人类和机器学习都能产生知识，但两者之间的差别很大。

　　学习是获得新的或加强已有的知识、行为、技能或价值观的行为。“人类有学习的能力，然而随着人工智能的进步，机器学习已经成为一种资源，它可以增强甚至取代人类的学习，”工程师兼心理学家Peter Rudin对Singularity2030网站说。

　　Rudin说，人类和机器学习都能产生知识，但一个产生于人类大脑，而另一个则产生于机器。

　　但这真的是这两者之间唯一的区别吗？而且，更重要的是，我们该如何运用哪些知识？该如何平衡这些知识资源以获得最佳的结果？

　　机器学习已经成为人工智能研究领域一个快速增长的分支。所谓的神经网络软件的应用，模仿人类大脑的功能，使用大量低成本的硬件资源，为解决那些目前只能依赖于人脑的问题提供了可能性。庞大的数据池(大数据)包括医疗或金融信息、图片库或关于客户行为的信息，这些信息都是用不同类型的高度复杂的算法处理的，这些算法可以在没有传统编程的情况下产生数字知识。

　　人类的大脑不像计算机，计算机也不像人类大脑。尽管计算机可以执行“神经网络”的过程，可以受到大脑神经元的启发，但它们并不是自组织和自适应的。此外，机器学习不能代替人类学习。

　　事实证明，在记忆知识、理解和领会信息方面，基于机器的知识远远超过人类大脑的能力。机器的另外一个优势是，这种知识总是可以“在线”的，所以不会有保留问题。因此，人类越来越倾向于依赖于机器的知识。

　　一旦我们将知识、抽象和问题分析等更具挑战性的能力运用到人类和机器学习知识的结合中，这就代表了不同商业领域的最新情况。

　　在大数据分析中，一个有趣的机器学习应用是由一家名为Behaviour Exchange的创业公司开发的。他们使用了数十亿的在线互动，创造了数百万的用户档案，例如，电子营销人员可以实时调整网站内容，以满足特定用户的兴趣。他们的系统能够理解网络访问者的人口统计学特征和心理特征，以及他们的短期和长期情绪。毫无疑问，这是一种先进的机器学习、大数据和人类智能的结合，也为我们指明了未来数字时代的发展方向。