Question

何为人工智能、机器学习和深度学习？三者间的关系又是如何？





Answer 1

随着计算机的快速发展，人工智能越来越火。我们每个人都时不时的听到人工智能，但是人工智能到底是什么？它和机器学习和深度学习到底是什么关系？

一、人工智能（ArtificialIntelligence）

人工智能（ArtificialIntelligence），英文缩写为AI。是计算机科学的一个分支。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是一个系统，它可以在系统内部运行，使机器具有执行任务的逻辑能力。人工智能，旨在创造出能像人类一样工作和反应的智能机器。

二、机器学习（machinelearning）——一种实现人工智能的方法

机器学习（machinelearning），机器学习可以被定义为人工智能的一个分支或人工智能的具体应用。在机器学习中，机器具有独立学习的能力，不需要显式编程。这可以让应用程序根据实时场景中的数据进行自我调整。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测。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。

三、深度学习（deeplearning）——一种实现机器学习的技术

一种基于神经网络的学习方法。深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。

为了更好理解，笔者画了下图来表述它们之间关系。

人工智能包括了机器学习和深度学习，机器学习包括了深度学习，他们是子类和父类的关系。

Answer 2

一、人工智能
是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，它是一门技术科学，研究与开发的对象是"理论、技术及应用系统"，研究的目的是为了"模拟、延伸和扩展人的智能"。
现如今一些看起来很高端的技术，如图像识别、NLP，依然没有脱离这个范围，就是"模拟人在看图方面的智能"和"模拟人在听话方面的智能"，本质上和"模拟人在计算方面的智能"没什么两样，虽然难度系数比较高，但目的是一样的。
二、机器学习
机器学习是让计算机模拟或实现人类的学习行为，就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。
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测。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。
常用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。
从学习方法上来分，机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。
传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。
三、深度学习
是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。
它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。
其主要的思想就是模拟人的神经元，每个神经元接受到信息，处理完后传递给与之相邻的所有神经元即可，神经网络的计算量非常大，需要很高的运算能力支持，如GPU。
欠拟合：如果一个模型在训练时表现很差，测试时也表现很差，那我们把该模型称之为『欠拟合』。
过拟合：如果一个模型在训练时表现优异，测试时却落差很大，不懂预测和应付灵活情况，那我们把该模型称为『过拟合』。
人工智能、机器学习、深度学习三者有什么关系吗?
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。