人工智能、机器学习和深度学习之间的区别...

现在越来越多的人都熟悉“人工智能”这个术语。《终结者》、《黑客帝国》和《我的个人最爱》等电影一直是人们关注的焦点。但最近你可能听说过“机器学习”和“深度学习”等其他术语，有时与人工智能交替使用。因此，目前对于我们来说人工智能、机器学习和深度学习之间的区别是非常不清楚的。

首先，我会快速解释人工智能(AI)、机器学习(ML)和深度学习(DL)实际上是什么意思，以及它们是如何不同的。然后，我会分享人工智能和物联网是如何不可避免地交织在一起的，几项技术进步立即汇聚成人工智能和物联网科技爆炸的基础。

机器学习只是实现人工智能的一种方式。

那么，人工智能机器学习和深度学习之间有什么区别?

人工智能是由约翰·麦卡锡于1956年首创的，它涉及的机器可以执行人类智能特征的任务。虽然这是相当普遍的，但它包含了诸如计划、理解语言、识别对象和声音、学习和解决问题的能力。

我们可以把AI分为一般和狭义两类。人工智能将具备人类智能的所有特征，包括上面提到的能力。狭义人工智能展示了人类智能的一些方面，并且可以很好地做到这一点，但在其他方面却缺乏。一台能识别图像的机器，但没有别的功能，这就是一个狭义人工智能的例子。

机器学习只是实现人工智能的一种方式。

亚瑟·塞缪尔在1959年把这个词定义为“学习的能力不被明确编程”因此，机器学习是“训练”的一种算法，使它能够学习如何完成一项特定的任务，而不是硬编码软件程序。“培训”包括向算法提供大量数据，并允许算法自我调整和改进。

举个例子，机器学习已经被用来对计算机视觉进行重大改进(机器识别图像或视频中的物体的能力)。你收集了成千上万甚至数百万的图片，然后让人类给它们贴上标签。例如，人类可能会标记有只猫的图片，而不是那些没有的照片。然后，该算法试图建立一个模型，能够准确地标记出包含猫或人类的图片。一旦精确度达到足够高的水平，机器就会“学会”猫的样子。

深度学习是机器学习的众多途径之一。其他方法包括决策树学习、归纳逻辑编程、聚类、强化学习和贝叶斯网络等。

深度学习的灵感来自于大脑的结构和功能，即许多神经元的相互连接。人工神经网络(ANNs)是模拟大脑生物结构的算法。

在ANNs中，有“神经元”，它们有离散的层和与其他“神经元”的连接。每一层都选出一个特定的特性，例如图像识别中的曲线/边缘。正是这种分层提供了深度学习的名称，深度是通过使用多个层而不是单个层来创建的。

人工智能和物联网是密不可分的

我认为AI和IoT之间的关系就像人类大脑和身体之间的关系。

我们的身体收集感官输入，如视觉、听觉和触觉。我们的大脑接受这些数据并理解它，将光线转换为可辨认的物体，并将声音转变成可以理解的语言。我们的大脑会做出决定，向身体发出信号，以指挥动作，比如拾起一个物体或说话。

构成物联网的所有连接传感器都像我们的身体一样，它们提供了世界上正在发生的事情的原始数据。人工智能就像我们的大脑一样，对这些数据有意义，并决定采取什么行动。物联网的连接设备和我们的身体一样，都是在进行身体活动或与他人交流。

释放彼此的潜力

AI和物联网的价值彼此而得以实现。

机器学习和深度学习近年来为人工智能带来了巨大的飞跃。正如上面提到的，机器学习和深度学习需要大量的数据来工作，而这些数据是由数十亿的传感器收集的，这些传感器正在互联网上继续感知数据。物联网使人工智能变得更好。

改进人工智能还将推动物联网的普及，创造一个良性循环，使这两个领域的加速发展。这是因为人工智能让物联网变得有用。

在工业方面，人工智能可以应用于预测机器何时需要维护或分析制造过程以提高效率，节省数百万美元。

在消费者方面，技术可以适应我们，而不是必须适应技术。我们不需要点击、打字和搜索，只需问一台机器我们需要什么。我们可能会问一些诸如天气之类的信息，比如为睡觉准备房子(调低恒温器、锁好门、关灯等等)。

融合技术进步使这成为可能

电脑芯片的制造技术的改进意味着更便宜、更强大的传感器。

快速改进电池技术意味着这些传感器可以持续数年不需要连接电源。

智能手机的出现推动了无线连接，这意味着数据可以以便宜的速度被发送到高容量，允许所有的传感器向云发送数据。

而且，云的诞生使得这种数据几乎可以无限地存储，并且几乎是无限的计算能力。

当然，对于人工智能对我们的社会和未来的影响有一两个问题。但是，随着人工智能和物联网的进步和采用继续加速，影响将是深远的。