人工智能、机器学习、深度学习三者区别及书籍分享

人工智能、机器学习、深度学习三者区别

自从AlphaGo战胜李世石之后，人工智能突然间成了坊间谈资，而人工智能的核心技术机器学习及其子领域深度学习一时间成了人们的掌上明珠。创业者们在讨论“人工智能”时，往往还会带上“机器学习”和“深度学习”。

所以“人工智能”到底是什么？“机器学习”又是什么，“深度学习”跟前面两者又有何关联。今天我们就来帮你掰扯清楚它们之间的关系。

概括地说，AI 目前主要用于描述一些可以进行智能化行为的设备或机器，机器学习是它的子集，而深度学习是机器学习的一个子集。如上图所示，最外层的是人工智能，中间层是机器学习，最里层则是深度学习。换句话说，**机器学习和深度学习属于人工智能范畴**，但人工智能不一定是机器学习或深度学习。

先说“人工智能”，也就是 AI。“人工智能”一词最早由认知科学家约翰·麦卡锡在研究中提出，他写到，“这项研究基于一种推测，即任何学习行为或其它智力特征，在原则上都可以被精确地描述，从而可以制造出一台机器来模拟它。”这种描述在今天仍然适用。

从广义上讲，“人工智能”描述一种机器与周围世界交互的各种方式。通过软件和硬件的结合——一台“人工智能”设备可以模仿人类的行为或像人一样执行任务。

人工智能（Artificial Intelligence）

人工智能AI：模拟人脑，辨认哪个是苹果，哪个是橙子。

再举个例子，假如你手机里存了你女朋友和你妈的照片，你想把它们区分开，这时就可以把任务交给“人工智能”，在分辨人脸这类应用中，“人工智能”能比人更高效地执行任务。正因为此，“人工智能”目前也被应用到了许多其他领域，从计算机视觉和自然语言处理，到各种终端，如智能手机和汽车上的恶意软件侦测。

机器学习（Machine Learning）

那么一台智能手机是如何做到能区分人脸的呢？它用了什么方法？

这就涉及到了“机器学习”。简单说，“机器学习”是实现人工智能的一种途径，“机器学习”的基本做法是通过复杂的算法来分析大量的数据，识别数据中的模式，并据此做出判断和预测。这就像人类学习的过程——我们在学校学到知识，然后在生活中应用。只不过这一过程的主体，是机器。

研究人员不会亲手编写软件、确定特殊指令集、然后让程序完成特殊任务；相反，研究人员会用大量数据和算法“训练”机器，让机器学会如何执行任务。这里有三个重要的信息：1、“机器学习”是“模拟、延伸和扩展人的智能”的一条路径，所以是人工智能的一个子集；2、“机器学习”是要基于大量数据的，也就是说它的“智能”是用大量数据喂出来的；3、正是因为要处理海量数据，所以大数据技术尤为重要；“机器学习”只是大数据技术上的一个应用。常用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。

机器学习ML：根据特征在水果摊买橙子，随着见过的橙子和其他水果越来越多，辨别橙子的能力越来越强，不会再把香蕉当橙子

机器学习强调“学习”而不是程序本身，通过复杂的算法来分析大量的数据，识别数据中的模式，并做出一个预测–不需要特定的代码。在样本的数量不断增加的同时，自我纠正完善“学习目的”，可以从自身的错误中学习，提高识别能力。通过机器学习，一个系统可以从自身的错误中学习来提高它的模式识别能力。

深度学习（Deep Learning）

深度学习DL：超市里有3种苹果和5种橙子，通过数据分析比对，把超市里的品种和数据建立联系，通过水果的颜色、形状、大小、成熟时间和产地等信息，分辨普通橙子和血橙，从而选择购买用户需要的橙子品种。

前面提到，机器学习需要用到各种复杂的算法，“深度学习”就是其中的一种。

“深度学习”作为近十年来人工智能领域取得的重大突破，推动了计算机智能取得长足进步。它用大量的数据和计算能力来模拟深度神经网络。从本质上说，这些网络模仿人类大脑的连通性，对数据集进行分类，并发现它们之间的相关性。

通过深度学习，机器可以处理大量数据，识别复杂的模式，并提出深入的见解。

还是以识别女朋友和老妈为例，深度学习的工作就是自动分析图像中人物的年龄、表情、姿态等信息，这过程中不需要人的参与，而传统的机器学习算法，往往需要人工调整参数，因此参数的数量十分有限，而“深度学习”可以从大数据中自动获得成千上万的参数。

总结部分

机器学习是人工智能的一个子集，深度学习又是机器学习的一个子集，机器学习与深度学习都是需要大量数据的，是大数据技术上的一个应用，同时深度学习还需要更高的运算能力支撑，如GPU。

书籍分享

1. Deep Learning

链接：https://pan.baidu.com/s/1PRKpTRaZWt-HDv074B8TJg

提取码：h9cu

2. Python深度学习

链接：https://pan.baidu.com/s/11noR_9TKNsx_3MobrC38iw
提取码：erpt

3. 深度学习之TensorFlow：入门、原理与进阶实战

本书针对TensorFlow 1.0以上版本编写，采用“理论+实践”的形式编写，通过大量的实例（共96个），全面而深入地讲解“深度学习神经网络原理”和“Tensorflow使用方法”两方面。

第1篇 深度学习与TensorFlow基础
第1章 快速了解人工智能与TensorFlow 2
1.1 什么是深度学习 2
1.2 TensorFlow是做什么的 3
1.3 TensorFlow的特点 4
1.4 其他深度学习框架特点及介绍 5
1.5 如何通过本书学好深度学习 6
1.5.1 深度学习怎么学 6
1.5.2 如何学习本书 7
第2章 搭建开发环境 8
2.1 下载及安装Anaconda开发工具 8
2.2 在Windows平台下载及安装TensorFlow 11
2.3 GPU版本的安装方法 12
2.3.1 安装CUDA软件包 12

PDF+源码

链接：https://pan.baidu.com/s/11e6xpuHFTbqkHvMQ4KDSOw
提取码：4hys

配书资源下载地址：
链接：https://pan.baidu.com/s/17RWcwJl8QTZSelLdHDdv0w 密码：y4ou

勘误：https://www.jianshu.com/p/05d259a20284

4. 机器学习_周志华

链接：https://pan.baidu.com/s/1Cn867L7pZUd8Tyg-kxJCEQ
提取码：vyu3

原文链接

• 人工智能（AI) 机器学习（ML) 深度学习（DL），到底他们哥仨是什么关系？

• 人工智能、机器学习、深度学习的区别是什么？

• 人工智能、机器学习和深度学习的区别?

• 机器学习和深度学习概念入门

• 机器学习算法

• 深度学习图书推荐