姓名：任子琪?
學(xué)號(hào)：19021110610
轉(zhuǎn)載自：“云棲社區(qū)”瓣履，原文鏈接：https://yq.aliyun.com/articles/717996?spm=a2c4e.11153940.bloghomeflow.7.2b9f291aYF19XQ
【嵌牛導(dǎo)讀】介紹機(jī)器學(xué)習(xí)乞娄，深度學(xué)習(xí)，人工智能等的基本原理奠蹬，聯(lián)系與區(qū)別。
【嵌牛鼻子】深度學(xué)習(xí)，算法神僵，機(jī)器學(xué)習(xí)，人工智能覆劈，自然語(yǔ)言處理保礼，神經(jīng)網(wǎng)絡(luò)
【嵌牛正文】
如今，當(dāng)涉及到新的數(shù)據(jù)處理技術(shù)時(shí)责语，出現(xiàn)了許多不同的術(shù)語(yǔ)炮障。一個(gè)人說(shuō)他們正在使用機(jī)器學(xué)習(xí)，而另一個(gè)人稱之為人工智能坤候，還有一些人可能聲稱正在進(jìn)行深度學(xué)習(xí)胁赢。這一切都意味著什么?
雖然這些術(shù)語(yǔ)中有許多是相關(guān)的，并且在某些方面可能會(huì)重疊白筹，但是有一些關(guān)鍵的差異可能是重要的智末，這可能會(huì)幫助人們?nèi)ダ斫庹_的理解它們之間的定義。
人工智能意味著讓計(jì)算機(jī)以某種方式模仿人類行為遍蟋。
機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集吹害，它包括使計(jì)算機(jī)能夠從數(shù)據(jù)中找出問(wèn)題并交付人工智能應(yīng)用程序的技術(shù)。
與此同時(shí)虚青，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集它呀，它使計(jì)算機(jī)能夠解決更復(fù)雜的問(wèn)題。
下面將通過(guò)一些通俗易懂的例子來(lái)簡(jiǎn)單說(shuō)明人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別纵穿。
什么是人工智能?
人工智能作為一門學(xué)科創(chuàng)建于1956年的美國(guó)下隧。當(dāng)時(shí)的目標(biāo)和現(xiàn)在一樣，是讓計(jì)算機(jī)執(zhí)行被視為人類獨(dú)有的任務(wù)：需要智力的任務(wù)谓媒。最初淆院，研究人員研究的問(wèn)題包括下棋和解決邏輯問(wèn)題。
如果你觀察下跳棋程序的輸出句惯，你會(huì)發(fā)現(xiàn)這些動(dòng)作背后隱藏著某種形式的“人工智能”土辩，尤其是當(dāng)電腦打敗你的時(shí)候。早期的成功使第一批研究人員對(duì)AI的可能性表現(xiàn)出幾乎無(wú)限的熱情抢野，與之匹配的只是只是在他們錯(cuò)誤判斷某些問(wèn)題有多難的程度上拷淘。
因此，人工智能指的是計(jì)算機(jī)的輸出指孤。計(jì)算機(jī)正在做一些智能的事情启涯，所以它展示的是人工智能。
AI這個(gè)術(shù)語(yǔ)并沒(méi)有說(shuō)明這些問(wèn)題是如何解決的恃轩。有許多包括規(guī)則型和專業(yè)型系統(tǒng)的不同技術(shù)结洼。其中有一類技術(shù)在20世紀(jì)80年代開(kāi)始得到更廣泛的應(yīng)用：那就是機(jī)器學(xué)習(xí)。
機(jī)器學(xué)習(xí)是什么?
