“人工智能”这个术语大家都比较熟悉。毕竟,它一直是电影中的热门焦点,例如“终结者”、“黑客帝国”等等。 但您最近可能还听说过其他术语,如“机器学习”和“深度学习”,有时它们与“人工智能”交替使用。结果,人工智能、机器学习和深度学习之间的区别可能非常不明确。
接下来,我将简单介绍人工智能(ai)、机器学习(ml)和深度学习(dl)的实际意义以及它们的不同之处。
那么ai、ml和dl有什么区别?
ai于1956年首先由john mccarthy创造,它涉及能够执行人类智能特征任务的机器。 虽然这有点笼统,但它包括规划、理解语言、识别物体和声音、学习和解决问题等内容。
我们可以将人工智能分为两大类:广义和狭义。广义ai将具有人类智能的所有特征,包括上面提到的能力。 狭义的ai则展现人类智慧的一些方面,并且可以很好地完成这一特征,但在其他领域缺乏相关能力。一台非常擅长识别图像的机器,但别无他用,这是狭义ai的一个例子。
本质上机器学习只是实现人工智能的一种途径。
亚瑟。塞缪尔(arthur samuel)在1959年创造人工智能后不久就创造了这个短语,将其定义为“无需明确编程就能具备的学习能力”。你可以在不使用机器学习的情况下获得人工智能,但是这需要建立数百万行具有复杂规则和决策树的代码。
因此,机器学习不是硬编码特定指令来完成特定任务的软件程序,而是一种“训练”算法的方式,以便学习如何做。 “训练”涉及向算法提供大量数据,并允许算法自行调整并改进。
举个例子,机器学习已经被用来大幅改进计算机视觉(机器识别图像或视频中的物体的能力)。 你收集数十万甚至数百万张图片,然后让人类给他们加标签。例如,人类可能会标记其中有猫的图片。然后,该算法试图建立一个模型,可以像人类那样准确地将图片标记为包含猫或不包含猫。 一旦准确度足够高,我们可以认为机器现在已经“学习”了猫的样子。
深度学习是机器学习的众多方法之一。其他方法包括决策树学习、归纳逻辑编程、聚类、强化学习和贝叶斯网络等。
深度学习受到大脑结构和功能的启发,即许多神经元的相互连接。人工神经网络(ann)是模拟大脑生物结构的算法。
在人工神经网络中,有“神经元”,它们与其他“神经元”具有不连续的层和连接。每个图层挑选一个特定的要学习的特征,例如图像识别中的曲线/边缘。正是这种层次才给了深度学习这个名字,深度是通过使用多层而不是单层创建的。
断网的原因有哪些
联芯科技推出首款TD/GSM+GSM双卡双待方案
贝塔射线扬尘在线监测系统的详细介绍
为何在外媒眼里,特斯拉不如比亚迪?
CY4型云母电容器
人工智能和机器学习还有深度学习是什么关系
亮点:简易LED环保灯
开关电源的常用电路详解
固定电阻器的检测
八进制计数器设计方案汇总(四款模拟电路原理实现过程)
LAD、FBD、STL三种语言的优劣比较
水质在线监测,微智达工控机提供专业的硬件解决方案
检测开关输出使用方法
苹果13什么时间上市 配置如何
中美开始人工智能军备竞赛,百度并不打算参加
人工智能在政治上的权力开始获得“00后”的青睐与支持了
亮黑色iPhone7抢购下手要趁早,钢琴黑苹果7高清大图赏析
基于Nios软核的电缆故障检测仪设计
华为电脑用上国产系统,实用性不输Windows
为了满足市场需求 多台工业机器人协同工作势在必行