AI、机器学习和深度学习的关系及区别

作者:Rahul Sharma

来源:http://techgenix.com/author/rsharma/

编译:FintechProbe

人工智能不再是科幻小说的东西。这是一个现实,而且你每天都在与AI技术驱动的应用程序互动并受到影响。如今,人工智能似乎成了所有人的口头禅,从自动驾驶卡车的制造商那里,可以行驶数千英里,而不需要对卡车司机进行人工干预,因为这些卡车司机担心,如果这些电动卡车能上路,他们就会失业。 2016年,谷歌的DeepMind AlphaGo计划与韩国棋手李世石Lee se - dol展开竞争,该项目取得了胜利。媒体报道使用了诸如人工智能、机器学习和深度学习等术语,好像它们都是同样的东西。事实是,他们没有。当然,这三种技术都是AlphaGo以自己的方式获胜的原因,但它们都是不同的。也许如果这是一个以AI为动力的新闻稿编写程序,这个错误可能不会发生!

为了确保你能理解科技领域的最新革命,你必须了解人工智能、机器学习和深度学习之间的细微差别。

AI:使机器像智能人一样行事的技术

AI、机器学习和深度学习

在人工智能、机器学习和深度学习中,人工智能是涵盖与高级计算机智能相关的技术的最广泛的集合。人工智能的起源可追溯到1956年,当时达特茅斯人工智能大会Dartmouth Artificial Intelligence Conference实际上创造了这个术语,并被普遍接受。会议上所表达的基本思想是,人类智慧的每一个方面都可以用计算机程序设计的精确方式来描述。

人工智能的三个阶段或类别

AI的三个阶段或类别

狭义的人工智能:这个术语用于指可以模拟人类智能水平行为的程序,算法和技术,但仅适用特定的任务。例如,像IBM的DeepBlue这样的象棋游戏机器人就是狭义的人工智能的一个例子。

人工智能:这一术语指的是与人类智力相当的计算机智能水平,涉及一系列任务。我们还远远没有达到人工智能的水平,即使是在最高科技的实验室。

超级智能人工智能:这是对未来的展望——人工智能的水平包含了科学思维、创造性的外观和普遍的智慧,以至于拥有它的机器可以取代人类,成为地球上最聪明的“生物”。

机器学习:一种可行的人工智能方法

机器学习最好设想为人工智能的一个子集。机器学习算法的基本原理是,他们可以使用大量的数据来检测模式,然后根据这些模式进行决策。这是对传统的使用条件编码方法的一个重大改进,其中所有可能的场景都在代码中捕获,以及代码需要模拟的后续行为的定义。机器学习,缩写ML,是人工智能应用的主要武器。实际上,人工智能之所以花了近60年的时间才取得成果,是因为最近才开发了ML算法。随着IT大数据能力的激增,ML算法的进步与人工智能的结合,

ML算法利用决策树学习、聚类、归纳逻辑编程、强化学习,贝叶斯网络等先进的决策概念。这些算法消耗大量的数据,并使用模式、结果、预期结果与反馈循环的比较,从而使时间变得“更聪明”。从长远来看,IBM的深蓝计算机是为其所有功能编码的,而Google的DeepMind AlphaGo算法则使用包含棋盘游戏移动的大数据集来“学习”并最终击败其对手。

深度学习:实现机器学习的“神经”方式

深度学习是机器学习的一个子集。深度学习的核心与神经网络有关,神经网络是人脑内发生决策的程序模拟。然而,与人类的大脑不同的是,任何神经元都可以与其他邻近的神经元建立连接,神经网络具有不连续的连接、层和数据传播方向。

就像机器学习一样,深度学习也依赖于大量数据的可用性,以使技术能够“训练”自己。例如,一个旨在从图像中识别对象的深度学习系统需要运行数百万个测试用例来构建“智能”,让它将多种分析融合在一起,从而真正从图像中识别出对象。

人工智能

让我们重温一下Google的DeepMind AlphaGo程序的例子,该程序在2016年3月击败了棋盘游戏Go的主人。在这种情况下,该技术使用蒙特卡洛树搜索和神经网络编程来实现具有里程碑意义的结果。 在金融欺诈检测、恶意软件和垃圾邮件检测、手写识别、语音识别、图像搜索、街景检测、基于文本的搜索和翻译等领域,正在探索基于深度学习的系统的潜在应用。

有凝聚力的AI系统

由于深度学习有助于实现许多成功的ML应用程序,这反过来又促进了人工智能的覆盖和成功。所以这三种技术最好被视为一个连贯的、共生的生态系统,一层为另一层提供成功。深度学习被证明是实现机器意义的一种高度可行的方法,而先进的ML算法正在使先进的人工智能应用成为现实。

深度学习有助于将任务分解为小步骤,从而使各种算法驱动和机器辅助操作成为可能。 现在属于AI,机器学习,深入学习,未来从未如此激动人心。

本文来自企鹅号 - 秋野里媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

Facebook、微软、谷歌三大研究巨头齐聚首,共同探讨人工智能发展现状和趋势

AI 研习社消息,日前 AAAS 在 reddit 上组织了一场问答,Facebook 人工智能研究院 Yann LeCun,微软研究院院长 Eric Horv...

3447
来自专栏云市场·精选汇

AI学院 | 人工智能基本知识概览

人工智能(Artificial Intelligence):缩写为AI,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

1796
来自专栏AI科技评论

从 Google Trends,看各大深度学习框架使用热度

AI 科技评论按:随着深度学习在计算机视觉、自然语言处理等领域取得的成果越来越显著,对深度学习的讨论越来越多。作为当下最热门的话题,从 2015 年至今,短短三...

842
来自专栏PPV课数据科学社区

学习了哪些知识,计算机视觉才算入门?

有感于大家对计算机视觉研究的热情,同时对计算机视觉研究认知的局限性,或者说是基本研究方法和思路上的局限性。华刚博士根据最近计算机视觉领域国际权威、加州大学洛杉矶...

1352
来自专栏人工智能头条

推荐算法不够精准?让知识图谱来解决

3672
来自专栏人工智能头条

专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门

1093
来自专栏编程

5本书带你走进Python与机器学习的世界

基于大数据的人工智能如今异常火爆 Python 作为最热门的编程语言之一 是实现机器学习算法的首选语言 Python与机器学习这一话题非常的宽广 5本书虽很难覆...

34310
来自专栏新智元

Keras之父:大多数深度学习论文都是垃圾,炒作AI危害很大

编辑: 常佩琦 【新智元导读】 Keras之父、谷歌大脑人工智能和深度学习研究员François Chollet 近日接受采访,对自己的新书《Python深度...

4148
来自专栏新智元

【重磅】谷歌大脑官方年度报告:TensorFlow、机器学习、自然语言处理(27 篇顶会论文)

【新智元导读】谷歌大脑负责人 Jeff Dean 今天在谷歌博客刊文,从论文发表、TensorFlow 到推广机器学习,全面总结团队 2016 年的工作,并分享...

28810
来自专栏吉浦迅科技

Google TPU云可能会与英伟达合作

英伟达首席执行官黄仁勋坚持认为,用于训练机器学习模型的开发工具的处理能力和云计算能力,使得人工智能在计算平台和数据框架中无处不在。黄预测说,这场人工智能革命的一...

35811

扫码关注云+社区