一文秒懂！“人工智能、机器学习、深度学习”傻傻分得清

要说当下科技圈炙手可热的词儿， "人工智能"一定占据一席。

不过，虽然是当下的前沿科技，一般人儿还真不一定都能听懂。

何况，当创业者或者大佬们在讨论"人工智能"时，往往还会带上 "机器学习"和 "深度学习"。

"人工智能"究竟是什么？

"机器学习"又是什么鬼？

"深度学习"四个字你知我知，

但合起来似乎又不懂……

为了让你成为一枚合格的科技知识分子，

今天我们一起来掰扯清楚它们到底是个啥。

先说说"人工智能"，也就是一直脸熟的" AI"。"人工智能"一词最早由认知科学家约翰·麦卡锡提出，他写到，"这项研究基于一种推测，即任何学习行为或其它智力特征，在原则上都可以被精确地描述，从而可以制造出一台机器来模拟它。"这种描述在今天仍然适用。

从广义上讲，"人工智能"是一门新技术 学科，目前教育部新设了人工智能技术服务专业，国内还有多所开设该专业的院校。

人工智能描述了一种机器与周围世界交互的各种方式。通过软件和硬件的结合--一台"人工智能"设备可以模仿人类的行为或像人一样执行任务，比如它会 模仿人类的思维过程去区分是你妈还是你女朋友。

有观点指出，目前的人工智能还处于"弱人工智能"，可以比人类更好地去做特定的事，比如机器视觉、语音识别。而像钢铁侠一样的智能则是"强人工智能"了，而当下距离它还有很长的一段征途要走。

那么，具有人工智能的设备是如何区分你妈和你女朋友的呢？

--这就涉及到了"机器学习"。

"机器学习"（Machine Learning）是AI的核心，是AI的分支之一。

"机器学习"的基本做法是通过复杂的算法来分析大量的数据，识别数据中的模式，并据此做出预测。也就是说，学的数据越多，效果会越好。这就像人类学习的过程--我们在学校学到知识，然后在生活中应用。只不过这一过程的学习主体，是机器。通过机器学习，一个系统可以不断改正自身的错误，从而提高它的模式识别能力。

刚刚讲到机器学习是通过各种复杂的算法，而这算法之一就比如"深度学习"。

作为近十年来人工智能领域取得的重大突破，"深度学习"是机器学习的最新领域，它推动了计算机智能的长足进步。

"深度学习"（Deep Learning）用大量的数据和计算能力来模拟深度神经网络，这些网络模仿人类大脑的连通性，对数据集进行分类，并发现它们之间的相关性。通过深度学习，机器可以处理大量数据，识别复杂的模式，并提出深入的见解。

以识别女朋友和老妈为例，传统的机器学习，往往需要人工调整参数，因此参数的数量十分有限。"深度学习"则能从大数据中自动获得成千上万的参数，自动分析图像中人物的年龄、表情、姿态等信息，而这过程中不需要人的参与。

简单总结　

人工智能是一个宽泛概念，机器学习是其子集；机器学习可以实现人工智能，而深度学习可以实现机器学习，是机器学习的子集。

机器学习VS深度学习

1、应用场景

机器学习在指纹识别、特征物体检测等领域的应用基本达到了商业化的要求。

深度学习主要应用于文字识别、人脸技术、语义分析、智能监控等领域。目前智能硬件、教育、医疗等行业也在快速布局。

基于人工智能和大数据分析的数据底层， 催米科技 自主研发了AI米智能语音系统，利用先进的语音识别、合成和语义理解技术，集成IVR平台，目前已广泛应用于商业银行、消费金融等多个场景，为客户提供了高效、智能、专业的综合服务。

2、所需数据量

机器学习能适应各种数据量，特别是数据量较小的场景。

如果数据量迅速增加，那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才能完美理解。

3、执行时间

执行时间是指训练算法所需要的时间量。

一般来说，机器学习需要很短的执行时间。而深度学习需要更多的训练时间，因为该算法包含有太多参数。

4、硬件依赖性

机器学习的话，一般普通机器就可以。而深度学习对硬件的依赖更高，大多数情况下需要GPU运算。

通过以上介绍，大家是不是对"人工智能、机器学习、深度学习"这三个名词有一个清晰的了解呢？

其实有关科技流行语还有不少，它们都代表着对未来技术的分析。

我们有理由相信，在未来，机器学习与深度学习将能为更多行业带来令人激动的光明前景。

更多人工智能资讯，欢迎关注催米科技公众号SH-Cuimi