人工智能和流水線的區別，就是人工智能相對於流水線來講，根據算法和經驗能自動分析和自行優化調整，流水線主要應用於重複某一個動作或某一項流程，不能實現根據環境變化而調整自己的動作。人工智能是動態的，流水線是靜態的。
機器學習關鍵在分析行為數據
對互聯網來講，行為數據指的是一個人的點擊、瀏覽、搜索等行為產生的數據，這個數據是海量的，不是單純的某一個動作或某一類動作，是包含一個人所有的動作和由此動作產生的海量信息。
從分析方法上看，分析行為數據是有一定的概率論作為支持的，對一個人行為數據的分析是匯聚海量信息之後得出結論，至於信息是否全部完整、內容是否一致、每一次的結果是否適合都不是特別重要，它是根據行為得出的相對結論，這個結論會通過不同的比對、分析、調整、優化去完善。
從分析目的上看，行為分析關注的是未來，是為了預測以後發生的行為而進行的動作和未來可能要發生的事情，比如潛在的用戶群在哪裡？病人可能得了什麼病？什麼股票可以買？等等。
從分析方法上看，機器學習對於算法的要求不高，它可以採用一種，也可以採用多種算法，只要數據量足夠大，得出的結果會接近，對結果的影響跟數據質量和數據量是正相關的。
一些有關機器學習的應用
醫療行業：根據病人的身體體檢數據和症狀情況，分析判斷病人可能得了什麼病；根據不同的醫生、不同的學科對病症的判斷，綜合分析病人的整體情況，做出分析和結論，判斷病人可能得了什麼病。
股票行業：根據一隻股票一定時間的動態變化、經濟形勢、內外部環境情況，綜合判斷對該股票是該買還是該賣。
市場營銷：根據產品的特點和用戶的需求，分析哪些用戶是潛在的購買對象，哪些用戶是繼續跟蹤，哪些用戶對該產品不感興趣。
音像識別：抓住一個人的聲音特點和麵相特點，準確的從不同的樣本中識別出符合條件的樣本。
在線搜索：通過你每次在搜索引擎上搜索的習慣，一次一次的對你採納的搜索結果進行判斷，並根據不同的搜索結果得出你所需的內容，相對固化並對你的下一次搜索進行排序，使得能快速準確的得到你要的結果。
