深度学习之学习笔记（二）—— AI / ML / DL的基本概念

AI / ML / DL的基本概念

 

人工智能（Artificial Intelligence）—— 是指是设计和构建智能代理，从环境中感知并采取行动，最大限度地提高实现目标的机会。但目前的科研工作都集中在弱人工智能这部分，强人工智能还遥遥无期。

机器学习（Machine Learning）—— 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。

深度学习（Deep Leaning）—— 最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。

三者的关系如下图所示：

 

 

传统计算机程序与人工智能程序的区别

卷积神经网络的大神Yann LeCun在他的博客中分享过一幅漫画：

这幅漫画告诉大家一个道理：传统的计算机程序（Hand-crafted rules）是永远无法超越其创造者的——换言之，用 if 语句无法穷举所有情况。

 

传统的计算机程序

传统的计算机程序就是由程序员定制一个确定的函数，其中。对确定的输入，有确定的输出。

人工智能程序

人工智能程序是通过大量的数据来进行“训练（training）”，找到一个函数，使得这个能够对新输入的数据进行“推理（inference）”并达到预期的正确率。

 

人工智能程序举例：

 

机器学习与深度学习的区别：

 

下一章，我们将从构成神经网络的神经元开始讲起。

 

References：

http://www.commitstrip.com/en/2017/06/07/ai-inside/

知乎：人工智能、机器学习和深度学习的区别?