via The Difference Between AI, Machine Learning, and Deep Learning? | NVIDIA Blog
Nvidia 博客上的這張圖很好表示了 AI, Machine Learning, Deep Learning 三者的關(guān)系撬腾。人工智能是一類非常廣泛的問題谷市，機(jī)器學(xué)習(xí)是其中一個(gè)重要領(lǐng)域和手段，深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一個(gè)分支。在很多人工智能問題上搅荞，深度學(xué)習(xí)的方法突破了傳統(tǒng)機(jī)器學(xué)習(xí)的瓶頸，因而影響力迅速擴(kuò)大劲阎。
什么是機(jī)器學(xué)習(xí)袁串？
00 試著翻出一些機(jī)器學(xué)習(xí)相對權(quán)威的定義，看看它們有什么共同點(diǎn)：
簡單來說倍权，就是機(jī)器通過一系列「任務(wù)」從「經(jīng)驗(yàn)」（數(shù)據(jù)）中學(xué)習(xí)掷豺，并且評估「效果」如何：
為什么叫做「學(xué)習(xí)」呢？一般編程語言的做法薄声，是定義每一步指令当船，逐一執(zhí)行并最終達(dá)到目標(biāo)。而機(jī)器學(xué)習(xí)則相反默辨，先定義好輸出德频，然后程序自動(dòng)「學(xué)習(xí)」出達(dá)到目標(biāo)的「步驟」。
機(jī)器學(xué)習(xí)可以分為：
- 監(jiān)督學(xué)習(xí)：給出定義好的標(biāo)簽缩幸，程序「學(xué)習(xí)」標(biāo)簽和數(shù)據(jù)之間的映射關(guān)系
- 非監(jiān)督學(xué)習(xí)：沒有標(biāo)簽的數(shù)據(jù)集
- 強(qiáng)化學(xué)習(xí)：達(dá)到目標(biāo)會有正向反饋
機(jī)器學(xué)習(xí)擅長做什么壹置？
當(dāng)然是替代重復(fù)的人工勞動(dòng)，用機(jī)器自動(dòng)從大量數(shù)據(jù)中識別模式——也就是「套路」啦表谊。知道「套路」后钞护，我們可以干嘛呢？
- Classification 分類爆办，如垃圾郵件識別(detection, ranking)
- Regression 回歸患亿，例如股市預(yù)測
- Clustering 聚類，如 iPhoto 按人分組
- Rule Extraction 規(guī)則提取押逼，如數(shù)據(jù)挖掘
比如垃圾郵件識別的問題步藕，做法是先從每一封郵件中抽取出對識別結(jié)果可能有影響的因素（稱為特征 feature），比如發(fā)件地址挑格、郵件標(biāo)題咙冗、收件人數(shù)量等等。然后使用算法去訓(xùn)練數(shù)據(jù)中每個(gè)特征和預(yù)測結(jié)果的相關(guān)度漂彤，最終得到可以預(yù)測結(jié)果的特征雾消。
算法再強(qiáng)大，如果無法從數(shù)據(jù)中「學(xué)習(xí)到」更好的特征表達(dá)挫望，也是徒勞立润。同樣的數(shù)據(jù)，使用不同的表達(dá)方法媳板，可能會極大影響問題的難度桑腮。一旦解決了數(shù)據(jù)表達(dá)和特征提取問題，很多人工智能任務(wù)也就迎刃而解蛉幸。
為什么需要深度學(xué)習(xí)破讨？
但是對機(jī)器學(xué)習(xí)來說丛晦，特征提取并不簡單。特征工程往往需要人工投入大量時(shí)間去研究和調(diào)整提陶，就好像原本應(yīng)該機(jī)器解決的問題烫沙，卻需要人一直在旁邊攙扶。
深度學(xué)習(xí)便是解決特征提取問題的一個(gè)機(jī)器學(xué)習(xí)分支隙笆。它可以自動(dòng)學(xué)習(xí)特征和任務(wù)之間的關(guān)聯(lián)锌蓄，還能從簡單特征中提取復(fù)雜的特征。
Ref
- What is Machine Learning: A Tour of Authoritative Definitions and a Handy One-Liner You Can Use - Machine Learning Mastery
- 機(jī)器學(xué)習(xí) (豆瓣)
- Tensorflow：實(shí)戰(zhàn)Google深度學(xué)習(xí)框架 (豆瓣)
Art & Code 的熱門文章
- DeepLearning筆記：Docker 入門和用 Python 實(shí)現(xiàn)詞頻統(tǒng)計(jì)
- DeepLearning筆記: 語言模型和 N-gram
- 設(shè)計(jì)師學(xué)編程撑柔？從五個(gè)思維訓(xùn)練開始
- 菜鳥數(shù)據(jù)科學(xué)入門01 - 工具包概略
- 菜鳥數(shù)據(jù)科學(xué)入門02 - IPython 基礎(chǔ)
- 菜鳥數(shù)據(jù)科學(xué)入門03 - NumPy 數(shù)組基礎(chǔ)和基本操作
- 多用Git少交稅
- VR 學(xué)習(xí)圖譜
