2. 程式人生 > >什麽是AI、機器學習與深度學習？

什麽是AI、機器學習與深度學習？

阿新 • • 發佈：2019-01-21
編碼 com 說過 詳細 發的 apach 智能 ext 思路

什麽是AI、機器學習與深度學習？

作為一個大數據從業人員，相信大家整天都在被AI、機器學習、深度學習等一些概念轟炸。有時候甚至有點誠惶誠恐，一方面作為一個“業內人士”而自豪，二方面覺得新概念一個接一個，自己不甚了解，有點恐懼。我一直相信一句臺詞——“喝了敵人的血，下次見面就不會再怕了”。學習知識亦然，很多時候，你覺得很高深，實際上是缺乏清晰的概念。當你真的把這些概念理清楚後，往往會恍然大悟，萬變不離其宗，原來不過如此。上網查了很多資料，很遺憾的是，99%的從業者語文都不怎麽過關，連基本的定義都不會下。一個簡單的“限定詞+更大的集合”的定義模式都沒有掌握，深表遺憾。於是還是決定自己來梳理一下吧。有高人說過（花錢買的）：你對一個領域的理解程度，完全取決於你的頭腦裏有多少清晰的概念，以及能否把這些概念關聯起來。廢話少說，開始嘮吧。

人工智能（Artificial Intelligence）是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門技術科學。我們來分解一下這個概念。“人工智能”是“一門技術科學”，它研究與開發的對象是“理論、技術及應用系統”，研究的目的是為了“模擬、延伸和擴展人的智能”。既然如此，那麽買菜用的“計算器”算是人工智能嗎？嚴格地說是算的，因為它至少做了“模擬”人在計算方面的智能，並擴展了這個能力（比人算得更快）。我們每天編碼驅動計算機去幫我們幹活，這個算是人工智能嗎？也算的。所以，首先不用妄自菲薄，其實大家早已是“人工智能”的從業者了。我們現在看到的貌似很高端的技術，如圖像識別、NLP，其實依然沒有脫離這個範圍，說白了，就是“模擬人在看圖方面的智能”和“模擬人在聽話方面的智能”，本質上和“模擬人在計算方面的智能”沒啥兩樣，雖然難度有高低，但目的是一樣的——模擬、延伸和擴展人的智能。另外，人工智能也不是啥新概念，事實上這是50年代提出的東西了（比你們老多了），現在這麽火熱，頂多只能算是“詐屍”，談不上“新生”。
隨著人對計算機科學的期望越來越高，要求它解決的問題越來越復雜，摧枯拉朽地打個小怪已經遠遠不能滿足人們的訴求了。1+1好算，1+2也不難，這些已經能解決的問題暫且按下不表。要解決的問題域越來越復雜，即使是同一個問題，其面對的場景也越來越多。咱總不能每新出來一種場景，就讓碼農去查找switch，然後在default前去再加一個case吧；世間的場景千千萬，那得多少個case啊，殺個碼農祭天也保不齊會出問題啊。那怎麽辦呢？於是有人提出了一個新的思路——能否不為難碼農，讓機器自己去學習呢（提出這個概念的人一定做過碼農）？好吧，現在機器學習的定義就出來了。機器學習即不需要碼農添加case語句而讓機器自己學會執行任務的人工智能技術。好像不太正規啊，好吧，再定義一下。機器學習就是用算法解析數據，不斷學習，對世界中發生的事做出判斷和預測的一項技術。研究人員不會親手編寫軟件、確定特殊指令集、然後讓程序完成特殊任務；相反，研究人員會用大量數據和算法“訓練”機器，讓機器學會如何執行任務。這裏有三個重要的信息：1、“機器學習”是“模擬、延伸和擴展人的智能”的一條路徑，所以是人工智能的一個子集；2、“機器學習”是要基於大量數據的，也就是說它的“智能”是用大量數據餵出來的，如果缺少海量數據，它也就啥也不是了；3、正是因為要處理海量數據，所以大數據技術尤為重要；“機器學習”只是大數據技術上的一個應用。常用的10大機器學習算法有：決策樹、隨機森林、邏輯回歸、SVM、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經網絡、馬爾科夫。Apache有個開源項叫mahout，提供了這些經典算法的實現；但是後來spark出來了，由於在內存叠代計算方面的優勢，一下子搶過了這個風頭，目前spark自帶的MLlib被使用得更為廣泛。雖然mahout也在向spark轉，但是在技術的世界裏就是這樣的，只有新人笑，哪聞舊人哭。
相較而言，深度學習是一個比較新的概念，算是00後吧，嚴格地說是2006年提出來的。老套路，也給它下一個定義。深度學習是用於建立、模擬人腦進行分析學習的神經網絡，並模仿人腦的機制來解釋數據的一種機器學習技術。它的基本特點，是試圖模仿大腦的神經元之間傳遞，處理信息的模式。最顯著的應用是計算機視覺和自然語言處理(NLP)領域。顯然，“深度學習”是與機器學習中的“神經網絡”是強相關，“神經網絡”也是其主要的算法和手段；或者我們可以將“深度學習”稱之為“改良版的神經網絡”算法。深度學習又分為卷積神經網絡（Convolutional neural networks，簡稱CNN）和深度置信網（Deep Belief Nets，簡稱DBN）。其主要的思想就是模擬人的神經元，每個神經元接受到信息，處理完後傳遞給與之相鄰的所有神經元即可。所以看起來的處理方式有點像下圖（想深入了解的同學可以自行google）。
技術分享圖片

