【越來(lái)越智能】人工智能、機器學(xué)習和深度學(xué)習的區別是什么？

我們周?chē)氖挛镎兊迷絹?lái)越智能。

從汽車(chē)到智能手機，到數字助理，甚至包括機器人。我們不只是在講每天層出不窮的、突破性的新功能。更重要的是，設備、計算機和機器都在聰明地執行任務(wù)。它們是如何做到的呢？通過(guò)人工智能，也就是AI。

“人工智能”一詞最早由認知科學(xué)家約翰·麥卡錫在研究中提出，他寫(xiě)到，“這項研究基于一種推測，即任何學(xué)習行為或其它智力特征，在原則上都可以被精確地描述，從而可以制造出一臺機器來(lái)模擬它。”這種描述在今天仍然適用，只是復雜性增加了一些。

你也許最近經(jīng)常聽(tīng)到“人工智能”和另外幾個(gè)詞匯同時(shí)出現，特別是“機器學(xué)習”和“深度學(xué)習”。它們經(jīng)常被互換使用，盡管它們存在關(guān)聯(lián)，但其實(shí)并非同一事物。

這樣說(shuō)可能會(huì )讓人感到困惑。我們通過(guò)一個(gè)經(jīng)典的例子來(lái)解釋人工智能、機器學(xué)習和深度學(xué)習之間的區別：比較蘋(píng)果和橙子。

人工智能

從廣義上講，人工智能描述一種機器與周?chē)澜缃换サ母鞣N方式。通過(guò)先進(jìn)的、像人類(lèi)一樣的智能——軟件和硬件結合的結果——一臺人工智能機器或設備就可以模仿人類(lèi)的行為或像人一樣執行任務(wù)。

我們今天讀到了很多關(guān)于人工智能的內容，比如語(yǔ)音識別（用于智能個(gè)人助理設備），面部識別（被用在目前社交媒體上很流行的濾鏡中），或者物體識別（比如搜索蘋(píng)果和橙子的圖片）。然而這些功能是如何實(shí)現的？

從根源上看，配備人工智能的機器會(huì )模仿人類(lèi)的思維過(guò)程，比如分辨蘋(píng)果和橙子的能力。

機器學(xué)習

機器學(xué)習是人工智能的一種途徑或子集，它強調“學(xué)習”而不是計算機程序。一臺機器使用復雜的算法來(lái)分析大量的數據，識別數據中的模式，并做出一個(gè)預測——不需要人在機器的軟件中編寫(xiě)特定的指令。在錯誤地將奶油泡芙當成橙子之后，系統的模式識別會(huì )隨著(zhù)時(shí)間的推移而不斷改進(jìn)，因為它會(huì )像人一樣從錯誤中吸取教訓并糾正自己。

通過(guò)機器學(xué)習，一個(gè)系統可以從自身的錯誤中學(xué)習來(lái)提高它的模式識別能力。

深度學(xué)習

深度學(xué)習是機器學(xué)習的一個(gè)子集，推動(dòng)計算機智能取得長(cháng)足進(jìn)步。它用大量的數據和計算能力來(lái)模擬深度神經(jīng)網(wǎng)絡(luò )。從本質(zhì)上說(shuō)，這些網(wǎng)絡(luò )模仿人類(lèi)大腦的連通性，對數據集進(jìn)行分類(lèi)，并發(fā)現它們之間的相關(guān)性。如果有新學(xué)習的知識（無(wú)需人工干預），機器就可以將其見(jiàn)解應用于其他數據集。機器處理的數據越多，它的預測就越準確。

例如，一臺深度學(xué)習的設備可以檢查大數據——比如通過(guò)水果的顏色、形狀、大小、成熟時(shí)間和產(chǎn)地——來(lái)準確判斷一個(gè)蘋(píng)果是不是青蘋(píng)果，一個(gè)橙子是不是血橙。

通過(guò)深度學(xué)習，機器可以處理大量數據，識別復雜的模式，并提出深入的見(jiàn)解。

   人工智能、機器學(xué)習和深度學(xué)習之間的差異并不像蘋(píng)果和橙子那么明顯，它們更微妙。Qualcomm已將人工智能技術(shù)整合進(jìn)驍龍移動(dòng)平臺，創(chuàng )造出令人折服的、直觀(guān)的體驗，讓設備可以更深入地了解你。