|
你是否也有這樣的疑惑，人工智能、機器學(xué)習、深度學(xué)習以及監(jiān)督學(xué)習等名詞之間到底有什么樣的聯(lián)系與區(qū)別，以及它們的應(yīng)用場景呢。下面就通過概念、區(qū)別和聯(lián)系以及應(yīng)用場景三個方面來具體的分析下他們。 一、概念 1、人工智能 人工智能（Artificial intelligence）簡稱AI。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的本質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 人工智能目前分為弱人工智能和強人工智能和超人工智能。 1）弱人工智能：弱人工智能（ArtificialNarrow Intelligence /ANI),只專注于完成某個特定的任務(wù)，例如語音識別、圖象識別和翻譯等，是擅長于單個方面的人工智能。它們只是用于解決特定的具體類的任務(wù)問題而存在，大都是統(tǒng)計數(shù)據(jù)，以此從中歸納出模型。由于弱人工智能智能處理較為單一的問題，且發(fā)展程度并沒有達到模擬人腦思維的程度，所以弱人工智能仍然屬于“工具”的范疇，與傳統(tǒng)的“產(chǎn)品”在本質(zhì)上并無區(qū)別。 2) 強人工智能：強人工智能（Artificial Generallnteligence /AGI),屬于人類級別的人工智能，在各方面都能和人類比肩，它能夠進行思考、計劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習和從經(jīng)驗中學(xué)習等操作，并且和人類一樣得心應(yīng)手。 3）超人工智能：超人工智能（Artificial Superintelligence/ASI），在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明許多，包括科學(xué)創(chuàng)新、通識和社交技能。在超人工智能階段，人工智能已經(jīng)跨過“奇點”，其計算和思維能力已經(jīng)遠超人腦。此時的人工智能已經(jīng)不是人類可以理解和想象。人工智能將打破人腦受到的維度限制，其所觀察和思考的內(nèi)容，人腦已經(jīng)無法理解，人工智能將形成一個新的社會。 目前我們?nèi)蕴幱谌跞斯ぶ悄茈A段。 2、機器學(xué)習 機器學(xué)習（MachineLearning）簡稱ML。機器學(xué)習屬于人工智能的一個分支，也是人工智能的和核心。機器學(xué)習理論主要是設(shè)計和分析一些讓計算機可以自動”學(xué)習“的算法。 3、深度學(xué)習 深度學(xué)習（DeepLearning）簡稱DL。最初的深度學(xué)習是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達的一種學(xué)習過程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。深度學(xué)習是機器學(xué)習研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學(xué)習的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，如圖象、聲音、文本。 注意：你可能在接觸深度學(xué)習的時候也聽到過監(jiān)督學(xué)習、非監(jiān)督學(xué)習、半監(jiān)督學(xué)習等概念，下面就順便對這三個名詞解析下： 1）監(jiān)督學(xué)習：用一部分已知分類、有標記的樣本來訓(xùn)練機器后，讓它用學(xué)到的特征，對沒有還分類、無標記的樣本進行分類、貼標簽。多用于分類。 2）非監(jiān)督學(xué)習：用一部分已知分類、有標記的樣本來訓(xùn)練機器后，讓它用學(xué)到的特征，對沒有還分類、無標記的樣本進行分類、貼標簽。多用于聚類。 3）半監(jiān)督學(xué)習：有兩個樣本集，一個有標記，一個沒有標記。綜合利用有類標的樣本（ labeled sample）和沒有類標的樣本（ unlabeled sample），來生成合適的分類。 二、區(qū)別于聯(lián)系 機器學(xué)習是一種實現(xiàn)人工智能的方法，深度學(xué)習是一種實現(xiàn)機器學(xué)習的技術(shù)。如下圖  下面一張圖能更加細分其關(guān)系：  注意：在上幅圖中，我們可以看下機器學(xué)習下的深度學(xué)習和監(jiān)督學(xué)習以及非監(jiān)督學(xué)習，那它們之間是什么關(guān)系呢，其實就是分類方法不同而已，他們之間可以互相包含。打個比方：一個人按性別可以分為男人和女人，而按年齡來分可以分為老人和小孩子。所以在深度學(xué)習中我們可以用到監(jiān)督學(xué)習和非監(jiān)督學(xué)習，而監(jiān)督學(xué)習中可以用到很基礎(chǔ)的不含神經(jīng)元的算法（KNN算法）也可以用到添加了多層神經(jīng)元的深度學(xué)習算法。 三、應(yīng)用場景 1) 人工智能的研究領(lǐng)域在不斷的擴大，包括專家系統(tǒng)、機器學(xué)習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統(tǒng)等。并且目前的科研工作都集中在弱人工智能這部分。 2) 機器學(xué)習直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學(xué)習方法上來分，機器學(xué)習可以分為監(jiān)督學(xué)習(如分類問題)、無監(jiān)督學(xué)習(如聚類問題)、半監(jiān)督學(xué)習、集成學(xué)習、深度學(xué)習和強化學(xué)習。傳統(tǒng)的機器學(xué)習算法在指紋識別、人臉檢測、特征物體檢測等領(lǐng)域的應(yīng)用基本達到了商業(yè)化的要求或特定場景的商業(yè)化水平。 3) 深度學(xué)習本來并不是一種獨立的學(xué)習方法，其本身也會用到監(jiān)督學(xué)習和無監(jiān)督學(xué)習方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，但由于近年來改領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習手段相繼被提出(如殘差網(wǎng)絡(luò))，因此越來越多的人將其單獨看作一種學(xué)習方法。主要應(yīng)用在互聯(lián)網(wǎng)、安防、金融、智能硬件、醫(yī)療、教育等行業(yè)，在人臉技術(shù)、圖象識別、智能監(jiān)控、文字識別、語義分析等領(lǐng)域。 |
|
|
