|
提到人工智能,，很多工程師就會想到機器學習、神經網絡或者深度學習,。這幾個概念有一定的區(qū)別,，也有一定的關系。 人工智能（Artificial Intelligence）,，簡單地說,，就是希望計算機能夠像人類一樣完成更多智能的工作，比如汽車自動駕駛,。畢竟,，一些人類通過直覺可以很快解決的問題，目前卻很難通過計算機解決,。這些問題包括自然語言理解,、圖像識別、語音識別等[1],，而它們就是人工智能需要解決的問題,。可見,，人工智能是目的,。機器學習（Machine Learning）,，這里引用卡內基梅隆大學（Carnegie Mellon University）的Tom Michael Mitchell教授在1997年出版的書籍Machine Learning中的定義：“如果一個程序可以在任務T上，隨著經驗E的增加,，效果P也可以隨之增加,，則稱這個程序可以從經驗中學習”。以垃圾郵件分類問題為例,，“一個程序”指的是機器學習算法,，比如邏輯回歸算法；“任務T”是指區(qū)分垃圾郵件的任務,；“經驗E”為已經區(qū)分過是否為垃圾郵件的歷史郵件,，在監(jiān)督式機器學習問題中，這也被稱之為訓練數據,；“效果P”為機器學習算法在區(qū)分是否為垃圾郵件任務上的正確率,。同時，這里的“程序”和傳統(tǒng)的程序有著很大的區(qū)別,。傳統(tǒng)的程序,，根據給定規(guī)則處理數據，從而獲得期望結果,；這里的“程序”則是根據給定數據以及目標結果獲得兩者之間的關系規(guī)則,，進而，可將學習得到的規(guī)則應用于新的數據中,。
深度學習（Deep Learning）是機器學習的一個分支,，它除了可以學習特征和任務之間的關聯外，還能自動從數據中提取更加復雜的特征,，學習更加復雜的特征表達,。這里引用維基百科對深度學習的精確定義“一類通過多層非線性變化對高復雜性數據建模算法的合集”。因為深層神經網絡是實現“多層非線性變換”最常用的一種方法,，所以在實踐中基本上可以認為深度學習就是深層神經網絡的代名詞,。從維基百科給出的定義可以看出，深度學習有兩個非常重要的特征：多層和非線性,。所以,，人工智能是追求目標，機器學習是實現手段,，神經網絡,、深度學習都只是其中一種方法。
文 | Lauren 圖 | Lauren Copyright @ Lauren的FPGA
|
