人工智能的浪潮正在席卷全球,人工智能和机器学习与深度学习是我们最近听的最多的词,所以我想写一篇文章来讲一讲我心中这三者的关系。也希望通过这篇文章加深自己对这三者的了解。

   
我一直觉得人工智能不是一个非常庞大的概念,单从字面上理解,应该是理解成人为创造的智能。那么什么是智能,我觉得如果一个机器能有像人类一样甚至超过人类的推理、知识、学习、感知处理等这些能力,我们姑且就可以称它是一个有智能的物体,也就是人工智能啦。现在我们通常将人工智能分为弱人工智能和强人工智能,我们看到电影里的一些人工智能大部分都是强人工智能,他们能像人类一样的思考如何处理问题,甚至能在一定程度上做出比人类更好的决定,他们能自适应周围的环境,解决一些程序中没有遇到的突发事件,具备这些能力的就是强人工智能。但是现在我们是做不到这些的,在目前的现实世界里大部分实现的是弱人工智能,它让机器具备观察和感知的能力,在经过一定的训练后能计算一些人类不能计算的事情,但是它并没有自适应能力,也就是它不会处理突发的情况,只能处理程序中已经写好的,已经预测到的事情,这就叫做弱人工智能。


    那么,人工智能到底是怎么实现的,智能又从何而来,我们通过什么办法来实现人工智能?这时候就是机器学习登场了。


   
我觉得机器学习有一个显著的特点,也是最机器学习最基本的做法,就是使用一个算法从大量的数据中解析并得到有用的信息,并从中学习,然后对之后真实世界中会发生的事情进行预测或作出判断。机器学习需要海量的数据来进行训练,并从这些数据中得到要用的信息,然后反馈到真实世界的用户中。


   
我们可以用一个简单的例子来说明这个问题,我们在逛淘宝京东的时候,往往有商品推送的信息,不知道你有没有发现,它的推荐有很多都是我们自己很感兴趣的东西,即使我们不买但是还是想点进去看的物品,其实这是商城根据我们以前的购物信息和经常浏览商品的记录得出的结论,它可以从中得出商城中的那些物品是我们感兴趣而且购买几率很大的物品,然后将其推送给我们,不仅给了用户推荐还增加了物品的消费。机器学习有很多传统的算法如决策树和支持向量机等等,机器学习的算法可以大致分为如下几类:监督学习和非监督式学习、半监督学习,集成学习、深度学习、和强化学习等等,不过这里就大致说说监督学习和非监督式学习(其他的解释太麻烦),其实就是训练数据有没有贴标签,贴了标签叫做监督学习,因为有一个标签告诉它那些数据是对的,那些数据是错的,就像有一个人在监督它一样。那么相对的非监督式学习就是没有贴标签的意思,需要通过机器自己来学习分辨。(其实这里已经说了深度学习是实现机器学习的技术或者说算法)。


   
其实深度学习并不是一个独立的算法,在训练神经网络的时候也通常会用到监督学习和无监督学习。但是由于一些独特的学习方法被提出,我觉得把它看成是单独的一种学习的算法应该也没什么问题。深度学习可以大致理解成包含多个隐含层的神经网络结构,深度学习的深这个字指的就是隐藏层的深度。了解深度学习最好的方法就是了解一些神经网络。





       所以用一个韦恩图来描述的话就是最外的圈是人工智能中间的圈是机器学习最里面的圈是深度学习。就是下面这个图啦。





最后总结一下他们三者之间的关系,这么长的文字估计大家也很难看下来。

人工智能是什么:就是想电影中终结者,像阿尔法狗这类的具有一定的和人类智慧同样本质的一类智能的物体。

人工智能和机器学习的关系:机器学习是实现人工智能的方法。

机器学习和深度学习的关系:深度学习是机器学习算法中的一种算法,一种实现机器学习的技术和学习方法。

这篇文章就是谈谈我对我所接触的一些文章对他们三者之间关系的解释,进行一个总结,来加深自己对他们的影响。由于才疏学浅肯定有不足之处,所以欢迎大家的批评和指正。