現(xiàn)在人工智能AI非常火，其中理論繁多，以機器學(xué)習(xí)最為火爆，但是人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)到底有什么關(guān)系和區(qū)別？下面讓我們一一給大家解釋一下！
人工智能是電腦擬人操作的一個統(tǒng)稱。據(jù)一些文獻(xiàn)記載1956 年在夏季達(dá)特茅斯會議上聚提出并定義人工智能！由計算機構(gòu)建具有人類智力和行為特征的機器。這是「通用人工智能（General AI）」的概念！人工智能設(shè)計的數(shù)學(xué)算法包括，最小二乘法，決策樹，支持向量機等。人工智能現(xiàn)在最熱門的算法應(yīng)該就是機器學(xué)習(xí)了。吳恩達(dá)等行業(yè)領(lǐng)袖也從實踐總結(jié)得經(jīng)驗驗證了機器學(xué)習(xí)以及其中深度學(xué)習(xí)是人工智能領(lǐng)域中最實用得算法。
機器學(xué)習(xí)(ML)是 人工智能(AI)的子集，涵蓋一切有關(guān)數(shù)據(jù)訓(xùn)練的學(xué)習(xí)算法研究。多年來發(fā)展的一整套成熟技術(shù)，機器學(xué)習(xí)算法包括：
決策樹學(xué)習(xí)（decision tree learning）、歸納邏輯編程（inductive logic programming）。其他的也有聚類（clustering）、強化學(xué)習(xí)（reinforcement learning）和貝葉斯網(wǎng)絡(luò)（Bayesian networks），人工神經(jīng)網(wǎng)絡(luò)（ANN）等。
機器學(xué)習(xí)可以指定需要學(xué)習(xí)圖片的部位或者特征，進行指導(dǎo)學(xué)習(xí)。并且因為算法眾多，也可以進行快速學(xué)習(xí)。
機器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法可以設(shè)計成兩層神經(jīng)網(wǎng)絡(luò)，三層神經(jīng)網(wǎng)絡(luò)，一直到十幾層的神經(jīng)網(wǎng)絡(luò)。這種具備多層隱藏層的神經(jīng)元網(wǎng)絡(luò)就叫深層神經(jīng)網(wǎng)絡(luò)或深度神經(jīng)網(wǎng)絡(luò)，也就是深度學(xué)習(xí)。
上圖就是深度網(wǎng)絡(luò)的一個簡單示例。不同網(wǎng)絡(luò)具備物體的不同特征，每一個網(wǎng)絡(luò)由前一個網(wǎng)絡(luò)構(gòu)成，比如第一層是點，第二層網(wǎng)絡(luò)構(gòu)成了線，第三層構(gòu)成了角和面。網(wǎng)絡(luò)越多細(xì)節(jié)越多，但是這些細(xì)節(jié)，人工是不能干預(yù)的。
人工智能最熱門得研究領(lǐng)域就是機器學(xué)習(xí)。但是人工智能不僅僅包括機器學(xué)習(xí)，并且人工智能也需要大量硬件基礎(chǔ)。
我們主要談?wù)剻C器學(xué)習(xí)和深度學(xué)習(xí)得區(qū)別。
簡單得說深度學(xué)習(xí)是機器學(xué)習(xí)得一個子集。但是不同適用方面，有哪些具體得區(qū)別呢？我們可以看看下面兩張圖.
當(dāng)你有大量得數(shù)據(jù)，和很好得硬件時候。你可以選擇深度學(xué)習(xí)得到更好得結(jié)果。反之，如果你硬件需要低功耗并且低成本，數(shù)據(jù)量也不是很大，選擇機器學(xué)習(xí)得其他算法將得到比深度學(xué)習(xí)更好得結(jié)果。
最后總結(jié)了這張表格，我再用中文描述一下，
訓(xùn)練用得數(shù)據(jù)集： 機器學(xué)習(xí)需要得可以小 深度學(xué)習(xí)需要很大
是否可以人工干預(yù)特征： 機器學(xué)習(xí)可以干預(yù) 深度學(xué)習(xí)不可以
訓(xùn)練的時間： 機器學(xué)習(xí)的需要多 深度學(xué)習(xí)的需要少
最后用一句話說一下，人工智能最熱門領(lǐng)域就是機器學(xué)習(xí)，而機器學(xué)習(xí)里面研究人數(shù)最多案例最多的就是深度學(xué)習(xí)。它們以此為子集。
昂鈦客AI專注人工智能社群，可以關(guān)注我們頭條號，也歡迎訪問我們網(wǎng)站:http://www.angtk.com
