智客公社

标题: 人工智能、机器学习、深度学习，到底是个啥？ [打印本页]

作者: 123456 时间: 2024-4-11 08:50
标题: 人工智能、机器学习、深度学习，到底是个啥？
说到近些年的火热名词，“人工智能”必须榜上有名。随着去年ChatGPT爆火出圈，“AI（Artificial Intelligence，人工智能）”屡次霸屏热搜榜，并被英国词典出版商柯林斯评为2023年的年度词。
[attach]826705[/attach]

除了“人工智能”，我们还经常听到“机器学习”、“深度学习”……
这些术语都是啥意思？它们之间有什么关系呢？
[attach]826706[/attach]

人工智能——Artificial Intelligence
说到人工智能，大家的第一反应可能是科幻电影里那些拥有人类智慧的机器人，但实际上，人工智能可不仅仅是机器人哦。

[attach]826707[/attach]

人工智能是由约翰·麦卡锡（John McCarthy）于1956年提出来的，当时的定义是“制造智能机器的科学与工程”。
现在的人工智能是指“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”。
听起来有点绕是不是，文档君来总结一下，人工智能就是让机器能够模拟人类的思维能力，让机器能像人一样去感知、思考甚至决策。
时至今日，人工智能已经不再是一门单纯的学科，而是涉及了计算机、心理学、语言学、逻辑学、哲学等多个学科的交叉领域。
[attach]826708[/attach]

人工智能看起来是高深的科技，实际上是一个覆盖范围很广的概念。我们的身边，早就有了各种人工智能，例如：自动驾驶、人脸识别、智能机器人、机器翻译等等。
[attach]826709[/attach]

面对多种多样的人工智能，我们按照人工智能的实力，可将其分成三类：

弱人工智能（Artificial Narrow Intelligence，ANI）

擅长于某个方面的人工智能，只能执行特定的任务。例如，人脸识别系统就只能识别图像，你要是问它明天天气怎么样，它可不知道怎么回答。

强人工智能（Artificial General Intelligence，AGI）

类似于人类级别的人工智能，能够在多个领域表现出类似于人的智慧，能理解、学习和执行各种任务。目前，强人工智能尚未实现，仍是人工智能研究的长期目标。

超人工智能（Artificial Superintelligence，ASI）

超越人类智慧的人工智能，在各个领域都比人类聪明，可以执行任何智力任务并且在许多方面超越人类。尽管超人工智能在科幻作品中经常出现，但在实际中只是一个理论概念，目前还没有实现的可能。

说到这里，你知道打败围棋世界冠军的AlphaGo属于什么人工智能吗？
[attach]826710[/attach]

[attach]826711[/attach]

机器学习——Machine Learning
前面提到，人工智能的目的是让机器能够像人一样思考并决策，到底如何实现呢？
回想一下，我们刚出生时基本上什么都不会，经过了几十年的学习，我们学会了各种知识、技能。
机器也是一样的，要让它会思考，就要让它先学习，从经验中总结规律，进而拥有一定的决策和辨别能力，这就是人工智能的核心——机器学习。
[attach]826712[/attach]

机器学习专门研究计算机怎样模拟或实现人类的学习行为，通过学习获取新的知识、技能，从而重新组织已有的知识结构，不断改善自身性能。
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、算法复杂度理论等多门学科。

[attach]826713[/attach]

机器是怎样学习的呢？我们先来看一下人的学习过程：
[attach]826714[/attach]

上课：学习理论知识，进行知识输入

总结复习：通过复习，强化理解

梳理知识框架：整理知识，形成体系

课后作业：通过练习，进一步加深理解

每周测验：检查掌握情况

查漏补缺：改善学习方法

期末考试：检查最终学习成果

[attach]826715[/attach]


机器的学习过程也是类似的，包括以下7个步骤：

数据获取：收集相关的数据

数据处理：对数据进行转换，统一数据格式

模型选择：选择适合的算法

模型训练：使用数据训练模型，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，优化模型性能

模型预测：对未知结果数据进行预测

简而言之，机器学习就是从数据中通过算法自动归纳逻辑或规则，并根据归纳的结果与新数据来进行预测。
举个例子，如果我们想让计算机看到狗时能判断出是狗，就需要给计算机展示大量狗的图片，同时告诉它这就是狗。
经过大量的训练，计算机会总结出一定的规律，当下次看到狗时，捕捉到对应的特征，得出“这是狗”的结论。
如果算法不够完善，可能会把猫误认为狗，这就需要计算机通过经验数据自动改进算法，从而增强预测能力。
[attach]826716[/attach]

