什么是人工智能?人工智能、机器学习、深度学习三者之间有什么关系吗?
今天和大家一起探讨三者和三者之间的关系,
1. 人工智能
先从概念上捋一下,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能分两种:一种是强人工智能,一种是弱人工智能。
强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器,这样的机器有“自我意识”,跟人类的意识一样或者完全不一样。
弱人工智能相对于强人工智能,只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。目前主流科研集中在弱人工智能上。
2. 机器学习
机器学习(Machine Learning) 是人工智能的核心,属于人工智能的一个分支,是一门多领域交叉学科。其模型包括神经网络、决策树、支持向量机、聚类等。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。下图简单做个机器学习与人类思考的对比。

3.深度学习(Deep Learning)则是一种实现机器学习的方法,是由机器学习模型中神经网络模型而发展壮大的一个算法领域。它使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。 其目的在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如:
1)声音:主要针对语音识别、语音合成、语音模拟等。
2)文本:包含自然语言处理、自然语言生成等。
3)图像:针对计算机视觉领域,包括图像分类、图像目标检测、图像语义分割等。
4)时间序列:主要在数据传感、关联事件分析等细分领域。
5)视频:主要在视频内容理解,智能视频广告等领域。

4.三者的关系与区别:
主流观点中,人工智能、机器学习、深度学习三者的关系如下图所示。人工智能是最早出现的,其次是机器学习,最内部是深度学习,也是当今人工智能大爆炸的核心驱动。

5.人工智能涉及的面非常的复杂和广泛,如比较流行的物联网、大数据、云计算、算法、数据发掘等等都与其有关联,而且都不会离开数据(结构化/半结构化/非结构化)而单独存在。同时,涉及到数据,其又会涉及到数据的存储、数据的安全以及数据的使用等等,其实以上所有都是相辅相成,循序渐进的在发展。
举例几个人工智能的应用场景:无人驾驶汽车、人脸识别、机器翻译、声纹识别、智能客服机器人、智能外呼机器人、智能音箱、个性化推荐、医学图像处理、图像搜索等。
欢迎大家和我一起讨论前沿科技知识。欢迎关注,欢迎讨论。
相关推荐
Tensorflow笔记1_概述
一:基本概述 1.什么是人工智能 2.什么是机器学习 3.什么是深度学习 4.人工智能vs机器学习vs深度学习 二:神经网络的发展历史(三起两落) 三:机器学习的典型应用 四:课程小结
深度学习概念与人工智能技术之间关系 及机器学习与深度学习区别
AI技术主要包括 机器学习,表征学习(特征学习),深度学习等 AI技术包含关系 上图为人工智能技术的包含关系 可见AI包括机器学习(machine learning),机器学习又包括表征学习(representation learning),深度学习(Deep Learning)又是表征学习的一种 AI系统的不同部分 上图可见 基于规则的系统(Rule-based systems):输入数据 通过手写规则的程序 得到输出 经典机器学习:输入 通过设计的特征提取 利用特征进行匹配 得到输出 表征学习:相对于经典机器学习,将手写特征提取,改为机器对特征进行学习 深度学习:输入 提取到简单的特征
AI、ML与DL关系解析[源码]
本文详细阐述了人工智能(AI)、机器学习(ML)和深度学习(DL)的基本概念及其相互关系。AI是计算机科学的分支,旨在模拟人类智能;ML是实现AI的核心方法,通过数据驱动让系统自动学习;DL则是ML的前沿分支,利用多层神经网络进行特征提取。三者呈层次结构(AI > ML > DL),深度学习近年来的突破极大推动了AI的发展。文章还探讨了AI大模型的应用场景和职业机会,并提供了学习资源。
AI、ML与DL关系解析[项目源码]
本文详细解析了人工智能(AI)、机器学习(ML)和深度学习(DL)之间的关系及其核心概念。AI是一个广泛的领域,包含机器学习;机器学习是AI的子领域,专注于通过数据学习;深度学习则是机器学习的前沿技术,使用深度神经网络实现学习。文章通过图文结合的方式,分别介绍了AI、ML和DL的定义、特点及其应用场景,并提供了学习AI大模型的路线图、视频教程、技术文档和面试题等资源,帮助读者系统掌握大模型技术及其实际应用。
人工智能(AI)与机器学习(ML)与深度学习(DL).docx
人工智能(AI)与机器学习(ML)与深度学习(DL).docx


