随着人脸识别、自然语言理解、无人驾驶等技术在各种商业场景中越来越多得到应用,人工智能已经逐步融入社会的方方面面。人类社会已经进入第四次工业革命时代—人工智能时代。
当新的时代来临时,伴随着很多新知识的产生和应用,各种新名词和新概念频频出现,令人目不暇接,也让人分不清楚它们之间的区别。今天我们就尝试解读一下,数据挖掘、机器学习、深度学习与人工智能它们之间的关系和区别。
一、数据挖掘
数据挖掘是从大量数据中发现有意义的模式(pattern)和规则(rule)的技术。数据挖掘与传统的数据分析(如查询、报表、联机应用分析)的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。
数据挖掘的研究重点是发现隐藏在数据背后的模式或规则,然后利用这些发现的知识去做预测分析。
二、机器学习
机器学习是基于大量的样本数据,利用各种算法通过"训练"从数据中学习如何完成任务。类似人类在接触过很多事物、经历后获得的"经验"和"规定"一样。机器学习是专门研究如何模拟或实现人类的学习行为,以获取新的知识或技能,并且通过不断学习重新组织已有的知识结构使之不断改善自身的性能。机器学习研究重点是如何让计算机具有学习能力。
三、深度学习
深度学习是机器学习的一种方法,也是目前最火的机器学习方法。深度学习构建在传统神经网络技术基础之上,可以简单地认为当传统神经网络够"深"(含有多个隐藏层)的时候就是深度学习了。其核心是建立、模拟人脑进行分析学习的神经网络,使用独立的层、连接,还有数据传播方向让机器认知过程逐层进行,逐步抽象,从而模仿人脑的机制来解释数据,例如图像,声音和文本。但并不意味着是机器学习的终点。
四、人工智能
人工智能是指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。
机器学习、深度学习都是人工智能研究的重要领域之一,也是使人工智能应用落地的技术手段。
五、总结
从应用角度,机器学习是人工智能的核心,是机器学习使计算机具有了"智能"。从技术角度,机器学习与数据挖掘彼此之间交叉渗透,彼此都会利用对方发展起来的技术方法来提升和完善自己。
人工智能比数据挖掘、机器学习、深度学习概念范围要更大一些,它不仅是一种技术也是应用,甚至还包含哲学的思想在里边。
上图描述数据挖掘、机器学习、深度学习和人工智能之间关系的示意图。图中的表示不是很准确,但是可以帮助人们更好地了解它们之间的关系。
其实我们不必纠结于概念如何定义,应关注的是技术本身。因为这些技术之间相互交叉渗透,而它们的关系是不断发展变化的。