区分深度学习、机器学习和人工智能

本文将详细介绍三种最广泛使用的技术，以及它们之间的区别。

1

人工智能

人工智能（AI）的核心在于，通过预设的规则或算法，将人类的智能赋予机器。这个术语中的“人工的”一词，代表着人为创造、非自然的实体，而“智能”则代表着理解与逻辑思考的能力。另一种观点认为，人工智能是一门以指导机器，尤其是计算机，模仿人脑功能和认知过程为中心的学科。

人工智能的核心依赖于三种关键技能：学习、推理和自我纠正。这三种能力相互交织，共同追求卓越效率。人工智能的目标是赋予机器获取知识、进行逻辑推理和自主纠正错误的能力。

2

机器学习

机器学习（ML）本质上是一个调查过程，使系统（通常是计算机）能够根据经验自主学习和增强其性能，而无需显式编程。ML被定位为人工智能（AI）更广泛范围内的应用程序，专注于制作能够独立访问和利用数据的程序。

这种系统的方法包括观察数据，识别新出现的模式，并利用实例中的见解来完善决策过程。ML的主要目标是促进自我导向学习中的系统，使它们能够通过经验进化和改进，所有这些都不需要直接的人工干预或指导。

3

深度学习

深度学习（DL）是机器学习广阔领域中的一个子集，利用神经网络，这类似于人脑中的神经元来复制类似大脑的功能。DL算法深入研究信息处理的复杂模式，反映了在人脑中观察到的认知行为。

这种方法使DL能够识别和分类信息，类似于人脑的模式识别。值得注意的是，DL在比传统机器学习更广泛的数据集上操作，其预测能力由机器自主管理，强调了其复杂的自我学习和决策过程的能力。

人工智能、机器学习和深度的例子

人工智能

能够执行通常需要人类智能的活动的计算机系统的创建被称为人工智能，或AI。人工智能的应用广泛应用于广泛的行业。以下是一些典型的例子：

语音识别——语音识别系统使用深度学习算法来识别和分类音频和图像。许多应用，包括安全系统、医学成像和自动驾驶汽车，都使用这些技术。

个性化推荐——电子媒体服务使用人工智能算法来检查用户的浏览历史和观看历史，并推荐可能会感兴趣的产品和内容。

预测性维护——通过分析来自传感器和其他来源的数据，人工智能支持的预测性维护系统可以预测设备何时可能发生故障，这有助于节省维护费用和停机时间。

医疗诊断——利用人工智能技术的医疗诊断系统，能对x射线和其他患者数据进行深度分析，为医生提供精准的诊断结果和治疗方案。

自动驾驶汽车——自动驾驶汽车，包括自动驾驶汽车，采用人工智能（AI）算法和传感器来评估周围环境，并确定方向、速度和其他方面的变量。

预测分析——人工智能用于评估大量数据，以预测未来事件，包括营销和医疗保健等领域的疾病爆发或消费者行为。

游戏中的人工智能——通过评估游戏数据和预测移动结果，人工智能（AI）程序已经被构建为以超人的水平玩扑克、围棋和国际象棋等游戏。

机器学习

机器学习（ML）是人工智能（AI）的一个分支，利用统计模型和算法让计算机从数据中自动学习并随着时间的推移不断优化，而无需通过显式的编程来进行。

下面来看几个机器学习的实际应用案例：

图像识别——图像识别系统使用机器学习方法根据照片的内容识别照片。许多应用，包括安全系统、医学成像和自动驾驶汽车都使用这些技术。

语音识别——语音识别系统转录口语，并使用机器学习技术识别单词。除了联络中心和其他应用程序，这些系统还用于苹果Siri和安卓小艺小艺等虚拟助手。

自然语言处理（NLP）——NLP系统使用机器学习算法来理解和产生人类语言。虚拟助手、聊天机器人和其他涉及自然语言交互的应用程序都采用了这些技术。

推荐系统——推荐系统使用机器学习算法检查消费者数据，并根据兴趣的可能性推荐商品和服务。在线商店、流媒体服务和其他应用程序利用了这些技术。

情感分析——情感分析系统利用机器学习算法将语音或文本分为积极、消极或中性。这些系统用于各种目的，包括社交媒体监测。

电子邮件中的垃圾邮件过滤器——机器学习算法检查电子邮件信息和内容，以检测和标记可能是垃圾邮件的通信。

信用风险评估——金融机构利用机器学习（ML）算法，通过检查包括收入、工作经历和信用评分在内的信息来评估贷款申请人的信用风险。

深度学习

具有许多层的人工神经网络用于深度学习，这是一种机器学习，用于学习和做出判断。

下面是一些深度学习的例子：

图像和视频识别——用于识别图像和视频的系统使用深度学习算法对视觉数据进行分类和分析。安全系统、医学成像和自动驾驶汽车都使用这些系统。

生成模型——使用深度学习算法和预先存在的数据，通用模型产生新的内容。这些技术用于文本、视频和图像制作等应用。

自动驾驶汽车——为了评估传感器数据并确定速度和方向等参数，自动驾驶汽车和其他自动驾驶汽车采用了深度学习算法。

图像分类——例如电子购物网站的照片中的面部识别或图像中的物品识别是深度学习算法所用于的任务。

语音识别——语音激活界面和听写软件通过应用深度学习算法将口语翻译成文本而成为可能。

推荐系统——推荐系统采用深度学习算法，根据用户行为和偏好生成定制建议。

欺诈检测——在金融交易中，DL算法用于识别指向欺诈的行为模式，如奇怪的消费习惯或来自陌生地方的交易。

游戏——可以在超越人类水平上玩游戏的人工智能（AI）是使用深度学习算法创建的。

原文始发于微信公众号（情报分析师）：区分深度学习、机器学习和人工智能