人工智能一般分為兩類，
一類是“強(qiáng)人工智能（General AI）”,也就是打造一臺(tái)超棒的機(jī)器，
讓它擁有人類的所有感知，甚至還可以超越人類感知，它可以像人一樣思考。
另一類是弱人工智能（Narrow Al）,弱人工智能”可以像人類一樣完成某些具體任務(wù)，
有可能比人類做得更好，例如Facebook用AI識(shí)別臉部，這就是“弱人工智能”。
機(jī)器學(xué)習(xí)這個(gè)概念是早期的AI研究者提出的。
是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對真實(shí)世界中的事件做出決策和預(yù)測。
與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，
機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。
舉個(gè)簡單的例子，當(dāng)我們?yōu)g覽網(wǎng)上商城時(shí)，經(jīng)常會(huì)出現(xiàn)商品推薦的信息。
這是商城根據(jù)你往期的購物記錄和冗長的收藏清單，識(shí)別出這其中哪些是你真正感興趣，
并且愿意購買的產(chǎn)品。
這樣的決策模型，可以幫助商城為客戶提供建議并鼓勵(lì)產(chǎn)品消費(fèi)。
機(jī)器學(xué)習(xí)直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等等。
從學(xué)習(xí)方法上來分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)（如分類問題）、無監(jiān)督學(xué)習(xí)（如聚類問題）、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
深度學(xué)習(xí)本來并不是一種獨(dú)立的學(xué)習(xí)方法，其本身也會(huì)用到有監(jiān)督和無監(jiān)督的學(xué)習(xí)方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。
現(xiàn)如今，越來越多的人將其看作一種學(xué)習(xí)的方法。最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。
深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。
深度學(xué)習(xí)摧枯拉朽般地實(shí)現(xiàn)了各種任務(wù)，使得似乎所有的機(jī)器輔助功能都變?yōu)榭赡堋?/p>
無人駕駛汽車，預(yù)防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實(shí)現(xiàn)。
人工智能讓機(jī)器展現(xiàn)出人類智力、機(jī)器學(xué)習(xí)是抵達(dá)AI目標(biāo)的一條路徑、深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)；
同時(shí)，有了深度學(xué)習(xí)，機(jī)器學(xué)習(xí)才有了許多實(shí)際的應(yīng)用，并且還拓展了AI的整體范圍。
機(jī)器學(xué)習(xí)這個(gè)概念是早期的AI研究者提出的。是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對真實(shí)世界中的事件做出決策和預(yù)測。
與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。
聯(lián)系客服