這些早期研究人員發(fā)現(xiàn)一些問(wèn)題更難的原因是叉跛，這些問(wèn)題根本不適合早期用于人工智能的技術(shù)松忍。硬編碼算法或固定的、基于規(guī)則的系統(tǒng)在圖像識(shí)別或從文本中提取內(nèi)容等方面表現(xiàn)得并不盡如人意昧互。
結(jié)果證明挽铁，解決方案不僅僅是模仿人類行為(AI)，而是模仿人類的學(xué)習(xí)方式敞掘。
想想你是如何學(xué)會(huì)閱讀的叽掘。在拿起你的第一本書之前，若沒(méi)有坐下來(lái)學(xué)習(xí)拼寫和語(yǔ)法玖雁，你只能讀簡(jiǎn)單的書更扁，隨著時(shí)間的推移，你會(huì)讀到更復(fù)雜的書赫冬。實(shí)際上浓镜，你從閱讀中學(xué)到了拼寫和語(yǔ)法的規(guī)則拣技。換句話說(shuō)脉幢，你處理了很多數(shù)據(jù)并從中學(xué)習(xí)藕畔。
這正是機(jī)器學(xué)習(xí)的理念琼富。給算法(而不是你的大腦)輸入大量數(shù)據(jù)，讓它把事情弄清楚娜搂。它包含了在大數(shù)據(jù)分析和數(shù)據(jù)挖掘中會(huì)遇到的許多類型的程序漠秋。說(shuō)到底懈息，驅(qū)動(dòng)大多數(shù)預(yù)測(cè)程序(包括垃圾郵件過(guò)濾器、產(chǎn)品推薦和欺詐檢測(cè)器)的“大腦”實(shí)際上是機(jī)器學(xué)習(xí)算法咨跌。給算法輸入大量關(guān)于金融交易的數(shù)據(jù)沪么，告訴它哪些是欺詐行為，讓它找出哪些是欺詐行為锌半，從而預(yù)測(cè)未來(lái)的欺詐行為禽车。或者給它提供關(guān)于你的客戶群的信息刊殉，讓它找出最好的細(xì)分方法殉摔。
數(shù)據(jù)科學(xué)家可以使用一系列技術(shù)和語(yǔ)言編寫機(jī)器學(xué)習(xí)算法，包括Java冗澈、Python钦勘、Scala等。他們也可以使用預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)框架來(lái)加速這個(gè)過(guò)程亚亲。
隨著這些算法的發(fā)展，它們可以解決很多問(wèn)題腐缤。但有些人類覺(jué)得簡(jiǎn)單的東西(比如語(yǔ)音或手寫識(shí)別)對(duì)機(jī)器來(lái)說(shuō)仍然很困難捌归。然而，如果機(jī)器學(xué)習(xí)是模仿人類的學(xué)習(xí)方式岭粤，為什么不直接模仿人類的大腦呢惜索？這就是神經(jīng)網(wǎng)絡(luò)背后的理念。
使用人工神經(jīng)元(由突觸連接的神經(jīng)元是大腦中的主要元素)的想法已經(jīng)存在了一段時(shí)間剃浇。軟件模擬的神經(jīng)網(wǎng)絡(luò)開(kāi)始被用于解決某些問(wèn)題巾兆。它們顯示出了很大的潛力，能夠解決一些其他算法無(wú)法解決的復(fù)雜問(wèn)題虎囚。
但機(jī)器學(xué)習(xí)仍然被困在連許多小學(xué)孩子們都可以輕松解決的問(wèn)題上角塑，比如：這張照片里有多少只是狗，多少是狼淘讥？如何分辨生香蕉和熟香蕉圃伶？是什么讓書中的這個(gè)角色哭得這么厲害?
事實(shí)證明，這個(gè)問(wèn)題與機(jī)器學(xué)習(xí)的概念無(wú)關(guān)蒲列，甚至還有模仿人類大腦的想法窒朋。只是簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，有100甚至1000個(gè)神經(jīng)元以相對(duì)簡(jiǎn)單的方式連接在一起蝗岖，只是無(wú)法復(fù)制人腦的功能侥猩。如果你仔細(xì)想想，應(yīng)該不會(huì)感到驚訝：人類大腦有大約860億個(gè)神經(jīng)元非常復(fù)雜的相互連接抵赢。
什么是深度學(xué)習(xí)?