          神經網絡的計算量非常大，事實上在很長時間裏由於基礎設施技術的限制進展並不大。
          而GPU的出現讓人看到了曙光，也造就了深度學習的蓬勃發展，
          “深度學習”才一下子火熱起來。擊敗李世石的Alpha go即是深度學習的一個很好的示例。
          Google的TensorFlow是開源深度學習系統一個比較好的實現，
          支持CNN、RNN和LSTM算法，是目前在圖像識別、自然語言處理方面最流行的深度神經網絡模型。
          事實上，提出“深度學習”概念的Hinton教授加入了google，而Alpha go也是google家的。
          在一個新興的行業，領軍人才是多麽的重要啊！

    總結：人工智能是一個很老的概念，機器學習是人工智能的一個子集，
    深度學習又是機器學習的一個子集。機器學習與深度學習都是需要大量數據來“餵”的，
    是大數據技術上的一個應用，同時深度學習還需要更高的運算能力支撐，如GPU。

想要更詳細的了解，請訪問華為雲學院（ edu.huaweicloud.com/courses/ ），
課程獲取密碼，搜索：機器學習或者深度學習或者AI，一般人我不告訴他喔！

什麽是AI、機器學習與深度學習？

相關推薦

什麽是AI、機器學習與深度學習？

編碼 com 說過 詳細 發的 apach 智能 ext 思路 什麽是AI、機器學習與深度學習？ 作為一個大數據從業人員，相信大家整天都在被AI、機器學習、深度學習等一些概念轟炸。有時候甚至有點誠惶誠恐，一方面作為一個“業內人士”而自豪，二方面覺得新概念一個接一個，自己不甚

科普：大資料、人工智慧、機器學習與深度學習都是什麼？有什麼關係？

人工智慧、機器學習與深度學習

參考書籍《白話大資料與機器學習》高揚等 人工智慧是一個較寬泛的概念，旨在通過計算機實現類似人類的智慧。 機器學習是解決人工智慧問題中的一個重要方法。 深度學習是機器學習的一個分支，它在很多領域突破了傳統機器學習的瓶頸，將人工智慧推向了一個新高潮。 卡內基梅隆大學的Tom

機器學習（四） 機器學習與深度學習的實際應用整理

前言     本文主要是整理備份機器學習與深度學習的實際應用，儘量給出原始作者網站，包括論文、程式碼和github等原始資料。共勉！ 實際應用 基於深度神經網路的免費開源的人臉識別系統 openface已經到了0.2.1了，備份一個基

機器學習與深度學習系列連載： 第二部分 深度學習(二）梯度下降

梯度下降 Gradient Decent 我們回憶深度學習“三板斧”， 選擇神經網路 定義神經網路的好壞 選擇最好的引數集合 其中步驟三，如何選擇神經網路的好壞呢？ 梯度下降是目前，最有效的方法之一。 方法：我們舉兩個引數的例子

深度學習基礎--傳統機器學習與深度學習的區別

傳統機器學習與深度學習的區別   1）傳統機器學習：利用特徵工程 (feature engineering)，人為對資料進行提煉清洗   2）深度學習：利用表示學習 (representation learning)，機器學習模型自身對資料進行提煉，不需要選擇特徵、壓縮維度、轉換格式等對

機器學習與深度學習系列連載： 第二部分 深度學習（十六）迴圈神經網路 4（BiDirectional RNN， Highway network， Grid-LSTM）

深度學習（十六）迴圈神經網路 4（BiDirectional RNN， Highway network， Grid-LSTM） RNN處理時間序列資料的時候，不僅可以正序，也可以正序+逆序（雙向）。下面顯示的RNN模型，不僅僅是simple RNN，可以是LSTM，或者GRU 1 B

