|
本文讲解了 AI 、机器学习、深度学习是怎么回事，他们之间的关系，常见的 AI 算法等知识。当有人问你这些概念的时候，你可以通熟易懂地讲解。 人工智能（AI）、机器学习（ML）、深度学习（DL）的关系如下，DL? ML ? AI。 人工智能比喻成的孩子大脑，而机器学习就是让孩子去掌握认知能力的过程，而深度学习是这过程中很有效率的一种教学体系。 人工智能是目的，是结果；深度学习、机器学习是方法，是工具。 人工智能的概念是在 1955 年提出的；机器学习概念是 1990 年提出的；深度学习概念是 2010 年提出的。 深度学习曾经是以机器学习中的「神经网络算法」的身份存在的，随着大数据的爆发，深度学习被单拿出来，成为一种学习思想。 从亚马逊、Facebook、谷歌、微软这些顶级科技公司能都看出，世界上最具影响力的技术公司的领导者都在强调他们对人工智能（AI）的关注。 什么是人工智能？ 人工智能的定义是让机器实现原来只有人类才能完成的任务，其核心是算法。 例如下图所示就是让机器模拟人各种能力的人工智能领域示意图： 人工智能为什么很重要？ 人工智能一直是计算机科学的前沿和热点领域，受关注度因技术的发展几起几落，自上个世纪50年代提出后受到热捧，到70年代因算法处理非线性问题的效果不理想而淡出公众视野，80年代末期又因“专家系统”的兴起再次引起众多世界500强企业青睐，21世纪后随着神经网络、遗传算法等新算法的成熟，以及“深度学习”领域核心问题的突破，人工智能的热潮再次来临。 人工智能技术 将极大地提升和扩展人类的能力边界，对促进技术创新、提升国家竞争优势，乃至推动人类社会发展产生深远影响。而当前，人工智能技术的发展已经迎来拐点。 机器学习：推理 - 知识 - 学习 机器学习（ML）是 AI 的一个子集。所有机器学习是 AI，但不是所有的 AI 是机器学习。「AI」的兴趣在今天表现于人们对「机器学习」的热情，进展迅速且明显。 机器学习让我们通过算法来解决一些复杂的问题。正如人工智能先驱 Arthur Samuel 在 1959 中写道的那样，机器学习是需要研究的领域，它给计算机学习的能力而不是明确地编程能力。 大多数机器学习的目标是为特定场景开发预测引擎。一个算法将接收到一个域的信息（例如，一个人过去观看过的电影），权衡输入做出一个有用的预测（未来想看的不同电影的概率）。 通过计算机学习的能力，通过优化任务衡量变量的可用数据，做出算法，来对未来做出准确的预测。 机器通过训练学习。算法最初接收其输出是已知的示例，此时要注意其预测和正确输出之间的差异，并且调谐输入的权重以提高其预测的准确性，直到它们被优化。因此，机器学习算法的定义特征是，它们的预测的质量随着经验而改进。 深度学习——一种实现机器学习的技术 人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法，历经数十年风风雨雨。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。 现在，经过深度学习训练的图像识别，在一些场景中甚至可以比人做得更好：从识别猫，到辨别血液中癌症的早期成分，到识别核磁共振成像中的肿瘤。Google的AlphaGo先是学会了如何下围棋，然后与它自己下棋训练。它训练自己神经网络的方法，就是不断地与自己下棋，反复地下，永不停歇。 深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。深度学习摧枯拉朽般地实现了各种任务，使得似乎所有的机器辅助功能都变为可能。无人驾驶汽车，预防性医疗保健，甚至是更好的电影推荐，都近在眼前，或者即将实现。 |
|
|
来自： 2017helloworld > 《待分类》
