“人工智能”這個術(shù)語大家都比較熟悉。畢竟，它一直是電影中的熱門焦點(diǎn)，例如“終結(jié)者”、“黑客帝國”等等。 但您最近可能還聽說過其他術(shù)語，如“機(jī)器學(xué)習(xí)”和“深度學(xué)習(xí)”，有時(shí)它們與“人工智能”交替使用。結(jié)果，人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的區(qū)別可能非常不明確。

接下來，我將簡單介紹人工智能（AI）、機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）的實(shí)際意義以及它們的不同之處。

那么AI、ML和DL有什么區(qū)別？

AI于1956年首先由John McCarthy創(chuàng)造，它涉及能夠執(zhí)行人類智能特征任務(wù)的機(jī)器。 雖然這有點(diǎn)籠統(tǒng)，但它包括規(guī)劃、理解語言、識別物體和聲音、學(xué)習(xí)和解決問題等內(nèi)容。

我們可以將人工智能分為兩大類：廣義和狹義。廣義AI將具有人類智能的所有特征，包括上面提到的能力。 狹義的AI則展現(xiàn)人類智慧的一些方面，并且可以很好地完成這一特征，但在其他領(lǐng)域缺乏相關(guān)能力。一臺非常擅長識別圖像的機(jī)器，但別無他用，這是狹義AI的一個例子。

本質(zhì)上機(jī)器學(xué)習(xí)只是實(shí)現(xiàn)人工智能的一種途徑。

亞瑟。塞繆爾（Arthur Samuel）在1959年創(chuàng)造人工智能后不久就創(chuàng)造了這個短語，將其定義為“無需明確編程就能具備的學(xué)習(xí)能力”。你可以在不使用機(jī)器學(xué)習(xí)的情況下獲得人工智能，但是這需要建立數(shù)百萬行具有復(fù)雜規(guī)則和決策樹的代碼。

因此，機(jī)器學(xué)習(xí)不是硬編碼特定指令來完成特定任務(wù)的軟件程序，而是一種“訓(xùn)練”算法的方式，以便學(xué)習(xí)如何做。 “訓(xùn)練”涉及向算法提供大量數(shù)據(jù)，并允許算法自行調(diào)整并改進(jìn)。

舉個例子，機(jī)器學(xué)習(xí)已經(jīng)被用來大幅改進(jìn)計(jì)算機(jī)視覺（機(jī)器識別圖像或視頻中的物體的能力）。 你收集數(shù)十萬甚至數(shù)百萬張圖片，然后讓人類給他們加標(biāo)簽。例如，人類可能會標(biāo)記其中有貓的圖片。然后，該算法試圖建立一個模型，可以像人類那樣準(zhǔn)確地將圖片標(biāo)記為包含貓或不包含貓。 一旦準(zhǔn)確度足夠高，我們可以認(rèn)為機(jī)器現(xiàn)在已經(jīng)“學(xué)習(xí)”了貓的樣子。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的眾多方法之一。其他方法包括決策樹學(xué)習(xí)、歸納邏輯編程、聚類、強(qiáng)化學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)等。

深度學(xué)習(xí)受到大腦結(jié)構(gòu)和功能的啟發(fā)，即許多神經(jīng)元的相互連接。人工神經(jīng)網(wǎng)絡(luò)（ANN）是模擬大腦生物結(jié)構(gòu)的算法。

在人工神經(jīng)網(wǎng)絡(luò)中，有“神經(jīng)元”，它們與其他“神經(jīng)元”具有不連續(xù)的層和連接。每個圖層挑選一個特定的要學(xué)習(xí)的特征，例如圖像識別中的曲線/邊緣。正是這種層次才給了深度學(xué)習(xí)這個名字，深度是通過使用多層而不是單層創(chuàng)建的。