機器學習與深度學習系列連載： 第二部分 深度學習（十五）迴圈神經網路 3（Gated RNN - GRU）

迴圈神經網路 3（Gated RNN - GRU） LSTM 是1997年就提出來的模型，為了簡化LSTM的複雜度，在2014年 Cho et al. 提出了 Gated Recurrent Units (GRU)。接下來，我們在LSTM的基礎上，介紹一下GRU。 主要思路是： •

機器學習與深度學習系列連載： 第二部分 深度學習（十四）迴圈神經網路 2（Gated RNN - LSTM ）

迴圈神經網路 2（Gated RNN - LSTM ） simple RNN 具有梯度消失或者梯度爆炸的特點，所以，在實際應用中，帶有門限的RNN模型變種（Gated RNN）起著至關重要的作用，下面我們來進行介紹： LSTM (Long Short-term Memory )

機器學習與深度學習系列連載： 第二部分 深度學習（十三）迴圈神經網路 1（Recurre Neural Network 基本概念 ）

迴圈神經網路 1（Recurre Neural Network 基本概念 ） 迴圈神經網路的特點： • RNNs 在每個時間點連線引數值，引數只有一份 • 神經網路出了輸入以外，還會建立在以前的“記憶”的基礎上 • 記憶體的要求與輸入的規模有關 當然，他的深度不只有一層：

機器學習與深度學習系列連載： 第二部分 深度學習（十二）卷積神經網路 3 經典的模型（LeNet-5，AlexNet ，VGGNet，GoogLeNet，ResNet）

卷積神經網路 3 經典的模型 經典的卷積神經網路模型是我們學習CNN的利器，不光是學習原理、架構、而且經典模型的超引數、引數，都是我們做遷移學習最好的源材料之一。 1. LeNet-5 [LeCun et al., 1998] 我們還是從CNN之父，LeCun大神在98年提出的模

機器學習與深度學習系列連載： 第二部分 深度學習（十一）卷積神經網路 2 Why CNN for Image？

卷積神經網路 2 Why CNN 為什麼處理圖片要用CNN？ 原因是： 一個神經元無法看到整張圖片 能夠聯絡到小的區域，並且引數更少 圖片壓縮畫素不改變圖片內容 1. CNN 的特點 卷積： 一些卷積核遠遠小於圖片大小； 同樣的pat

機器學習與深度學習系列連載： 第二部分 深度學習（十）卷積神經網路 1 Convolutional Neural Networks

卷積神經網路 Convolutional Neural Networks 卷積神經網路其實早在80年代，就被神經網路泰斗Lecun 提出[LeNet-5, LeCun 1980]，但是由於當時的資料量、計算力等問題，沒有得到廣泛使用。 卷積神經網路的靈感來自50年代的諾貝爾生物學獎

機器學習與深度學習系列連載： 第二部分 深度學習（九）Keras- “hello world” of deep learning

Keras Kearas 是深度學習小白程式碼入門的最佳工具之一。 如果想提升、練習程式碼能力，還是建議演算法徒手python實現。 複雜的深度神經網路專案還是推薦TensorFlow或者Pytorch Keras是一個高層神經網路API，Keras由純Pyt

機器學習與深度學習面試

深度學習： 45個問題測出你的深度學習基本功 / 45 Questions to test a data scientist on basics of Deep Learning 深度學習面試你必須知道這些答案： 知乎專欄:https://zhuanlan.zhihu.com/p/2996

機器學習與深度學習常見面試題（下）

原創宣告：本文為SIGAI 原創文章，僅供個人學習使用，未經允許，不得轉載，不能用於商業目的。   1、為什麼隨機森林能降低方差？ 隨機森林的預測輸出值是多課決策樹的均值，如果有n個獨立同分布的隨機變數  ，它們的方差都為  ，

機器學習與深度學習系列連載： 第二部分 深度學習（十八) Seq2Seq 模型

Seq2Seq 模型 Seq2Seq 模型是自然語言處理中的一個重要模型，當然，這個模型也可以處理圖片。 特點是： Encoder-Decoder 大框架 適用於語言模型、圖片模型、甚至是預測 1. RNN相關的生成應用： (1) 作詩 (2) 圖片生成

關於舉辦“Python機器學習與深度學習核心技術應用”培訓班通知

各企事業單位、高等院校及科研院所： 機器學習(Machine Learning)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效

機器學習與深度學習系列連載： 第一部分 機器學習（五） 生成概率模型（Generative Model）

生成概率模型（Generative Model） 1.概率分佈 我們還是從分類問題說起： 當我們把問題問題看做是一個迴歸問題， 分類是class 1 的時候結果是1 分類為class 2的時候結果是-1； 測試的時候，結果接近1的是class1

人工智慧，機器學習與深度學習，到底是什麼關係

一、人工智慧 人工智慧(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是電腦科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的