我们日常的学习和生活中,最终经常听到一些牛b哄哄的前沿技术名词,什么**AI**啊,**AI大模型**,**深度学习**、**机器学习**等等,那这些就行是什么东西呢?接下来听我一一介绍。
首先我们来看一下整体关系:
从上图可以看出,
** 机器学习是人工智能的核心研究领域之一,深度学习是机器学习中的一个子集,深度神经网络是机器学习**领域中一种重要的技术,特别是在深度学习这一分支中。
好了关系捋清楚了:人工智能是一个大类,大类下机器学习是其中一个子领域(当然还有一些领域,如**自然语言处理(NLP)、计算机视觉(CV)等**),机器学习下的一个子集是深度学习,**深度神经网络只是一个技术。**
好的,接下来我们再来分别认识一下这几个名词:
1、人工智能(英文全称:Artificial Intelligence,英文简称:AI):
** 定义:**人工智能是**一门**让机器表现出类似人类智能的**技术科学**,其研究领域包括学习、感知、语言、决策等多个方面。 **重要性:**作为世界三大尖端技术之一,人工智能在当前社会、经济和技术发展中扮演着至关重要的角色。
** 举例说明:**
** ① 自动驾驶汽车:**利用AI技术实现车辆自主导航、感知环境、做出决策,从而提高道路安全性和驾驶效率。 **② 智能医疗助手:**通过分析患者的医疗记录、症状等信息,AI助手能够协助医生进行疾病诊断和治疗方案制定。
2、机器学习(Machine Learning,ML):
**定义:**机器学习是人工智能的一个子领域,它研究计算机如何通过学习大量数据来改进其性能。其核心思想是让计算机从数据中“学习”到模式,并使用这些模式来进行自主的决策,**比如**进行一个图片垃圾分类的任务,我们有已经分好类的图片数据,我们将数据给我们搭建好的模型,然后让这个模型去学习分类的规律,这个过程专业术语叫**训练**,然后训练好的模型就有了分类垃圾图片的能力。 机器学习任务按照学习方式的**分类:** **① 监督学习:**从已知数据(这些数据已经打好了标记,直接会告诉模型这个图片、音频等属于哪一类)中学习,并预测新的数据。例如,回归分析(如根据各项数据指标预测房价)、决策树(如分类顾客购买行为)等。 **② 无监督学习:**从未标记的数据中提取出有用的信息。例如,异常检测(如信用卡欺诈检测)、降维(如数据压缩)等。 **③ 增强学习:**通过试错学习必须采取的行动。例如,在机器人、游戏等领域得到应用,如AlphaGo学习围棋棋局并自主做出决策,如下图,世界围棋冠军李世石对战AlphaGo。
3、深度学习(Deep Learning,DL)
**定义:**深度学习是机器学习的一个子集,它主要通过使用深度神经网络来模拟人脑的学习过程,通过构建具有多个处理层次的神经网络,对大量数据进行学习和训练,以实现智能算法的训练与优化。
** 举例说明:**
**① 图像识别:**深度学习算法(如卷积神经网络CNN)可以识别图像中的物体,实现人脸识别、车牌识别等功能。 ** ② 自然语言处理:**深度学习模型(如循环神经网络RNN和Transformer)可以处理文本数据,实现机器翻译、文本摘要等任务。
4、深度神经网络(Deep Neural Network,DNN):
**定义:**深度神经网络是一种具有多个隐藏层的神经网络(如下图,神经网络概念图),通过模拟人脑神经元的连接方式,实现对输入数据的复杂处理和特征提取,如何实现这一技术,就需要通过强大的编程编辑代码来实现了。
** 特点:**多层的好处是可以用较少的参数表示复杂的函数。在监督学习中,如果训练样本足够充分覆盖未来的样本,学到的多层权重可以很好地用来预测新的测试样本。 **应用:**在计算机视觉、自然语言处理、语音识别等领域取得了显著成就。
版权归原作者 技术宅的元始天尊 所有, 如有侵权,请联系我们删除。