人工智能、机器学习和深度学习之间的差异

ASP站长网我们都熟悉“人工智能”这个词。毕竟，它一直是《终结者》、《黑客帝国》和《机械姬》(我个人的最爱)等电影的热门焦点。但是您最近可能听说过其他术语，例如“机器学习”和“深度学习”，有时可以与人工智能互换使用。因此，人工智能、机器学习和深度学习之间的区别可能非常不清楚。
 
我将首先快速解释人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 的实际含义以及它们的不同之处。然后，我将分享 AI 和物联网如何密不可分地交织在一起，几项技术进步同时融合在一起，为 AI 和物联网的爆发奠定了基础。
 
那么 AI、ML 和 DL 之间有什么区别呢?
人工智能、机器学习和深度学习之间的区别
人工智能于1956年由约翰麦卡锡首次创造，它涉及可以执行人类智能特征任务的机器。虽然这很笼统，但它包括计划、理解语言、识别物体和声音、学习和解决问题等。
 
我们可以把人工智能分为两类，一般的和狭义的。通用人工智能将具有人类智能的所有特征，包括上述能力。狭义人工智能展示了人类智能的某些方面，并且可以非常好地完成这方面的工作，但在其他领域则有所欠缺。一台擅长识别图像但仅此而已的机器将是狭义人工智能的一个例子。
 
从本质上讲，机器学习只是实现人工智能的一种方式。
 
亚瑟·塞缪尔 (Arthur Samuel) 于1959年在人工智能出现后不久创造了这个短语，将其定义为“无需明确编程即可学习的能力”。你看，你可以在不使用机器学习的情况下获得人工智能，但这需要构建数百万行具有复杂规则和决策树的代码。
 
因此，机器学习不是使用特定指令来完成特定任务的硬编码软件例程，而是一种“训练”算法以便它可以学习如何学习的方式。“训练”涉及向算法提供大量数据，并允许算法进行自我调整和改进。
 
举个例子，机器学习已被用于对计算机视觉(机器识别图像或视频中的对象的能力)进行重大改进。您收集了数十万甚至数百万张图片，然后让人类标记它们。例如，人类可能会标记有猫的图片与没有猫的图片。然后，该算法尝试构建一个模型，该模型可以准确地将图片标记为包含猫或不包含人类。一旦准确率足够高，机器现在就“学习”了一只猫的样子。
 
深度学习是机器学习的众多方法之一。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大脑的结构和功能，即许多神经元的互连。人工神经网络 (ANN) 是模拟大脑生物结构的算法。
 
在ANN中，存在具有离散层和与其他“神经元”连接的“神经元”。每层挑选一个特定的特征来学习，例如图像识别中的曲线/边缘。正是这种分层赋予了深度学习的名称，深度是通过使用多个层而不是单个层来创建的。