一篇文章讲清楚人工智能、机器学习和深度学习的区别.docx

PAGE 1 PAGE 1

一篇文章讲清楚人工智能、机器学习和深度学习的区别 机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预估。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。 机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导规律规划、聚类、强化学习和贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。 机器学习最成功的应用领域是计算机视觉，虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器，以便让程序能识别物体从哪里开始，到哪里结束；写外形检测程序来推断检测对象是不是有八条边；写分类器来识别字母“ST-O-P”。使用以上这些手工编写的分类器，人们终于可以开发算法来感知图像，推断图像是不是一个停止标志牌。 这个结果还算不错，但并不是那种能让人为之一振的成功。特殊是遇到云雾天，标志牌变得不是那么清楚可见，又或者被树遮挡一部分，算法就难以成功了。这就是为什么前一段时间，计算机视觉的性能一直无法接近到人的能力。它太僵化，太简单受环境条件的干扰。 随着时间的推进，学习算法的发展转变了一切。 机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预估。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。 机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导规律规划、聚类、强化学习和贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。 机器学习最成功的应用领域是计算机视觉，虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边