如何區分人工智慧、機器學習和深度學習

這裡是網際網絡IT學校，大家可以來這裡看看。

隨著計算機的快速發展，人工智慧越來越受歡迎。 我們每個人都會時不時地聽說過人工智慧，但究竟什麼是人工智慧？ 它與機器學習和深度學習究竟有什麼關係？

1.人工智慧（artificialial）。

人工智慧（artificialintelligence），英文縮寫為AI。 是電腦科學的乙個分支。 人工智慧是對人類意識和思維的資訊過程的模擬。

人工智慧不是乙個可以在系統內部執行的系統，它賦予機器執行任務的邏輯能力。 人工智慧，旨在創造可以像人類一樣工作和反應的智慧型機器。

2. 機器學習 - 一種實現人工智慧的方法。

機器學習可以定義為人工智慧的乙個分支或人工智慧的特定應用。 在機器學習中，機器具有獨立學習的能力，不需要顯式程式設計。 這允許應用程式根據實時場景中的資料進行自我調整。

最基本的是，機器學習使用演算法來解析資料，從中學習，然後對現實世界的事件做出決策。 與為解決特定任務而硬編碼的傳統軟體程式不同，機器學習是在大量資料上“訓練”的，使用各種演算法來學習如何完成任務。

3. 深度學習（deeplearning）——一種實現機器學習的技術。

一種基於神經網路的學習方法。 深度學習使機器學習能夠實現廣泛的應用，並擴大了人工智慧的範圍。

為了更好地理解，作者繪製了下圖來說明它們之間的關係。

人工智慧包括機器學習和深度學習，機器學習包括深度學習，即子類和父類之間的關係。

這三個本質上都是人工智慧，你可以來這裡看看。

通俗地說，機器學習：機器從資料中學習，得到乙個更符合現實規律的模型，通過模型的使用，機器的表現比以前更好。

例如，在中學時，學生為了解決高考中的問題，做了很多練習題。 一般來說，高考的題目都是我們以前從未遇到過的題目（沒有原創題），但這並不意味著我們解決不了這些問題。 通過對以往練習題的分析，我們可以找到解決問題的方法，也可以解決不熟悉的問題，這就是人類的學習。

機器學習就是模擬人類學習的過程。

機器學習其實就是把這套方法應用到機器上，用一些已知資料（常用練習題）來訓練機器（做，讓機器自己分析這些資料，並找到內部聯絡（學習如何解決問題），建立模型，從而對未知資料做出最佳判斷（高考題目）， 等。

對於機器學習中的一些演算法，您可以遵循機器學習說明。

我想我可以去這裡看看，網際網絡IT

機器學習是實現人工智慧的方法，深度學習是實現機器學習的技術。

機器學習需要人工協助（半自動化）來實現人工智慧，而深度學習則完全自動化了這一過程。

它們的一般關係是：人工智慧-機器學習-深度學習。

嚴格來說，人工智慧和機器學習沒有直接關係，但機器學習方法被廣泛用於解決人工智慧問題。 機器學習是實現人工智慧的一種也是最重要的方法。 人工智慧已經成為一門非常普遍的學科。

它們都意味著同樣的事情，並且程式是通過大資料進行篩選和分析的。

用乙個經典的例子來解釋人工智慧、機器學習和深度學習之間的區別：比較蘋果和橙子。

1.人工智慧。

從廣義上講，人工智慧描述了機器與周圍世界互動的各種方式。 通過先進的、類似人類的智慧型——軟體和硬體相結合的結果——人工智慧機器或裝置可以模仿人類行為或像人類一樣執行任務。

2.機器學習。

機器學習是人工智慧的乙個途徑或子集，它強調“學習”而不是電腦程式。 機器使用複雜的演算法來分析大量資料，識別資料中的模式，並製作乙個**——不需要人類在機器的軟體中編寫特定的指令。 在錯誤地將忌廉泡芙當成橙子後，該系統的模式識別會隨著時間的推移而不斷改進，因為它會從錯誤中吸取教訓並像人類一樣自我糾正。

通過機器學習，系統可以從自身的錯誤中吸取教訓，以提高其模式識別能力。

3.深度學習。

深度學習是機器學習的乙個子集，在計算機智慧型方面取得了長足的進步。 它使用大量的資料和計算能力來模擬深度神經網路。 從本質上講，這些網路模仿人腦的連線，對資料集進行分類，並發現它們之間的相關性。

如果有新學到的知識（沒有人為干預），機器可以將其見解應用於其他資料集。 機器處理的資料越多，它就越準確。

例如，深度學習裝置可以檢查大資料，例如水果的顏色、形狀、大小、成熟時間和產地，以準確確定蘋果是否是綠色的，以及橙子是否是血橙。