3張圖學習人工智慧，機器學習和深度學習有啥區別？終於能明白了

現在人工智慧AI非常火，其中理論繁多，以機器學習最為火爆，但是人工智慧、機器學習、深度學習到底有什麼關係和區別？下面讓我們一一給大家解釋一下！

人工智慧是電腦擬人操作的一個統稱。據一些文獻記載1956 年在夏季達特茅斯會議上聚提出並定義人工智慧！由計算機構建具有人類智力和行為特徵的機器。這是「通用人工智慧（General AI）」的概念！人工智慧設計的數學演算法包括，最小二乘法，決策樹，支持向量機等。人工智慧現在最熱門的演算法應該就是機器學習了。吳恩達等行業領袖也從實踐總結得經驗驗證了機器學習以及其中深度學習是人工智慧領域中最實用得演算法。

機器學習(ML)是 人工智慧(AI)的子集，涵蓋一切有關數據訓練的學習演算法研究。多年來發展的一整套成熟技術，機器學習演算法包括：

決策樹學習（decision tree learning）、歸納邏輯編程（inductive logic programming）。其他的也有聚類（clustering）、強化學習（reinforcement learning）和貝葉斯網路（Bayesian networks），人工神經網路（ANN）等。

機器學習可以指定需要學習圖片的部位或者特徵，進行指導學習。並且因為演算法眾多，也可以進行快速學習。

機器學習的神經網路演算法可以設計成兩層神經網路，三層神經網路，一直到十幾層的神經網路。這種具備多層隱藏層的神經元網路就叫深層神經網路或深度神經網路，也就是深度學習。

上圖就是深度網路的一個簡單示例。不同網路具備物體的不同特徵，每一個網路由前一個網路構成，比如第一層是點，第二層網路構成了線，第三層構成了角和面。網路越多細節越多，但是這些細節，人工是不能干預的。

人工智慧、機器學習和深度學習之間的區別

人工智慧最熱門得研究領域就是機器學習。但是人工智慧不僅僅包括機器學習，並且人工智慧也需要大量硬體基礎。

我們主要談談機器學習和深度學習得區別。

簡單得說深度學習是機器學習得一個子集。但是不同適用方面，有哪些具體得區別呢？我們可以看看下面兩張圖.

當你有大量得數據，和很好得硬體時候。你可以選擇深度學習得到更好得結果。反之，如果你硬體需要低功耗並且低成本，數據量也不是很大，選擇機器學習得其他演算法將得到比深度學習更好得結果。

最後總結了這張表格，我再用中文描述一下，

1. 訓練用得數據集： 機器學習需要得可以小 深度學習需要很大

2. 是否可以人工干預特徵： 機器學習可以干預 深度學習不可以

3. 訓練的時間： 機器學習的需要多 深度學習的需要少

最後用一句話說一下，人工智慧最熱門領域就是機器學習，而機器學習裡面研究人數最多案例最多的就是深度學習。它們以此為子集。

昂鈦客AI專註人工智慧社群，可以關注我們頭條號，也歡迎訪問我們網站:http://www.angtk.com

推薦閱讀：