人工智能爆火成年度词，你知道机器学习、深度学习是啥吗？

hua818

说到近年来流行的术语，“人工智能”必须在清单上。去年，“ AI（，人工智能）”一再统治了屏幕的热门搜索列表，并被英国词典出版商评为年度最佳搜索清单。

除了“人工智能”外，我们还经常听到“机器学习”和“深度学习” ...

这些术语是什么意思？他们之间有什么关系？

人工智能 -

在人工智能方面，每个人的第一个反应可能是科幻电影中人类智能的机器人，但实际上，人工智能不仅是机器人。

人工智能是约翰在1956年提出的，当时被定义为“制造智能机器的科学与工程”。

当今的人工智能是指“一项新的技术科学，研究和开发用于模拟，扩展和扩展人类智能的理论，方法，技术和应用系统”。

听起来有些混乱，是吗？文件将总结。人工智能允许机器模拟人类思维能力，以便机器可以感知，思考甚至做出决定。

直到今天，人工智能不再是一门简单的学科，而是涉及跨学科领域，例如计算机，心理学，语言学，逻辑和哲学。

人工智能似乎是一项先进的技术，但实际上是一个具有广泛报道的概念。我们周围有各种各样的人工智能，例如：自动驾驶，面部识别，智能机器人，机器翻译等。

面对各种人工智能，我们可以根据人工智能的力量将其分为三类：

说到这一点，您知道什么人工智能属于击败世界冠军的人工智能？

机器学习 -

如前所述，人工智能的目的是使机器能够像人类一样思考和做出决定。如何实现？

回想一下，当我们出生时，我们基本上一无所知。经过数十年的学习，我们学习了各种知识和技能。

机器也是如此。为了让他们知道如何思考，他们必须首先学习，从经验中总结规则，然后具有某些决策和辨别能力。这是人工智能的核心 - 机器学习。

机器学习专门研究计算机如何模拟或实施人类学习行为，通过学习获得新知识和技能，从而重新组织现有的知识结构并不断提高自己的表现。

机器学习是一个多场跨学科的主题，涉及多个学科，例如概率理论，统计，近似理论和算法复杂性理论。

机器如何学习？让我们首先看一下人的学习过程：

课程：学习理论知识并输入知识

摘要和评论：通过审查加强理解

澄清知识框架：组织知识并形成系统

毕业后任务：通过实践进一步加深理解

每周测验：检查状态

检查遗漏并填补空白：改进学习方法

期末考试：检查最终学习成果

机器的学习过程相似，包括以下7个步骤：

数据获取：收集相关数据

数据处理：转换数据并统一数据格式

模型选择：选择适当的算法

模型培训：使用数据训练模型并优化算法

模型评估：根据预测结果评估模型性能

模型调整：调整模型参数并优化模型性能

模型预测：预测未知结果数据

简而言之，机器学习是通过算法自动从数据中总结逻辑或规则，并根据归纳和新数据的结果进行预测。

例如，如果我们希望计算机看到它是一只狗时，我们需要向计算机展示大量狗的图片，并告诉它是狗。

经过大量培训，计算机将总结某些规则。当您下次看到狗时，您将捕获相应的特征，并得出“这是狗”的结论。

如果该算法还不够完美，则猫可能会误认为狗，这要求计算机通过经验数据自动改善算法以增强预测能力。

根据学习方法，机器学习可以分为以下四类：

深度学习 - 深

通过上述理解，我相信每个人对机器学习并不陌生。那么什么是深度学习？它与机器学习有什么关系？

深度学习是机器学习领域的新研究方向，该算法通过多层神经网络学习和了解复杂的数据。

机器通过学习样本数据的深刻表示来学习复杂的任务，最终他们可以像人类一样分析和学习，并能够识别单词，图像，声音等。

与传统的机器学习不同，深度学习使用神经网络结构，神经网络的长度称为模型的“深”，因此基于神经网络的学习被称为“深度学习”。

神经网络模拟人脑的神经网络，神经元节点可以处理和转换数据。通过多层神经网络，可以连续提取和抽象数据的特征，从而可以更好地解决各种问题。

典型的深度学习算法有四种类型：

在深度学习的支持下，人工智能发展迅速。我相信，在不久的将来，我们将拥有一个全新的AI时代。

结论

有用的知识再次添加。请简要概述文件：

我相信，通过今天的研究，您将永远不会愚蠢，无法说出差异~~

除了今天介绍的三个词外，还有许多其他与AI相关的术语。你还知道什么？欢迎在消息区域讨论~~