人工智能(AI)、機器學(xué)習(xí)(ML)和深度學(xué)習(xí)(DL)是經(jīng)常相互重疊且容易混淆的術(shù)語。今天，讓我們詳細(xì)討論這三個方面，并詳細(xì)介紹它們的應(yīng)用和用途。

人工智能

你是否注意到過我們?nèi)绾屋p松地計算周圍的環(huán)境并不斷從過去的經(jīng)驗中學(xué)習(xí)?簡言之，人工智能(AI)是一種向計算機傳授相同事物的方法。

人工智能用于構(gòu)建可以預(yù)測人類行為并在人類基礎(chǔ)上采取行動的工具、代理、自動程序和機器人。特斯拉的自動駕駛汽車、亞馬遜的Alexa和Siri都是人工智能的例子。

AI具有三個不同的級別：

首先，弱人工智能(ANI)是我們迄今為止成功完成的唯一一種人工智能。 ANI(Artificial Narrow Intelligence)被設(shè)計為執(zhí)行單個任務(wù)并且以目標(biāo)為導(dǎo)向。 ANI非常有能力完成其編程要完成的特定任務(wù)。 ANI的一些示例是語音助手、面部識別或駕駛汽車。

其次，通用人工智能(AGI)是具有通用智能的機器的概念，機器可以模仿人類的智能和行為，并具有從數(shù)據(jù)中學(xué)習(xí)并應(yīng)用其智能來解決任何問題的能力。人工通用情報可以在任何給定情況下以類似于人類的方式思考、理解和行動。

超級人工超智能(ASI)是機器可以變得自我意識并超越人類能力和智能的假想。實際上，我們離現(xiàn)實生活中實現(xiàn)這種形式的AI還很遙遠(yuǎn)。

機器學(xué)習(xí)

人工智能是模仿人類能力的概念，而機器學(xué)習(xí)是人工智能的子集，它教機器從先前的結(jié)果中學(xué)習(xí)。

機器學(xué)習(xí)模型會尋找數(shù)據(jù)中的模式，并根據(jù)先前的結(jié)果和數(shù)據(jù)來嘗試得出你或我的結(jié)論。一旦算法真正擅長得出結(jié)果，它就會開始將知識應(yīng)用于新數(shù)據(jù)集并不斷改進(jìn)。

簡而言之，人工智能是計算機復(fù)制人類行為的科學(xué)，而機器學(xué)習(xí)是機器如何從數(shù)據(jù)中學(xué)習(xí)的背后方法。

機器學(xué)習(xí)的類型

監(jiān)督學(xué)習(xí)是指將大量標(biāo)記數(shù)據(jù)饋送到算法中，并且還定義了算法需要評估相關(guān)性的變量。但是，監(jiān)督學(xué)習(xí)需要大量的數(shù)據(jù)來完成任務(wù)。

無監(jiān)督學(xué)習(xí)可以幫助算法查找沒有標(biāo)簽響應(yīng)的模式和數(shù)據(jù)集。你可能會使用此技術(shù)來瀏覽數(shù)據(jù)，但還沒有特定的目標(biāo)。該算法將掃描數(shù)據(jù)集，并根據(jù)它們共享的特征開始將數(shù)據(jù)分為幾組。

有監(jiān)督和無監(jiān)督學(xué)習(xí)的混合稱為半監(jiān)督學(xué)習(xí)。在半監(jiān)督學(xué)習(xí)中，大多數(shù)標(biāo)記數(shù)據(jù)被饋送到算法中，但是該模型可以自由探索和發(fā)展自己對數(shù)據(jù)集的理解。

強化學(xué)習(xí)正在教會機器使用明確定義的規(guī)則完成多步驟過程。該算法沿途做出自己的決定，并對其采取的行動獲得獎勵或懲罰

深度學(xué)習(xí)

毫不夸張地說，深度學(xué)習(xí)是一種用于實現(xiàn)機器學(xué)習(xí)的技術(shù)。深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集，它使用深度神經(jīng)網(wǎng)絡(luò)并模仿大腦中的神經(jīng)元網(wǎng)絡(luò)，并允許機器在沒有人類幫助的情況下做出準(zhǔn)確的決策。

但是，深度學(xué)習(xí)有時被視為機器學(xué)習(xí)的發(fā)展。模型的深度由其具有的層數(shù)表示。深度學(xué)習(xí)是人工智能領(lǐng)域的最新技術(shù)。在深度學(xué)習(xí)中，訓(xùn)練是通過神經(jīng)網(wǎng)絡(luò)完成的。

深度學(xué)習(xí)已在人工智能中實現(xiàn)了許多實際應(yīng)用。無人駕駛汽車，更好的醫(yī)療保健，甚至更好的產(chǎn)品推薦都在今天或即將出現(xiàn)。