2016年初,由Google DeepMind开发的AlphaGo在围棋大战中击败了韩国的围棋大师李世石。从此媒体开始了铺天盖地宣传人工智能时代的来临。同时,资本开始大量追捧与人工智能相关的公司,一时间,人工智能企业的狂潮席卷而来。
在描述 DeepMind胜利的时候,很多人都会把人工智能、机器学习和深度学习混为一谈。虽然AlphaGo程序对这3种技术都有涉及,但其真正使用最多的是深度学习。
人工智能、机器学习、深度学习三者之间的关系,可以如图1-1所示,人工智能包含着机器学习,而深度学习则是机器学习的重要分支之一,它们三者是包含于被包含的关系。
从20世纪50年代,人工智能第一次被提出至今,人工智能的问题基本上已经定型,大致分为6个具体的方向:问题求解、知识推理、规划问题、不确定性推理、通信感知与行为、学习问题。而机器学习主要有3个方向:分类、回归、关联性分析。最后到深度学习则是对机器学习中的神经网络进行深度拓展。
人工智能实际上包含了我们经常使用到的算法,例如在问题求解方面,最经典的算法是 A* 搜索算法和 a-b 剪枝算法,又如人工智能中的学习问题则包含了机器学习的大部分内容。现阶段已经有很多资料介绍机器学习相关的算法,较为著名的机器学习十大算法有:决策树、支持向量机SVM、随机森林算法、逻辑回归、朴素贝叶斯、KNN算法、K-means算法、Adaboost算法、Apriori算法、PageRank算法。
深度学习的定义在过去的十年一直在不断地变化,其中大部分学者认为深度学习应该“具有两层以上的神经网络”,图1-2所示为深度学习的神经网络示例,其特点是:
- 具有更多的神经元
- 具有更复杂的网络连接方式
- 拥有惊人的计算量
- 能够自动提取数据的高维特征