Google|人工智能vs機(jī)器學(xué)習(xí)vs深度學(xué)習(xí) 谷歌pixel

文章圖片

如今，人工智能 (AI)、機(jī)器學(xué)習(xí) (ML) 和深度學(xué)習(xí) (DL) 術(shù)語變得非常普遍。它們通常可以互換使用，尤其是在處理大數(shù)據(jù)、分析以及搜索和索引時。盡管這三個術(shù)語非常相關(guān) ，但它們并不是一回事。
在今天的故事中，我們將向您解釋什么是 AI、ML 和 DL ，以及它們之間的區(qū)別。
人工智能AI 是計算機(jī)科學(xué)的分支，由 John McCarthy 于 1956 年首次提出。計算機(jī)通常執(zhí)行我們命令的任務(wù) 。然而，人工智能是一種構(gòu)建機(jī)器或軟件的方式，它可以像人類一樣智能思考和自我執(zhí)行。這包括理解語言、識別聲音和視覺、學(xué)習(xí)、計劃和解決問題等。
例如，傳統(tǒng)程序只能回答特定問題，但人工智能程序可以回答一般問題。
有四種類型的人工智能——

Completely Reactive：基本類型，無法得出結(jié)論。示例——谷歌的 AlphaGo、IBM 的 DeepBlue
記憶力有限：可以做出正確的決定并采取行動。示例——聊天機(jī)器人、自動駕駛汽車
心智理論：能夠理解思想、情緒和社交互動。 — 尚未建成*
自我意識：可以形成關(guān)于自己的表征，意識到自我狀態(tài) ，并且可以預(yù)測他人的感受。 –尚未建成*

雖然第三種和第四種機(jī)器并不真正存在，但它們在科幻電影中得到了展示，例如《星球大戰(zhàn)》的 R2D2（3 型）和《機(jī)械姬》的 Eva（4 型）。

人工學(xué)習(xí)
機(jī)器學(xué)習(xí)ML 是 AI 的一個子集，它為系統(tǒng)提供了學(xué)習(xí)、行動和從經(jīng)驗中改進(jìn)的能力，而無需明確編程。因此， ML 不是用特定指令明確編寫所有方法來完成特定任務(wù) ，而是一種訓(xùn)練程序的技術(shù) ，以便它可以從過去的經(jīng)驗中學(xué)習(xí) 。在這里，訓(xùn)練是指向程序提供大量數(shù)據(jù) ，并讓程序自行配置和改進(jìn) 。
例如，如果您向 ML 算法提供數(shù)千張貓圖片，它將開始識別貓的長相——它們的身高、顏色、臉型等。最終，它可以識別并自動標(biāo)記圖片中的貓。一旦準(zhǔn)確度足夠高，該算法就可以準(zhǔn)確地分辨出貓的樣子。
【Google|人工智能vs機(jī)器學(xué)習(xí)vs深度學(xué)習(xí)】機(jī)器學(xué)習(xí)的類型：

監(jiān)督：使機(jī)器通過具有定義輸出的數(shù)據(jù)進(jìn)行顯式學(xué)習(xí) 。
無監(jiān)督：機(jī)器理解數(shù)據(jù)（模式/結(jié)構(gòu)）并從數(shù)據(jù)集中進(jìn)行推斷。
強(qiáng)化：一種人工智能方法，從正面和負(fù)面強(qiáng)化中學(xué)習(xí) ，并獎勵積極的結(jié)果。

深度學(xué)習(xí)
機(jī)器學(xué)習(xí)
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子領(lǐng)域，它是處理受人腦結(jié)構(gòu)和功能或許多神經(jīng)元互連啟發(fā)的算法。這些算法被稱為模擬大腦生物結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò) (ANN) 。
神經(jīng)元具有離散的層和與其他神經(jīng)元的連接。可以將這些層可視化為相關(guān)概念或決策樹的嵌套層次結(jié)構(gòu) 。每一層都能夠選擇一個特定的特征來學(xué)習(xí)或遵循特定的路徑。深度是由多層構(gòu)建的——網(wǎng)絡(luò)的層數(shù)越多，它就越深/復(fù)雜。
為了得到良好的訓(xùn)練，深度學(xué)習(xí)網(wǎng)絡(luò)需要大量的項目。系統(tǒng)不是為定義項目的每個邊編寫代碼，而是從數(shù)百萬個數(shù)據(jù)點的暴露中學(xué)習(xí) 。
谷歌大腦是深度學(xué)習(xí)在獲取超過一千萬圖像樣本后識別貓的完美示例。這些網(wǎng)絡(luò)不需要使用定義項目的特定標(biāo)準(zhǔn)進(jìn)行編碼；他們可以在接觸大量樣本后識別邊緣。