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種形式欺劳，既可以使用監(jiān)督算法唧取，也可以使用非監(jiān)督算法，或者兩者兼而有之杰标。但是它使用包含更多神經(jīng)元兵怯、層次和互聯(lián)性的神經(jīng)網(wǎng)絡(luò)。我們離模擬人腦的復(fù)雜性還有很長(zhǎng)一段路要走腔剂，但我們正在朝著這個(gè)方向前進(jìn)媒区。
當(dāng)你讀到從自動(dòng)駕駛汽車到玩圍棋的超級(jí)計(jì)算機(jī)再到語(yǔ)音識(shí)別等計(jì)算機(jī)技術(shù)的進(jìn)步時(shí)，你就會(huì)發(fā)現(xiàn)這其實(shí)是一種隱藏的深度學(xué)習(xí)掸犬。你會(huì)體驗(yàn)到某種形式的人工智能袜漩。在幕后，人工智能是由某種形式的深度學(xué)習(xí)驅(qū)動(dòng)的湾碎。
讓我們來(lái)看幾個(gè)問(wèn)題宙攻，看看深度學(xué)習(xí)與簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)或其他形式的機(jī)器學(xué)習(xí)有何不同。
深度學(xué)習(xí)的原理
雖然深度學(xué)習(xí)并不一定是新事物介褥，但最近它作為一種加速解決某些類型的計(jì)算機(jī)難題的方法座掘，越來(lái)越受歡迎，尤其是在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理(NLP)領(lǐng)域柔滔。
如果我給你一些馬的圖像溢陪，你會(huì)認(rèn)出它們是馬，即使你從來(lái)沒(méi)有見(jiàn)過(guò)那個(gè)圖像睛廊。不管馬是躺在沙發(fā)上形真，還是在萬(wàn)圣節(jié)盛裝打扮得就像一只河馬。你能認(rèn)出這是一匹馬超全，是因?yàn)槟阒蓝x一匹馬的各種要素:它的口鼻形狀咆霜、腿的數(shù)量和位置等等。
深度學(xué)習(xí)可以做到這一點(diǎn)嘶朱。通過(guò)分層學(xué)習(xí)過(guò)程將高級(jí)復(fù)雜抽象提取為數(shù)據(jù)來(lái)表示蛾坯，深度學(xué)習(xí)模型比標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)方法更快地產(chǎn)生結(jié)果。在簡(jiǎn)單的英語(yǔ)中见咒，深度學(xué)習(xí)模型將自己學(xué)習(xí)重要的特征偿衰，而不是要求數(shù)據(jù)科學(xué)家手動(dòng)選擇相關(guān)的特征，這對(duì)很多事情都很重要改览。包括自動(dòng)駕駛汽車下翎。在汽車決定下一步行動(dòng)之前，它需要知道周圍是什么宝当。它必須能夠識(shí)別人视事、自行車、其他車輛庆揩、路標(biāo)等等俐东。并在具有挑戰(zhàn)性的視覺(jué)環(huán)境中這樣做跌穗。然而標(biāo)準(zhǔn)的機(jī)器學(xué)習(xí)技術(shù)則無(wú)法做到這一點(diǎn)。
深度學(xué)習(xí)中的“深度”來(lái)自于構(gòu)建在深度學(xué)習(xí)模型中的許多層虏辫，這些模型通常是神經(jīng)網(wǎng)絡(luò)蚌吸。卷積神經(jīng)網(wǎng)絡(luò)(CNN)可以由很多很多層模型組成，其中每一層都以卷積方式從上一層獲取輸入砌庄、處理并輸出到下一層羹唠。
以自然語(yǔ)言處理為例，它如今被用于聊天機(jī)器人和智能手機(jī)語(yǔ)音助手娄昆。思考以下這句話佩微，并完成填空:
我出生在意大利，盡管我大部分時(shí)間生活在葡萄牙和巴西萌焰，我仍然說(shuō)可以說(shuō)一口流利的________哺眯。
希望你能發(fā)現(xiàn)最有可能的答案是意大利語(yǔ)(盡管你回答法語(yǔ)、希臘語(yǔ)扒俯、德語(yǔ)等好像都可以)奶卓。但是想想得出這個(gè)結(jié)論需要什么。
首先撼玄，你需要知道填空的單詞是一種語(yǔ)言寝杖。如果你能理解“我能說(shuō)一口流利的…”你就能確定。要得到答案是意大利語(yǔ)互纯，你必須回顧一下這句話并且不被文中的葡萄牙和巴西所迷惑】钠眩“我出生在意大利”意味著我在成長(zhǎng)過(guò)程中學(xué)習(xí)意大利語(yǔ)（根據(jù)維基百科留潦，有93%的可能性），因此你需要理解“出生”的含義辣往。 盡管”和“仍然”的組合清楚地表明我不是在說(shuō)葡萄牙語(yǔ)兔院，帶你回到意大利這個(gè)答案。所以意大利語(yǔ)是可能的答案站削。
想象一下你大腦中的神經(jīng)網(wǎng)絡(luò)發(fā)生了什么坊萝。比如“出生在意大利”和“盡管…任然”這樣的事實(shí)是你大腦的其他部分在你做事情的時(shí)候的輸入。這一概念通過(guò)復(fù)雜的反饋回路被引入到深度神經(jīng)網(wǎng)絡(luò)中许起。
結(jié)論
所以希望本文開(kāi)頭的第一個(gè)定義能夠解釋得通十偶。人工智能指的是在某種程度上顯示出類似人類智能的設(shè)備。AI有很多技術(shù)园细，但其中一個(gè)很大的子集是機(jī)器學(xué)習(xí)——讓算法從數(shù)據(jù)中學(xué)習(xí)惦积。最后，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集猛频，使用多層神經(jīng)網(wǎng)絡(luò)來(lái)解決最難的問(wèn)題狮崩。
