人工智能、机器学习、深度学习有什么区别?

人工智能机器学习深度学习,这些术语让很多人感到困惑。如果您也是其中之一,那么这篇博客绝对适合您。

人工智能与机器学习与深度学习

人工智能包含了机器学习和深度学习。你可以在图中看到,机器学习是人工智能的子集,深度学习是机器学习的子集。所以人工智能、机器学习和深度学习这三者的关系就像爷爷、父亲与儿子。

AI-vs-ML-vs-Deep-Learning

什么是人工智能?

人工智能一词最早出现于 1956 年,但为什么到现在人工智能还能越来越流行?这是因为数据量的巨大增长、先进的算法以及计算能力和存储的改进。

多年之前我们所拥有的数据不足以预测准确的结果,但是现在我们的数据量有了巨大的增长,一切就变得不同了。统计数据表明,到 2020 年,大数据的累积量已增加 44 万亿 GB 的数据。

现在我们已经有更先进的算法和高端的计算能力和存储来处理如此大量的数据。因此,预计有更多的企业在未来会应用到人工智能。

什么是人工智能?

“人工智能是一种允许机器通过复制他们的行为和本性来像人类一样行动的技术。”

人工智能使机器可以从他们的经验中学习,机器根据新的输入调整它们的响应,从而通过处理大量数据并识别其中的模式来执行类似人类的任务。

你可以认为建造人工智能就像建造一座教堂。

shutterstock_52120489-450x300

第一座教堂用了几代人的时间才完成,所以大多数在上面工作的工人都没有看到最终的成品,但这并不意味着他们所做的事情是无用的。相反,那些为建造教堂添砖加瓦的人为他们的手艺感到自豪,他们建造砖块和凿石头,这些石头将被放置到伟大的结构中。因此,作为 AI 研究人员,我们应该将自己视为谦虚的砖匠,他们的工作是研究如何构建组件(例如解析器、规划器、学习算法等),总有一天有人会在某个地方将其集成到智能系统中。

我们日常生活中人工智能的一些例子是苹果的 Siri、阿尔法狗、特斯拉的自动驾驶汽车等等。这些示例基于深度学习和自然语言处理。

接下来让我们讨论机器学习,看看它是什么以及它有什么作用。

机器学习出现于 80 年代末和 90 年代初。 但是,为什么会出现机器学习?创造它是为了解决什么问题呢?

什么是机器学习?

“机器学习是人工智能的一个子集。它允许机器根据其经验(数据)学习和做出预测“

通过示例了解机器学习:

Linear-Regression-473x300

假设您想创建一个系统,该系统可以根据身高预测一个人的体重。您要做的第一件事是收集数据。以下就是您收集的数据的样子:

图表上的每个点代表一个数据点。首先,我们可以画一条简单的线来根据身高预测体重。例如,一个简单的行:

W = H - 100

其中 W 是以 kg 为单位的体重,H 是以 cm 为单位的身高。

这条线可以帮助我们做出预测。我们的主要目标是减少预测值和实际值之间的差异。因此,为了实现它,我们尝试绘制一条直线来拟合所有这些不同的点,并将误差最小化并使它们尽可能小。减少误差或实际值与估计值之间的差异可以提高性能。

此外,我们收集的数据点越多,我们的模型就会越好。我们还可以通过添加更多变量(例如性别)并为它们创建不同的预测线来改进我们的模型。一旦线被创建,那么在未来,如果一个新的数据(例如一个人的身高)被输入模型,它会很容易地为你预测数据并告诉他预测的体重。

希望这个简单的例子能够让你对机器学习有一个清晰的了解。接下来,让我们了解深度学习。

什么是深度学习?

“深度学习是一种特殊的机器学习,它通过学习将世界表示为概念或抽象的嵌套层次结构来实现强大的功能和灵活性”

您可以将深度学习模型视为火箭发动机,其燃料是我们提供给这些算法的大量数据。

深度学习的概念并不新鲜,但近几年对它它的炒作有所增加,深度学习也越来越受到关注。这个领域是一种特殊的机器学习,它的灵感来自我们称为人工神经网络的脑细胞的功能。它只是获取所有人工神经元之间的数据连接,并根据数据模式对其进行调整,如果数据量很大,则需要更多的神经元。它自动在多个抽象级别进行学习,从而允许系统在不依赖任何特定算法的情况下学习复杂的函数映射。

Square-Analogy-AI-vs-Machine-Learning-vs-Deep-Learning-Edureka-421x300

让我从以下几个简单的例子开始学习,它们解释了深度学习在概念层面上是如何工作的。

示例 1:

让我们想象一下,您的大脑是如何从各种几何形状中识别出正方形的。

首先第一件事是检查这个图形是否有 4 条线(很简单吧!)。如果是,我们进一步检查它们是否连接和闭合,如果是,我们最终检查它是否垂直并且所有边都相等,这样我们的大脑就能够判断出这个图形是不是正方形了(完美!)。

