现在人工智能AI非常火,其中理论繁多,以机器学习最为火爆,但是人工智能、机器学习、深度学习到底有什么关系和区别?下面让我们一一给大家解释一下!
人工智能
人工智能是电脑拟人操作的一个统称。据一些文献记载1956 年在夏季达特茅斯会议上聚提出并定义人工智能!由计算机构建具有人类智力和行为特征的机器。这是「通用人工智能( AI)」的概念!人工智能设计的数学算法包括,最小二乘法,决策树,支持向量机等。人工智能现在最热门的算法应该就是机器学习了。吴恩达等行业领袖也从实践总结得经验验证了机器学习以及其中深度学习是人工智能领域中最实用得算法。
机器学习是实现人工智能的方法之一
机器学习(ML)是 人工智能(AI)的子集,涵盖一切有关数据训练的学习算法研究。多年来发展的一整套成熟技术,机器学习算法包括:
决策树学习( tree )、归纳逻辑编程( logic )。其他的也有聚类()、强化学习( )和贝叶斯网络( ),人工神经网络(ANN)等。
机器学习可以指定需要学习图片的部位或者特征,进行指导学习。并且因为算法众多,也可以进行快速学习。
深度学习是机器学习的一个子集
机器学习的神经网络算法可以设计成两层神经网络,三层神经网络,一直到十几层的神经网络。这种具备多层隐藏层的神经元网络就叫深层神经网络或深度神经网络,也就是深度学习。
上图就是深度网络的一个简单示例。不同网络具备物体的不同特征,每一个网络由前一个网络构成,比如第一层是点,第二层网络构成了线,第三层构成了角和面。网络越多细节越多,但是这些细节,人工是不能干预的。
人工智能、机器学习和深度学习之间的区别
人工智能最热门得研究领域就是机器学习。但是人工智能不仅仅包括机器学习,并且人工智能也需要大量硬件基础。
我们主要谈谈机器学习和深度学习得区别。
简单得说深度学习是机器学习得一个子集。但是不同适用方面,有哪些具体得区别呢?我们可以看看下面两张图.
当你有大量得数据,和很好得硬件时候。你可以选择深度学习得到更好得结果。反之,如果你硬件需要低功耗并且低成本,数据量也不是很大,选择机器学习得其他算法将得到比深度学习更好得结果。
最后总结了这张表格,我再用中文描述一下,
训练用得数据集: 机器学习需要得可以小 深度学习需要很大
是否可以人工干预特征: 机器学习可以干预 深度学习不可以
训练的时间: 机器学习的需要多 深度学习的需要少
最后用一句话说一下,人工智能最热门领域就是机器学习,而机器学习里面研究人数最多案例最多的就是深度学习。它们以此为子集。
昂钛客AI专注人工智能社群,可以关注我们头条号,也欢迎访问我们网站:
有话要说...