人工智能Artificial Intelligence（AI）、機器學習Machine Learning（ML）和深度學習Deep Learning（DL）通?？梢曰Q使用。但是，它們并不完全相同。人工智能是最廣泛的概念，它賦予機器模仿人類行為的能力。機器學習是將人工智能應用到系統(tǒng)或機器中，幫助其自我學習和不斷改進。最后，深度學習使用復雜的算法和深度神經(jīng)網(wǎng)絡來重復訓練特定的模型或模式。

讓我們看看每個術語的演變和歷程，以更好地理解人工智能、機器學習和深度學習實際指的是什么。

人工智能

自過去 70 多年以來，人工智能已經(jīng)取得了長足的進步。無論我們是否知道，也不管喜歡與否，，它已經(jīng)滲透到了我們生活的方方面面。在過去十年中，機器學習和深度學習的進步已經(jīng)在各種規(guī)模的行業(yè)和組織中創(chuàng)造了人工智能熱潮。云服務提供商通過開發(fā)免費的開源服務和提供新的場景進一步推動的這種勢頭。

Figure 1: Overview of AI, ML and DL

人工智能可能是自 1956 年以來最受關注的概念。到 2015 年，GPU 的廣泛使用使并行處理更快、更強大、更便宜。而愈加廉價的存儲可以大規(guī)模地存儲大數(shù)據(jù)（從純文本到圖像、映射等）。這產生了對數(shù)據(jù)分析的需求，它被更普遍地稱為數(shù)據(jù)科學data science，導致機器學習發(fā)展為實現(xiàn)人工智能的方法。

機器學習

機器學習是使用算法來處理、學習和理解或預測可用數(shù)據(jù)的模式。最近，軟件開發(fā)的低代碼和無代碼概念被用作機器學習中的自學習過程，它給出了完成特定任務的特定指令。通過使用數(shù)據(jù)和算法對機器進行“訓練”，使其能夠學習如何執(zhí)行任務，更重要的是，將學習應用到不斷發(fā)展的過程中。

Figure 2: Evolution of AI, ML and DL

機器學習是在開發(fā)者社區(qū)專注于 AI 時發(fā)展起來的，然后發(fā)展了算法決策樹學習、邏輯編程、聚類、并行處理和強化學習。這些都是朝著正確方向邁出的良好一步，但不足以解決世界感興趣的場景。

深度學習

深度學習是神經(jīng)網(wǎng)絡和機器學習的進化，是人工智能社區(qū)的創(chuàng)意。它學習了人類思維在特定場景中的工作方式，然后在這項工作上比人類做得更好！例如，IBM 的 Watson 與自己下國際象棋，并在游戲中取得了很大進步，最終擊敗了世界冠軍。谷歌的 AlphaGo 也學會了如何玩圍棋游戲，一遍又一遍地玩它以提高自己，并成為冠軍。

人工智能、機器學習和深度學習正在不斷發(fā)展。參與數(shù)據(jù)科學的每個人都希望推進這些概念以改善我們的日常生活。而開源社區(qū)、私營企業(yè)、科學家和政府機構都在為此共同努力。

Figure 3: Types of AI, ML and DL

總而言之，雖然 AI 有助于創(chuàng)建智能機器，但機器學習有助于構建 AI 驅動的應用。深度學習是機器學習的一個子集。它通過利用復雜算法處理大量數(shù)據(jù)來訓練特定模型。由于狹義 AI 極難開發(fā)，機器學習正在通過剛性計算解決這一領域的機遇。至少對于實現(xiàn)通用 AI，深度學習有助于將 AI 和機器學習結合在一起。