人工智能、机器学习、深度学习之间究竟是什么关系

栏目:教育 来源:厦门视窗 时间:2019-10-09

聊城博天网络科技有限公司成立于2005年,是聊城高新技术企业!

企业使命:

做移动互联网开发,运维,营销先驱者,助敢于颠覆者前行

企业精神:

专业  创新  高效  诚信 

网址:http://www.lcbotian.com

电话:13869526210(微信同号)


人工智能时代已经到来。

超多维所布局的智能计算视觉技术体系,对人工智能领域聚焦于视觉层面的改变和颠覆。随着人工智能热度的不断提升,人工智能、机器学习和深度学习频频被提及。今天我们就从行业内的主流观点出发,浅析一下三者的区别与联系。

关于人工智能

人工智能是研究、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。

人工智能现阶段分为弱人工智能和强人工智能。

强人工智能:强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(Problem_solving)的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。强人工智能可以有两类: 类人的人工智能,即机器的思考和推理就像人的思维一样; 非类人的人工智能,即机器产生了和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。

弱人工智能:弱人工智能观点认为不可能制造出能真正地推理(Reasoning)和解决问题(Problem-solving)的智能机器,这些机器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。 主流科研集中在弱人工智能上,并且一般认为这一研究领域已经取得可观的成就。

实际上,当下科技能实现的人工智能都是弱AI人工智能(奥创那种才是强AI),弱人工智能如今不断地迅猛发展,而强人工智能则暂时处于瓶颈。

关于机器学习

机器学习(Machine Learning)是一门多领域交叉学科,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。

机器学习速查表Scikit-learn Algorithm Cheat Sheet

机器学习可以分成下面几种类别:

监督学习从给定的训练数据集中学习出一个函数,当新的数据到来时,可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出,也可以说是特征和目标。训练数据中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。


无监督学习与监督学习相比,训练集没有人为标注的结果。常见的无监督学习算法有聚类。


半监督学习介于监督学习与无监督学习之间。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。

增强学习通过观察来学习做成如何的动作。每个动作都会对环境有所影响,学习对象根据观察到的周围环境的反馈来做出判断。

机器学习最主要的应用领域有:专家系统、认知模拟、规划和问题求解、数据挖掘、网络信息服务、图象识别、故障诊断、自然语言理解、机器人和博弈等。

关于深度学习

深度学习(Deep Learning)是机器学习的一种方法,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。 其动机在于建立、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,例如图像,声音和文本。

深度学习的过程分为训练和推理(即“评估”)两个过程,通过训练过程来获得数据模型,然后用于评估新的数据。

神经网络是一组大致模仿人类大脑构造设计的算法,用于识别模式。神经网络通过机器感知系统解释传感器数据,能够对原始输入进行标记或聚类等操作。神经网络所能识别的模式是数值形式,因此图像、声音、文本、时间序列等一切现实世界的数据必须转换为数值。

在深度学习网络中,每一个节点层在前一层输出的基础上学习识别一组特定的特征。随着神经网络深度增加,节点所能识别的特征也就越来越复杂,因为每一层会整合并重组前一层的特征。举个例子,一个神经网络如何判定一个图片是不是一条狗:

可以看出,经过一系列训练之后,在系统中输入狗的图片,通过深层神经网络对狗的底层特征进行抽象、推理(评估),最后输出该图片是狗的概率为90%。

三者的区别与联系

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,也是最大、最外侧的同心圆,其次是机器学习,最内侧是深度学习,也是当今人工智能大爆炸的核心驱动。

其中,人工智能(AI)是一个最广泛的概念,人工智能的目的就是让计算机能够像人一样思考。

机器学习(Machine Learning)是人工智能的分支,它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。

深度学习(Deep Learning)是机器学习研究中的一个新领域,推动了机器学习的发展,并拓展了人工智能的领域范围。甚至有观点认为,深度学习可能就是实现未来强AI的突破口。


全新机遇,抢占风口,小程序的巨大商机

热线:13869526210(微信同号)


相关文章
评论
新版评论功能开发中
头条推荐
最新资讯