![cover](https://img-blog.csdnimg.cn/img_convert/77fcfea2a41749d7867f62f0e98b01ca.png)
机器学习-1:人工智能、机器学习和深度学习的关系
而且有时候通过机器归纳出来的。
人工智能(AI)
简单理解,任何一种事物只要具备了一定的智能就可以把它归类为人工智能。
官方定义:"AI is the field that sdudies the synthesis and analysis of computational agents that act intelligently."
其中,“computational agents”指用来计算的机器;“act intelligently”机器可以聪明、智慧地去行动。
即:AI是一个研究分析具有一定智能的机器的领域,该机器可以聪明的做一些事情。
其他维度:“AI are systems that Think like humans, Think rationally, Act like humans, Act rationally.”
从四个维度定义,首先AI是一个系统,这个系统可以像人类一样思考,具有一定理性思考能力(理性是机器的特长),像人类一样做一些智能行为并做一些事情,理性行动。
如果发现一个系统符合者四个标准,就可以认为该系统为AI系统。
AI领域分为两大类:限制领域AI(Narrow AI)和通用AI(General AI)。限制领域AI指某一个特定场景下的AI,关注的问题都是某一个特定场景下的某一类特定问题,如广告推荐系统、园区导航系统、医疗智能问答等;通用AI指让AI做任何事情,类似人类一样,做各种各样的思考,完成各种事情。
目前的AI系统不足以让AI完成各种事情,AI能解决的问题一定是限制在某个领域的,且几十年内很难见到通用AI,所以现阶段主要关注限制领域AI。
所以当提出一个解决方案的时候,把注意力放在限制领域AI上;在实际项目中,要把问题范围定义好认清技术的边界,做好范围管理,严格杜绝范围蔓延和项目镀金等行为。
机器学习
机器学习是解决人工智能问题的关键的、最核心的技术,比如推荐系统、无人驾驶、人脸识别等应用都要依赖机器学习技术。
“机器学习”即我们希望让机器像人了一样拥有一些自主学习的能力。例如:给小孩儿讲这是一只小猫,他会从大脑中自动刻画小猫的样子(具体刻画了哪些,都不得而知),自动学出一个规律并记录下来,下次再看到小猫时就能准确的识别出来。我们希望机器也能像人类学习的过程一样,具有这种能力。
官方定义:“Field of study that gives computers the ablility to learn without being explicitly programmed.”
其中,关键是在不需要做任何特定编程情况下,有能力去学习。即希望给机器一种能力,就是不需要特定编程的情况下自己学习的能力,且这种能力(比如识别出苹果)不是我告诉机器的,是机器自己学习到的。
机器学习的核心是,从数据中自动学出规律,而不是一个人拍脑袋想出来的,可以简单理解为归纳总结,而且有时候通过机器归纳出来的规律可能很多是我们之前都没有想到的。
机器学习典型流程:将训练数据输入给机器学习模型,模型可以得出一个算法,识别出物体的特性,模型学习完成后这个模型可以识别测试数据,给出某个分类的概率。
深度学习
官方定义:“Deep Learning is a subfield of machine learning concerned with algorithms inspired by the structure and function of the brain called artificial neural networks.”
深度学习是机器学习的一个分支,机器学习包含深度学习。
深度学习是一个算法,该算法设计上受到了人对大脑的认知(神经元)的启发,我们希望能设计出一个类似于人类大脑的模型出来。神经科学的发展会推动深度学习的发展,但目前的深度学习跟人类大脑关系不大,因为我们对大脑的实际运行机理还不很了解。
深度学习不是一个特定的模型而是一个框架或方法论,该框架可以囊括很多模型。深度学习里的关键词是“深”或者“Deep",所以它的特点就是比较深,那这个”深“应该如何去理解呢?
简单讲,深度可以理解成我们把很多简单的模型叠加在了一起,这自然就能得到一个有深度的模型。比如我们把一个神经网络叠加成多层结构的时候,得到的是深度神经网络; 把一个高斯混合模型叠加在一起的时候就得到了深度高斯混合模型; 把SVM叠加在一起的时候就得到了深度SVM模型。由此可见,这样的一个框架可以应用在很多不同种类的模型上。
那把一个模型叠加在一起弄成深度学习模型有什么好处?
好处很多,比如这样的模型会有更强大的表达能力(capacity), 具备层次表示能力(hierarhical representation), 具有全局泛化能力(global generalization),迁移学习能力(transfer learning)等。这里的每一个点具体代表意思先不用关心留个印象,有机会在深度学习里了解。
人工智能,机器学习,深度学习的关系
如上图,人工智能是最大的范畴,只要涉及到智能的东西,都可以归类为人工智能。
机器学习是人工智能领域最核心的技术,很多的AI应用是要利用机器学习技术来解决的,可见其重要性。
深度学习是属于机器学习的范畴,很多设计理念来自于对神经科学的认知。
以上是三者的关系,随着技术的发展深度学习在很多领域是强于传统机器学习的,其在机器学习中的比重越来越大,所以逐渐机器学习可以分为两大类,深度学习和非深度学习。
![](https://img-blog.csdnimg.cn/direct/67c64049147741939b85489caefbb597.png)
喜欢的朋友记得点赞、收藏、关注哦!!!
更多推荐
所有评论(0)