什么是 AI、机器学习与深度学习？

什么是 AI、机器学习与深度学习？

你们好，我是杨锋，做为一个大数据从业人员，相信你们成天都在被 AI、机器学习、深度学习等一些概念轰炸。有时候甚至有点坐卧不安，一方面做为一个“业内人士”而自豪，二方面以为新概念一个接一个，本身不甚了解，有点恐惧。我一直相信一句台词——“喝了敌人的血，下次见面就不会再怕了”。学习知识亦然，不少时候，你以为很高深，其实是缺少清晰的概念。当你真的把这些概念理清楚后，每每会恍然大悟，万变不离其宗，原来不过如此。上网查了不少资料，很遗憾的是，99%的从业者语文都不怎么过关，连基本的定义都不会下。一个简单的“限定词+更大的集合”的定义模式都没有掌握，深表遗憾。因而仍是决定本身来梳理一下吧。有高人说过（花钱买的）：你对一个领域的理解程度，彻底取决于你的头脑里有多少清晰的概念，以及可否把这些概念关联起来。废话少说，开始唠吧。

人工智能（ Artificial Intelligence）是研究、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技术科学。咱们来分解一下这个概念。“人工智能”是“一门技术科学”，它研究与开发的对象是“理论、技术及应用系统”，研究的目的是为了“模拟、延伸和扩展人的智能”。既然如此，那么买菜用的“计算器”算是人工智能吗？严格地说是算的，由于它至少作了“模拟”人在计算方面的智能，并扩展了这个能力（比人算得更快）。咱们天天编码驱动计算机去帮咱们干活，这个算是人工智能吗？也算的。因此，首先不用妄自菲薄，其实你们早已经是“人工智能”的从业者了。咱们如今看到的貌似很高端的技术，如图像识别、NLP，其实依然没有脱离这个范围，说白了，就是“模拟人在看图方面的智能”和“模拟人在听话方面的智能”，本质上和“模拟人在计算方面的智能”没啥两样，虽然难度有高低，但目的是同样的——模拟、延伸和扩展人的智能。另外，人工智能也不是啥新概念，事实上这是50年代提出的东西了（比大家老多了），如今这么火热，顶多只能算是“诈尸”，谈不上“新生”。

随着人对计算机科学的指望愈来愈高，要求它解决的问题愈来愈复杂，摧枯拉朽地打个小怪已经远远不能知足人们的诉求了。1+1好算，1+2也不难，这些已经能解决的问题暂且按下不表。要解决的问题域愈来愈复杂，即便是同一个问题，其面对的场景也愈来愈多。咱总不能每新出来一种场景，就让码农去查找switch，而后在default前去再加一个case吧；世间的场景千千万，那得多少个case啊，杀个码农祭天也保不齐会出问题啊。那怎么办呢？因而有人提出了一个新的思路——可否不为难码农，让机器本身去学习呢（提出这个概念的人必定作过码农）？好吧，如今机器学习的定义就出来了。机器学习即不须要码农添加case语句而让机器本身学会执行任务的人工智能技术。好像不太正规啊，好吧，再定义一下。机器学习就是用算法解析数据，不断学习，对世界中发生的事作出判断和预测的一项技术。研究人员不会亲手编写软件、肯定特殊指令集、而后让程序完成特殊任务；相反，研究人员会用大量数据和算法“训练”机器，让机器学会如何执行任务。这里有三个重要的信息：一、“机器学习”是“模拟、延伸和扩展人的智能”的一条路径，因此是人工智能的一个子集；二、“机器学习”是要基于大量数据的，也就是说它的“智能”是用大量数据喂出来的，若是缺乏海量数据，它也就啥也不是了；三、正是由于要处理海量数据，因此大数据技术尤其重要；“机器学习”只是大数据技术上的一个应用。经常使用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。Apache有个开源项叫mahout，提供了这些经典算法的实现；可是后来spark出来了，因为在内存迭代计算方面的优点，一会儿抢过了这个风头，目前spark自带的MLlib被使用得更为普遍。虽然mahout也在向spark转，可是在技术的世界里就是这样的，只有新人笑，哪闻旧人哭。

相较而言，深度学习是一个比较新的概念，算是00后吧，严格地说是2006年提出来的。老套路，也给它下一个定义。深度学习是用于创建、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特色，是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和天然语言处理(NLP)领域。显然，“深度学习”是与机器学习中的“神经网络”是强相关，“神经网络”也是其主要的算法和手段；或者咱们能够将“深度学习”称之为“改良版的神经网络”算法。深度学习又分为卷积神经网络（Convolutional neural networks，简称CNN）和深度置信网（Deep Belief Nets，简称DBN）。其主要的思想就是模拟人的神经元，每一个神经元接受到信息，处理完后传递给与之相邻的全部神经元便可。因此看起来的处理方式有点像下图（想深刻了解的同窗能够自行google）。

神经网络的计算量很是大，事实上在很长时间里因为基础设施技术的限制进展并不大。而GPU的出现让人看到了曙光，也造就了深度学习的蓬勃发展，“深度学习”才一会儿火热起来。击败李世石的Alpha go便是深度学习的一个很好的示例。Google的TensorFlow是开源深度学习系统一个比较好的实现，支持CNN、RNN和LSTM算法，是目前在图像识别、天然语言处理方面最流行的深度神经网络模型。事实上，提出“深度学习”概念的Hinton教授加入了google，而Alpha go也是google家的。在一个新兴的行业，领军人才是多么的重要啊！

总结：人工智能是一个很老的概念，机器学习是人工智能的一个子集，深度学习又是机器学习的一个子集。机器学习与深度学习都是须要大量数据来“喂”的，是大数据技术上的一个应用，同时深度学习还须要更高的运算能力支撑，如GPU。

想要更详细的了解，请访问华为云学院（ edu.huaweicloud.com/courses/ ），课程获取密码，搜索：机器学习或者深度学习或者 AI ，通常人我不告诉他喔！