這個(gè)困惑很正常。
我先來(lái)講一個(gè)人工智能簡(jiǎn)單的歷史，真的很簡(jiǎn)單那種。
AI發(fā)展了半個(gè)多世紀(jì)，吸收各個(gè)領(lǐng)域的精髓（統(tǒng)計(jì)學(xué)，生物進(jìn)化學(xué)，神經(jīng)科學(xué)），經(jīng)歷兩次低谷和轉(zhuǎn)折，這個(gè)過(guò)程讓其不斷壯大成長(zhǎng)。
在很長(zhǎng)一段時(shí)間里，AI被“符號(hào)主義（起源于邏輯學(xué)和哲學(xué)，是一種基于邏輯推理的智能模擬方法）”統(tǒng)治，但在20世紀(jì)80年代，“新AI ”出現(xiàn)，大眾稱之為“機(jī)器學(xué)習(xí)”。而后來(lái)即2010年左右，出現(xiàn)“Simple Learning”和“深度學(xué)習(xí)Deep Learning”。
人工智能>機(jī)器學(xué)習(xí)>深度學(xué)習(xí)，是集合和子集的關(guān)系。
人工智能如大家所理解，機(jī)器具備智能。它屬于一個(gè)概念。
機(jī)器學(xué)習(xí)的本質(zhì)是：使用算法解析數(shù)據(jù)，讓其學(xué)習(xí)并作出預(yù)測(cè)，這是人工智能的一個(gè)部分。它屬于一個(gè)學(xué)科。
而深度學(xué)習(xí)則是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種方法（還有概率圖模型等等）。它屬于一種技術(shù)。
最近幾年，深度學(xué)習(xí)都很火，原因是硬件的計(jì)算能力以及研究的突破，比如2010年，ImageNet大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽（ILSVCR）開(kāi)始舉辦，比賽一年一度。2012年10月：多倫多大學(xué)設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)參加該，錯(cuò)誤率只有16%，比往年25%的錯(cuò)誤率大幅改進(jìn)。
深度學(xué)習(xí)究竟深度在哪里呢？在于神經(jīng)網(wǎng)絡(luò)的層數(shù)。很早之前，研究人就借鑒人腦的神經(jīng)元傳遞信息的方式打造人工神經(jīng)網(wǎng)絡(luò)。舉個(gè)例子，首先把照片分成顏色，圖形等很多信息點(diǎn)，然后輸入第一層神經(jīng)網(wǎng)絡(luò)，第一層神經(jīng)網(wǎng)絡(luò)執(zhí)行完自己的任務(wù)之后，賦予每一個(gè)信息點(diǎn)一定的權(quán)重，又把照片的信息輸入第二層，以此類推。最后得到一個(gè)不同信息權(quán)重相加：人物照片15%，貓貓照片80%，樹(shù)木5%。最后會(huì)輸出這張照片有貓貓。
PS：從廣泛意義上，人們認(rèn)為AI的誕生是1956年。但AI概念的提出時(shí)間則是1955年8月31日，在一個(gè)持續(xù)2個(gè)月、只有10個(gè)人參加的達(dá)特茅斯夏季研討會(huì)上。在這次研討會(huì)上，人們對(duì)AI給出的定義是：
“嘗試找到如何讓機(jī)器使用語(yǔ)言、形成抽象和概念、解決現(xiàn)在人類還不能解決的問(wèn)題、提升自己等等。對(duì)于當(dāng)下的人工智能來(lái)說(shuō)首要問(wèn)題是讓機(jī)器像人類一樣能夠表現(xiàn)出智能。
到這里，就剩下統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)。
統(tǒng)計(jì)學(xué)就是統(tǒng)計(jì)學(xué)，沒(méi)什么好弄不清楚？就是一門很普通的學(xué)科，我大學(xué)就是學(xué)這個(gè)。而數(shù)據(jù)科學(xué)，我的理解更多是一個(gè)職業(yè)。
人工智能里面涉及這些一點(diǎn)都不要感到驚訝。因?yàn)?，人工智能有一個(gè)門派叫貝葉斯學(xué)派，使用概率規(guī)則及其依賴關(guān)系進(jìn)行推理的一派。上面出現(xiàn)的概率圖模型就是吸取統(tǒng)計(jì)學(xué)的精華。
人工智能涉及的學(xué)科真的很廣泛。
聯(lián)系客服
