通俗理解人工智能、機器學習和深度學習的關係

最近幾年人工智能成爲極其熱門的概念和話題，能夠說完全出圈了。但人工智能的概念在1955年就提出來了，能夠說很是古老。我在上小學的時候《科學》課本上就有人工智能的概念介紹，至今還有印象，但那些年AI正處於「寒冬」，不多在其餘地方見到這個概念。如今人工智能這麼熱，普通人容易從科幻電影和媒體宣傳上來理解人工智能，這就不免有不少誤解的成分。

漫威電影中的人工智能幻視，是一個超級英雄

幾年前有一篇《超級人工智能之路》的長文在網絡上流行，不少媒體自媒體也都報道、解讀過，能夠說這篇文章把人工智能捧上了天。在我看來，這種吹捧確實過頭了。

1956年，在達特茅斯學院舉行的一次會議上正式確立了人工智能的研究領域。會議的參加者在接下來的數十年間是AI研究的領軍人物。他們中有許多人預言，通過一代人的努力，與人類具備同等智能水平的機器將會出現。同時，上千萬美圓被投入到AI研究中，以期實現這一目標。——wiki

對人工智能的盲目樂觀真是歷史悠久啊。個人建議是，關於人工智能的將來能夠盡情暢想，但沒必要認真，要了解人工智能真正的樣子，只看它如今能爲咱們作什麼就好。

人工智能

剛接觸這個領域的時候，對人工智能的概念比較模糊，甚至到如今爲止也沒有找到一個足夠清晰的定義。我本身作了一個通俗的理解：凡是機器作了人須要動腦才能完成的事情，均可以稱之爲人工智能。這個定義並不嚴謹，可是好理解，能夠幫助我再也不糾結這概念。從這個角度去看，你會發現人工智能在生活中確實處處都在了，而且很早就有。AI並無那麼神祕。

機器學習

機器學習是人工智能的重要分支，重要到人工智能幾乎都要等同於機器學習了，在有些場合下這兩個概念甚至能夠混用。Herbert A. Simon 曾對「學習」給出過一個定義：「若是一個系統可以經過執行某個過程改進它的性能，這就是學習」。機器學習就是計算機系統經過數據提升系統性能的過程。其實咱們人的學習過程也完美符合這個定義，若是仔細觀察小孩子的學習過程，就和咱們訓練一個機器學習模型的過程很是類似（我本人目前尚未小孩，可是我常常聽有小孩的同事這樣跟我說）。難怪不少學者聲稱只有機器學習纔算得上真正的人工智能。

機器學習的技術很是繁多，理論也很複雜，但能夠經過很簡單的數學抽象來理解。把機器學習的模型看成一個黑盒子，它接受必定的輸入，給出必定的輸出，那麼這個黑盒子其實就是一個函數。所謂的機器學習，從數學上看就是學習出一個函數。

不管是神經網絡，決策樹，邏輯迴歸，機率圖模型，均可以抽象成這樣一個數學函數，只是形式不一樣而已。雖然看起來並不酷炫，也不高大上，但這就是機器學習簡單的本質。這麼理解也是一個「祛魅」的過程。

深度學習

深度學習的概念大概是從AlphaGo戰勝李世石開始火遍全世界的，wiki上對它的定義以下。

深度學習（英語：deep learning）是機器學習的分支，是一種以人工神經網絡爲架構，對數據進行表徵學習的算法。 ——wiki

我第一次看到神經網絡的描述圖，不明覺厲感從心中油然而生，看起來像是某種神祕的技術模擬出來了人腦的工做機制，從而能夠完成不少難以想象的智能任務。強烈的好奇心讓我開始對這個領域進行探索，因而就入坑了……

隔行如隔山這句話沒錯，只有真正進入一個領域，你才知道它原本的樣子。咱們能夠繼續從函數的角度去理解深度學（這又是一個「祛魅」的過程）。複合函數的概念高中都學過，深度學習要學習的其實就是一個複合函數，深度學習的」深「指的就是複合函數的複合層級更多。

全部的算法模型最後都是數學，根據個人經驗，從數學角度去理解要比從酷炫的網絡結構圖去理解對我幫助更大。有了這種宏觀的把握以後，就能夠放心地深刻了解其中的細節了。

總之，人工智能，機器學習，深度學習這些概念並無那麼神祕。最後用一張圖總結一下三者之間的關係。

若是你喜歡以上內容，歡迎到個人我的主頁關注我： Homepage