优秀的算法模型需要扎实的理论基础和优秀的动手能力。
3如何成为优秀的AI工程师？以下是三个层次的要求
初级
了解Python语言，以及Python的环境概念，会建立Python运行环境；会使用Pythonnotebook和python命令运行Python程序；熟悉机器学习相关的数学基础，如线性代数、高等数学、概率论与统计学；了解Pytorch等框架，以及使用框架优化机器学习模型（调参）的方法；熟悉AI项目的流程。中级
能读懂使用Pytorch实现机器学习的相关代码；可使用Python语言完善和调整已有的机器学习相关代码；掌握选择模型的方法；熟悉使用Pytorch等框架优化机器学习模型（调参）的方法；掌握评估模型的方法。高级
熟悉各种机器学习和深度学习模型的原理，需要看懂各种模型的论文，充分理解论文中的模型原理；能熟练运用各种模型以及综合利用各种模型解决实际问题。关于机器学习和人工智能，欢迎阅读我的小文。【学习资料汇总】探索人工智能的奥秘
欢迎留言，一起交流软件开发和人工智能学习。
笔者写于上海浦东新区封控区。