人工智能還是深度學習?簡明指南

　　人工智能(AI)，機器學習和深度學習在過去幾年中在機器人和無人系統，視頻分析，智能等領域在安全和防御系統的開發中發揮了突破性的作用。但是，這些術語經常重疊并容易混淆。

　　AI 意味著讓計算機以某種方式模仿人類行為。

　　機器學習是AI的一個子集，它包含的技術使計算機能夠從數據中解決問題并提供AI應用程序。

　　與此同時，深度學習是機器學習的一個子集，它使計算機能夠解決更復雜的問題。

　　人工智能作為一門學科成立于1956年?，F在的目標是讓計算機執行被視為獨特人類的任務：需要智慧的事物。最初，研究人員致力于解決諸如玩跳棋和解決邏輯問題等問題。

　　人工智能是指計算機的輸出。計算機正在做一些聰明的事情，因此它展示了人為的智能。

　　在20世紀80年代，一種新的人工智能技術開始被廣泛應用于機器學習：模仿人類的學習方式。給一個算法(而不是你的大腦)提供大量數據并讓它解決問題。

　　隨著這些算法的發展，它們可以解決許多問題。但人類發現容易的一些東西(如語音或手寫識別)對機器來說仍然很難。然而，如果機器學習是關于模仿人類學習的方式，為什么不一直走下去并試圖模仿人類的大腦?這就是神經網絡背后的想法。

　　使用人工神經元(神經元，通過突觸連接，是你大腦中的主要元素)的想法已經存在了一段時間。在軟件中模擬的神經網絡開始用于某些問題。他們表現出很多希望，可以解決其他算法無法解決的一些復雜問題。

　　然而，以相對簡單的方式連接的具有100s甚至1000s神經元的簡單神經網絡無法復制人類大腦可以做的事情。如果你想一想，這應該不足為奇; 人類大腦有大約860億個神經元和非常復雜的互連。

　　深度學習就是使用具有更多神經元，層和互連的神經網絡。它是如何工作的?如果我給你馬的圖像，你就會認出它們是馬，即使你以前從未見過這種圖像。你可以識別一匹馬，因為你知道定義一匹馬的各種元素：它的槍口形狀，腿的數量和位置等等。

　　深度學習可以做到這一點。這對包括自動駕駛汽車在內的很多事情都很重要。在汽車確定下一步行動之前，它需要知道它周圍的情況。它必須能夠識別人員，自行車，其他車輛，道路標志等。在具有挑戰性的視覺環境中這樣做。標準機器學習技術不能做到這一點。

　　總而言之，AI指的是以某種方式表現出類似人類智慧的設備。AI有很多技術，但是更大的列表的一個子集是機器學習 - 讓算法從數據中學習。最后，深度學習是機器學習的一個子集，使用多層神經網絡來解決最困難的(計算機)問題。