一文搞懂“人工智能”、“机器学习”、和“深度学习”

微商货源

自1956年，“人工智能”的概念在达特茅斯会议被首次提出至今，已经历跨越 半个世纪了。人工智能通常可分为弱人工智能和强人工智能两个阶段。目前我们还处于弱人工智能阶段，具备一定不雅 察和感知力的机器，能做到有限的理解和推理；但还远未达到 能让机器习得自适应能力的强人工智能阶段。同时，随同 着“人工智能”的崛起，相关领域热词，例如：“机器学习”、“深度学习”频繁涌现 。今天老蔡就和年夜 家一起整理下这些热点概念的联系和区别。

基于“训练”海量数据获得 的模型算法来解决特定问题的办法 ，我们称之为机器学习。传统的机器学习算法在某些场景，例如：指纹、人脸识别等领域的应用已能达到商业化标准，但其“智能”很有限、或者说“先验”离不开领域专家的介入，直到深度学习算法的涌现 。

深度学习作为机器学习的子类，它又是如何工作的呢？我们还是以人脸识别为例。传统的机器学习在确定了相应的“面部特征”，例如：眼睛、鼻子、嘴等之后，能力 基于这些特征做进一步的分类处理；而深度学习通过多层神经网络结构，将底层属性逐步“进化成”人能看懂理解的高层属性，从而实现自动找出分类问题所需要的重要特征。这一点是两者最基本 的区别所在。

人工智能、机器学习、和深度学习的包含关系，以及各自兴起、获得 突破、和年夜 成长 的时间段如下图所示。可以看出，机器学习是实现人工智能的一种技术办法 ，而深度学习是机器学习这门技术的子集。

那机器学习和深度学习具体有哪些维度的不合呢？1. 数据依赖：深度学习必须 年夜 数据量，当数据量较小时，深度学习不适合 ；2. 硬件依赖：为包管 算力，深度学习异常 依赖于高端硬件设施，通常都要求有GPU环境介入 运算；3. 特征工程：这一点上面已经提过，这是两者最基本 的区别所在；4. 解决计划 ：机器学习类似于分治法，而深度学习则是一步到位、提供端到端的实时解决计划 ，虽然其模型训练的时长通常高于机器学习。

通过上面的分化 ，我们已经清楚了各相关概念的关系、区别、和主要使用场合。这样，在以后的工作中，就能加倍 有的放矢的，针对不合的场景有的放矢 ，以期取得理想完美的结果。