可以看到,我们大脑所做的工作是将识别正方形的复杂任务分解为一个个更简单的任务。深度学习的原理与此相同,也能做到这一点,甚至规模更大。

示例 2:

让我们再举一个让机器识别动物的例子。机器的任务是识别给定图像是猫还是狗。

cat-vs-dog

如果我们使用机器学习来解决同样的问题,应该怎么做呢?首先,我们将定义特征,例如检查动物是否有胡须,或检查动物是否有尖耳朵,或者它的尾巴是直的还是弯曲的。

简而言之,我们将定义面部特征,让系统识别哪些特征在对特定动物进行分类时更为重要。

深度学习更加先进。与必须由我们手动提供面部特征的机器学习相比,深度学习会自动寻找面部特征,不需要人们手动定义特征了。这是深度学习最明显的提升。

文章到此为止,我想您应该已经清楚人工智能是一个更大的宏图,而机器学习和深度学习是它的子部分。如果要总结机器学习和深度学习的区别,那么理解两者之间区别的最简单方法就是,深度学习就是机器学习。更具体地说,深度学习是机器学习下一阶段的发展。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:人工智能、机器学习、深度学习有什么区别? - Python技术站

(0)
上一篇 2022年12月2日 下午8:43
下一篇 2022年12月4日 上午11:11

相关文章

  • 目标检测:yolo学习

    You Only Look Once(yolo): Unified, Real-Time Object Detection Abstract 上一篇说rcnn系列一直是以定位为前提,再分类,都是围绕定位做升级。这次的yolo也是如此,所以速度更快,我们 速度影响因素也是在此嘛。yolo现在已经出了yolov1,yolo v2,yolo v3,yolo 900…

    2023年4月8日
    00
  • 生成对抗网络(GAN)应用于图像分类

    近年来,深度学习技术被广泛应用于各类数据处理任务中,比如图像、语音和文本。而生成对抗网络(GAN)和强化学习(RL)已经成为了深度学习框架中的两颗“明珠”。强化学习主要用于决策问题,主要的应用就是游戏,比如deepmind团队的AlphaGo。因为我的研究方向是图像的有监督分类问题,故本文主要讲解生成对抗网络及其在分类问题方面的应用。 生成对抗网络框架   …

    2023年4月5日
    00
  • 机器学习——多方法简单分类(含有 决策树、朴素贝叶斯、随机森林、svm向量机)含源码 自学指南

    直接给代码: 1 # — coding: gbk — 2 from sklearn.datasets import load_breast_cancer 3 from sklearn.tree import DecisionTreeClassifier 4 from sklearn.model_selection import train_test_sp…

    机器学习 2023年4月16日
    00
  • caffe中protobuf问题

    安装caffe时,protobuf在使用import caffe时,python版的会提示protobuf的问题,原因是因为protobuf的安装是用python-proto,而在安装anaconda后,所有的python都又用的是anaconda的,因此需要将protobuf换anaconda的版本,解决办法就是从新pip install protobuf…

    Caffe 2023年4月6日
    00
  • TensorFlow入门教程系列(二):用神经网络拟合二次函数

    通过TensorFlow用神经网络实现对二次函数的拟合。代码来自莫烦TensorFlow教程。 1 import tensorflow as tf 2 import numpy as np 3 4 def add_layer(inputs, in_size, out_size, activation_function=None): 5 Weights = t…

    tensorflow 2023年4月7日
    00
  • [笔记] Ubuntu 18.04源码安装caffe流程

    虽然Ubuntu 18.04可以通过apt安装caffe,但是为了使用最新的代码,还是值得从源码安装一遍的。 安装环境 OS: Ubuntu 18.04 64 bit 显卡: NVidia GTX 1080 CUDA: 10.0 cuDNN: 7.4 Python: 3.6 任务:从源码编译安装caffe 安装OpenCV 参考[笔记] Ubuntu 18.…

    Caffe 2023年4月6日
    00
  • ubuntu-14.04安装最新tensorflow记录

    1.安装英伟达驱动./NVIDIA-Linux-x86_64-384.69.runnvidia-smi成功表示驱动ok 2.安装cudadpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.debapt-get updateapt-get install cuda安装patch2(也可以不装)dp…

    tensorflow 2023年4月8日
    00
  • #Deep Learning回顾#之基于深度学习的目标检测(阅读小结)

    原文链接:https://www.52ml.net/20287.html 这篇博文主要讲了深度学习在目标检测中的发展。 博文首先介绍了传统的目标检测算法过程: 传统的目标检测一般使用滑动窗口的框架,主要包括三个步骤: 利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域; 提取候选区域相关的视觉特征。比如人脸检测常用的Harr特征;行人检测和普通目标检测常用…

    目标检测 2023年4月6日
    00
合作推广
合作推广
分享本页
返回顶部