在中国，有几百万人正在假装懂人工智能

点击“Embark有方博雅”，即刻订阅

当一个站在时代顶尖最潮流的中学生

可不能「假装」，要有真材实料啊

在去年AlphaGo击败人类顶尖高手柯洁后，媒体的报道中最常见的内容就莫过于「人工智能」（AI）、「机器学习」（machine learning）、「深度学习」（deep learning）这些词汇。

AI大热，无数人都开始将焦点投到了这块「香饽饽」上。在社交网络中，谁不讲点「人工智能」的一二三四，就好像就失去了吸引人的独特之处。

但是，很多人往往觉得人工智能、机器学习、深度学习是一个意思，在说起自己了解人工智能的时候往往将他们混为一谈。

就拿AlphaGo击败柯洁的那些报道来说，虽然AlphaGo击败柯洁的过程中，都用到了「人工智能」、「机器学习」、「深度学习」这三者技术，但是它们并不是同一种东西！

作为时髦的中学生，了解最新科技已经是必备的一项技能，这不仅仅能表明自己走在时代的前端，更能拓宽社（zhuang）交（bi），赢来同龄人钦羡的目光。

所以，本文又叫《如何举最简单的例子，懂最先（ku）进（zao）的概念》。

让我们先用一张图来简单解释一下三者之间的关系

就像上面说的，人工智能在五十年代就出现了，是最外面的同心圆；其次就是稍晚一些的机器学习；而引起今年人工智能大爆炸的核心则是深度学习。

让我们来沿着时间的长流来梳理一下：

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批年轻科学家聚在了一起，共同研究和探讨用机器模拟智能的一系列有关问题。然后，他们提出了「人工智能」这一术语。这是历史上一个重要的时刻，它标志着「人工智能」这门新兴学科的正式诞生。

在而后漫长的几十年中，科学家们一直在致力于开发可以模拟人类思维的工具，将人工智能应用于机器使之成为现实。人工智能被一部分人称作是人类文明耀眼未来的预言，也被一部分人当成技术疯子的狂想扔到垃圾堆里。

直到计算机的出现。人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。

过去几年，尤其是2015年以来，人工智能开始大爆发。到了2017年，开始以狂风一样的姿态，进入大众的视线。

图片/来源于知乎

人工智能如果要细分十分复杂。但是，我们作为一篇科普文章重在入门。让我们慢慢梳理一下重点词汇，了解一下到底什么是人工智能、深度学习、机器学习。

人工智能（Artificial Intelligence）

机器也是能像人一样机智的！

我们还是得回到1956年夏天的那次会议，大佬们在那个时候就梦想着用当时刚刚出现的计算机来构建与人类一样具有智慧的机器。就跟电影里长看见的一样：比如说《星球大战》中的C-3PO。

电影《星球大战》 C-3PO

但是这些看起来无所不能的机器，我们称之为「强人工智能」（General AI）。但是目前强人工智能只能存在于电影、电视剧和科幻小说中，以如今的科技，我们暂时是无法实现的。

我们目前能够实现的人工智能其实大部分都属于「弱人工智能」（Narrow AI）。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，人脸识别。

人脸识别技术

虽然有时候「弱人工智能」可能也会被叫做「人工智障」，但是，这些弱人工智能在实践中的例子，也是人类智能应用于机器的体现。

所以，接下来就引发了一个新的问题：这些技术是如何实现的？这种智能是从何而来？这就带我们来到同心圆的里面一层，机器学习！

机器学习machine learning

实现人工智能全靠它！

机器学习的定义很复杂，我们在这里就不作展开了。但是，如果要用一种超级简单的语言来描述的话，大概是这样的：

机器学习最基本的操作就是，使用机器算法来分析海量数据，然后通过这些数据提取其中的精髓进行自我学习，最终对真实世界中的一些情况作出判断和预测。这个「学习」，也可以说是机器使用大量的数据来「训练」，然后完成任务。

我们举个简单的例子：

- 1+1等于几 ？

- 50

- 傻x，多了

- 1+2等于几？

- 20

- 傻x，多了

- 3+4等于几

- 7

- 傻x，对了

- 6+9等于几

- 13

- 傻x，少了

很多很多次以后……

- 2+2等于几

- 4

- 4+5等于几

- 9

这就是机器学习的某种体现……

目前，机器学习的应用十分广泛，我们举几个简单的例子：语音和手写识别、自然语言处理、生物特征识别、搜索引擎等等。这些也广泛应用于我们的生活，我们手机上就装着各种搜索引擎，输入法也有了语音和手写识别功能……

某输入法的语音输入、手写识别功能

这就是机器学习在现实生活中，发生在我们身边随处可见的应用。然而，随着时间的推进，学习算法的发展改变了一切，机器学习在现实生活中的应用的范围更大了，我们这就要开始解释「深度学习」了。

深度学习deep learning

如何优化机器学习？它功不可没！

深度学习的概念源于人工神经网络的研究，是机器学习研究中的一个新的领域，目的是建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

当然了，本文又叫《如何用最简单的例子解释最复杂的概念》，我们自然还是要举个「栗子」的：

我们找到了一大堆动物图片，需要机器判断图片里的是狗还是喵。

如果在以前，我们要用机器学习解决这个问题的话，首先要定义一些特征：

比如该动物是否有胡须、耳朵；

如果有耳朵，那么耳朵是否是尖的。

也就是说，我们要先定义喵和狗的面部特征，然后让系统识别出在动物分类中哪些是重要特征，再进行最终判断。而这些都是需要人工指定的。

但是，深度学习会一次性完成这些任务，它会自动找到分类任务的重要的特征。

深度

学习

第一步

在图片中找到和猫或者狗最相关的边界；

第二步

找到形状和边界的组合，比如说否能找到胡须和耳朵；

第三步

反复连续进行分层识别；

第四步

确定哪些特征对识别猫狗起重要作用，成功判断。

在生活中，经过深度学习训练的图像识别，在一些场景中甚至可以比人做得更好：从识别猫，到辨别血液中癌症的早期成分，到识别核磁共振成像中的肿瘤……

那么深度学习应用于别的领域呢？自然也是成绩斐然。

就像Google的AlphaGo先是学会了如何下围棋，然后与它自己下棋训练。它训练自己神经网络的方法，就是不断地与自己下棋，反复地下，突破原先的自己。

深度学习就是这样。

怎么样，是不是能够清晰的分辨什么是「人工智能」、「机器学习」、「深度学习」了？

深度学习的发展使得机器学习实现了众多应用，让人工智能以一种全新的姿态出现在世人眼中。

全世界各大IT公司都企图在这一个爆热领域分一杯羹，而几乎全世界的所有大学都有人在研究这门学科。我国更是将人工智能加入了国家战略，准备从小学生抓起。作为一个中学生，学习这样一门课程也已经迫在眉睫。

图片 / 来源于网络

无人驾驶汽车、预防性医疗保健、无人物流配送、无人零售店……越来越多的便利就在眼前，触手可得。

相信有了深度学习，「强人工智能」只是时间问题，在未来终会实现。