按照学习方式，机器学习可分为以下四类：

监督学习

从有标记的数据中学习，即数据中包含自变量和因变量，通过学习已知的输入和输出数据来进行预测，如分类任务和回归任务。

分类任务

：预测数据所属的类别，如垃圾邮件检测、识别动植物类别等。

回归任务

：根据先前观察到的数据预测数据，如房价预测，身高体重预测等。

无监督学习

分析没有标签的数据，即数据中只有自变量没有因变量，发现数据的规律，如聚类、降维等。

聚类

：把相似的东西聚在一起，并不关注这类东西是什么，如客户分组。

降维

：

通过提取特征，将高维数据压缩用低维表示，如将汽车的里程数和使用年限合并为磨损值。

半监督学习

训练数据只有部分有标记，先使用无监督学习对数据进行处理，再用监督学习对模型进行训练和预测。

例如手机可以识别同一个人的照片（无监督学习），当把同一个人的照片打上标签后，之后新增的这个人的照片也会自动加上对应的标签（监督学习）。

强化学习

通过与环境进行交互，根据奖励或惩罚来优化算法，直到获得最大奖励，产生最优策略。例如扫地机器人撞到障碍物后，会优化清扫路径。

[attach]826711[/attach]

深度学习——Deep Learning
通过上面的了解，相信大家对机器学习已经不陌生了。那么深度学习又是个啥？跟机器学习有什么关系？
深度学习是机器学习领域的一个新的研究方向，是一种通过多层神经网络来学习和理解复杂数据的算法。
机器通过学习样本数据的深层表示来学习复杂任务，最终能够像人一样具有分析学习能力，能够识别文字、图像和声音等。

[attach]826717[/attach]

与传统机器学习不同的是，深度学习使用了神经网络结构，神经网络的长度称为模型的“深度”，因此基于神经网络的学习被称为“深度学习”。
神经网络模拟了人类大脑的神经元网络，神经元节点可以对数据进行处理和转换。通过多层神经网络，数据的特征可以被不断地提取和抽象，从而使机器能更好地解决各种问题。
[attach]826718[/attach]


典型的深度学习算法有以下四种类型：

卷

积神

经网络（Convolutional Neural Network，CNN）：

常用于图像识别和分类任务。

递归神经网络（Recurrent Neural Network，RNN）：

适用于处理序列数据，如自然语言处理。

长短期记忆网络（Long Short-Term Memory，LSTM）：

一种特殊的RNN结构，能够更好地处理长序列数据。

生成对抗网络（Generative Adversarial Network，GAN）：

用于生成新的数据，如图像、音频或文本。

在深度学习的加持下，人工智能得以快速发展，相信在不久的将来，我们将拥有一个全新的AI时代。
[attach]826711[/attach]

结束语
有用的知识又增加了，文档君来浅浅总结一下吧：

“人工智能”是一个广泛的概念，目的是让机器像人一样思考和执行任务。

“机器学习”是实现人工智能的一种方法，目的是从数据中学习规律，传统的机器学习需要人工确定数据特征。

“深度学习”是机器学习的一个特定分支，基于神经网络，能够自动学习数据特征。

相信大家通过今天的学习，再也不会傻傻分不清楚了~~
除了今天介绍的这三个词，与AI相关的术语还有很多，你还知道哪些呢，欢迎在留言区讨论~~
来源：中兴文档

编辑：7号机
转载内容仅代表作者观点

不代表中科院物理所立场
如需转载请联系原公众号

作者: 特痴-特那个嘛 时间: 2024-4-11 14:22
赞一个！

作者: wd吴东 时间: 2024-4-11 20:16
锄禾日当午，发帖真辛苦。谁知坛中餐，帖帖皆辛苦！

作者: 5566677888 时间: 2024-4-12 07:04
我有个小建议，楼主把内容写详细点吧才会吸引更多读者呀。

欢迎光临智客公社 (http://bbs.cnaiplus.com/)