前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >人工智能 机器学习 深度学习

人工智能 机器学习 深度学习

作者头像
用户7164815
发布2020-04-08 11:59:59
1.2K0
发布2020-04-08 11:59:59
举报
文章被收录于专栏:AI人工智能与大数据

人工智能、机器学习、深度学习这些名词经常会在各种场合听到,那具体有哪些区别呢?在业内来说,这几个概念还是有区别的,如果混用就会让人觉得是个门外汉。为了避免露馅成为外行,下面就来具体介绍一下每个概念以及它们之间的区别。

人工智能模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。人工智能是个很宽泛的概念,人类制造了各种机器之后,总希望这些机器越来越智能,这样人就可以越来越轻松,更好地享受生活。例如上图中提到的AGI(Artificial General Intelligence,通用人工智能),就是真正的AI,可以达到人类心智水平、能够通过图灵测试的机器(图灵测试的介绍见附录)。

但事实上,现在的机器在很多方面都已经远远超过了人类,但是也有一些方面和人类差距还非常大。例如进行计算,人类早已没法和机器PK,电脑的学名正是计算机,用来计算的机器,计算能力非常强大,计算速度非常快。但是有些方面的任务,比如操作灵活性,机器人还和人类有一定的差距;还有理解能力,机器在很多场景还都无法理解人类的意图,仍需要不断发展。

机器学习研究计算机怎样模拟或实现人类的学习行为。机器学习的范围要窄一些,是一个具体的交叉学科,算法也非常多:随机森林、决策树、朴素贝叶斯分类、SVM(Support Vector Machine, 支持向量机)等等。机器学习很早就有很多相关研究,现在也仍然在有些问题上使用。跟机器学习特别相关的一个学科是特征工程,一般在应用上面列的这些机器学习算法之前,需要针对特定问题的数据提取特征。业界有这个说法:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限。

深度学习神经网络为代表很“”的机器学习。这个解释是我个人给出的,仅供参考~深度学习,首先要很“”。当然不是说这个技术里面水很深,而是这个技术本身就深J。深度学习的基础是神经网络,而神经网络往往层数越深,效果越好。在ImageNet竞赛中,从最初8层的AlexNet,Top5分类错误率为16.4%;到后来19层的VGG,Top5分类错误率为7.3%;再到152层的ResNet,Top5分类错误率为3.57%,趋势非常明显。

构成深度学习的神经网络也在不断发展,从最初的CNN(Convolution Neural Network,卷积神经网络),RNN(Recurrent Neural Network,循环神经网络),到现在的各种变体,如使用AutoML搜索出的AmoebaNet,Google发明的Transformer结构等等,本质还是各种不同的参数和连接,通过训练优化得到好的模型。深度学习现在很火,甚至可以说人工智能火就是被深度学习带火的,其原因还是效果好。深度学习大大提升了人脸识别、语音识别这些任务的准确率,使得很多之前不可能的应用成为可能,这是通用人工智能的必经之路,当然也是未来的方向。

附:图灵测试

图灵测试是指人和机器一起回答问题(可以是一连串的问题,并且不限定问题的类型),如果提问人无法区分哪个回答是机器给出的,哪个回答是人类给出的,那么这个机器就通过了图灵测试。

例如,提问者可以这样问:

问:你会下象棋吗?

答:是的。

问:你会下象棋吗?

答:是的。

问:请再次回答,你会下国际象棋吗?

答:是的。

这个回答很可能来自机器,因为只会固定规则的匹配。

但如果对话是这样的:

问:你会下象棋吗?

答:是的。

问:你会下象棋吗?

答:是的,你刚不是问过了吗?

问:请再次回答,你会下国际象棋吗?

答:我了个去,你才是机器人吧。

这个回答很可能来自于

当然,对于这种简单的循环提问,可以编程应付,但提问者可以发挥聪明才智,让机器防不胜防,所以想通过图灵测试还是非常困难的。像现在的微软小冰(本来想放一段和小冰的对话,结果微信显示小冰帐号被停用,屏蔽所有内容…只能放一段几个月之前的对话了),不难看出,聊天还是让人感觉非常生硬。

ImageNet竞赛介绍

ImageNet是一个有着1400多万张图片,2万多个类别的数据集。但ImageNet竞赛和现在网络上广为流传的数据集由126万张图片(训练集),1000个分类组成。竞赛的指标一般看Top5分类准确率,是指每张图片,模型输出5个类别选项,如果其中包含正确的类别,则记该图片分类正确。

公众号持续更新,欢迎订阅。

AI人工智能与大数据

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-10-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI人工智能与大数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
人脸识别
腾讯云神图·人脸识别(Face Recognition)基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景,充分满足各行业客户的人脸属性识别及用户身份确认等需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档