[AI术语]AI及机器学习及深度学习及神经网络区别

1.概要

类别         概要   详情
AI 为机器赋予人的智能 “强人工智能”(General AI)。这个无所不能的机器,它有着我们所有的感知(甚至比人更多),我们所有的理性,可以像我们一样思考。
“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,Pinterest上的图像分类;或者Facebook的人脸识别。
这些是弱人工智能在实践中的例子。这些技术实现的是人类智能的一些具体的局部。但它们是如何实现的?这种智能是从何而来?这就带我们来到下一层,机器学习
机器学习 一种实现人工智能的方法

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。

与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。

机器学习最成功的应用领域是计算机视觉,虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器,以便让程序能识别物体从哪里开始,到哪里结束&#

  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
人工智能的定义及发展历程 定义   人工智能(Artificial Intelligence)最早在1956 年就提出了,英文缩写为AI。它是研究、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。是对人的意识、思维的信息过程的模拟。   人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。   人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。   著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义:"人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。"而另一个美国麻省理工学院的温斯顿教授认为:"人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。"这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。   人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用层次,是它的一个应用分支。从思维观点看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才能促进人工智能的突破性的发展,数学常被认为是多种学科的基础科学,数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在标准逻辑、模糊数学等范围发挥作用,数学进入人工智能学科,它们将互相促进而更快地发展。 人工智能的定义及发展历程全文共2页,当前为第1页。  人工智能三次浪潮 人工智能的定义及发展历程全文共2页,当前为第1页。   第一次,五十年代的达特茅斯会议确立了人工智能AI)这一术语,人们陆续发明了第一款感知神经网络软件和聊天软件,证明了数学定理,人类惊呼 "人工智能来了"、"再过十年机器人会超越人类"。然而,人们很快发现,这些理论和模型只能解决一些非常简单的问题,人工智能进入第一次冬天。   第二次,八十年代 Hopfield 神经网络和 BT 训练算法的提出,使得人工智能再次兴起,出现了语音识别、语音翻译计划,以及日本提出的第五代计算机。但这些设想迟迟未能进入人们的生活之中,第二次浪潮又破灭了。   第三次,随着 2006 年 Hinton 提出的深度学习技术,以及 2012 年 ImageNet 竞赛在图像识别领域带来的突破,人工智能再次爆发。这一次,不仅在技术上频频取得突破,在商业市场同样炙手可热,创业公司层出不穷,投资者竞相追逐。 人工智能的定义及发展历程全文共2页,当前为第2页。  可以说,整个人工智能的发展过程都是在这样的模式之中,不同技术在不同时期扮演着推动人工智能发展的角色。在此,我们基于人工智能行业的企业、投资融资以及研究成果等维度提供一个全新看待人工智能的视角。 人工智能的定义及发展历程全文共2页,当前为第2页。 人工智能的定义及发展历程
当涉及深度学习时,以下是一些相关的定义和名词的简要解释: 1. 人工智能(Artificial Intelligence, AI):模拟人类智能的理论和技术,包括机器学习深度学习。 2. 机器学习(Machine Learning, ML):一种通过自动学习和模式识别来让计算机系统从数据中提取知识和经验的技术。 3. 深度学习(Deep Learning):一种机器学习的分支,通过使用多层神经网络来模拟人脑的神经元网络,以实现对大规模数据的高效处理和复杂任务的学习。 4. 神经网络(Neural Network):由多个神经元(或称为节点)组成的计算模型,用于处理和学习输入数据。深度学习中的主要组成部分。 5. 前馈神经网络(Feedforward Neural Network):一种最常见的神经网络类型,信息从输入层经过中间层传递到输出层,没有反馈连接。 6. 卷积神经网络(Convolutional Neural Network, CNN):专门用于图像处理和计算机视觉任务的神经网络类型,通过卷积层和池化层来提取图像特征。 7. 循环神经网络(Recurrent Neural Network, RNN):能够处理序列数据的神经网络类型,通过循环连接和记忆单元来保留先前的信息。 8. 长短时记忆网络(Long Short-Term Memory, LSTM):一种常用的RNN变种,通过门控机制来更好地处理长期依赖关系。 9. 生成对抗网络(Generative Adversarial Network, GAN):由生成器和判别器组成的神经网络框架,通过对抗训练来生成逼真的样本。 10. 强化学习(Reinforcement Learning):一种学习方式,让智能体通过与环境进行交互来学习最优策略,通过奖励和惩罚进行学习。 这只是深度学习中一些常见的定义和名词,深度学习领域有更多的术语和概念。如果您对特定的术语或概念有更详细的解释需求,可以提出具体问题,我会尽力回答。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值