人工智能与机器学习与深度学习之间的区别
添加时间：2019-07-30 07:48:46
浏览：
人工智能：人工智能基本上是通过一组规则（算法）将人类智能整合到机器中的机制。AI是两个词的组合：“人工”是指人类制造的东西或非自然物，“智能”是指相应地理解或思考的能力。另一个定义可能是“ AI基本上是对训练您的机器（计算机）以模仿人脑及其思维能力的研究”。AI专注于3个主要方面（技能）：学习，推理和自我纠正，以实现最大的效率。
机器学习：机器学习本质上是一种学习/过程，它使系统（计算机）能够通过自身的经验自动学习并相应地进行改进，而无需进行明确的编程。ML是AI的应用程序或子集。ML专注于程序的开发，以便它可以访问数据以供自己使用。整个过程对数据进行观察，以识别可能形成的模式，并根据提供给它们的示例做出更好的未来决策。ML的主要目的是允许系统通过经验自己学习，而无需任何人工干预或协助。
深度学习：深度学习基本上是更广泛的机器学习家族的一部分，该家族利用神经网络（类似于我们大脑中工作的神经元）来模仿人类的大脑行为。DL算法专注于信息处理模式机制，以可能像人类的大脑一样识别模式并相应地对信息进行分类。与ML相比，DL可以处理更大的数据集，并且预测机制是由机器自行管理的。
下表是人工智能，机器学习和深度学习之间的区别：
| 人工智能 | 机器学习 | 深度学习 |
|---|---|---|
| 人工智能代表人工智能，基本上是一种研究/过程，使机器可以通过特定算法模仿人类行为。 | ML代表机器学习，并且是使用统计方法使机器随着经验而改进的研究。 | DL代表深度学习，并且是利用神经网络（类似于人脑中存在的神经元）来模仿人脑功能的研究。 |
| AI是由ML和DL组成的更广泛的家族。 | ML是AI的子集。 | DL是ML的子集。 |
| AI是一种计算机算法，可通过决策发挥智能。 | ML是一种AI算法，可让系统从数据中学习。 | DL是一种ML算法，它使用深层（多层）神经网络来分析数据并相应地提供输出。 |
| 搜索树和许多复杂的数学都与AI有关。 | 如果您对背后的逻辑（逻辑）有一个清晰的认识，并且可以将K-Mean，支持向量机等复杂功能可视化，则它定义了ML方面。 | 如果您清楚其中涉及的数学知识，但对功能一无所知，则可以通过添加更多层将复杂功能分解为线性/低维功能，然后定义DL方面。 |
| 目的是从根本上增加成功的机会，而不是准确性。 | 目的是提高准确性，而不关心成功率。 | 当使用大量数据进行训练时，它在准确性方面达到最高等级。 |
| 人工智能的三种主要类别/类型是：人工智能（ANI），人工智能（AGI）和人工智能（ASI） | ML的三种主要类别/类型是：监督学习，无监督学习和强化学习 | DL可以被视为具有大量参数层的神经网络，位于四个基本网络体系结构之一中：无监督的预训练网络，卷积神经网络，递归神经网络和递归神经网络 |
| AI的效率基本上是ML和DL分别提供的效率。 | 比DL效率低，因为它不能用于更长的尺寸或更大的数据量。 | 比ML更强大，因为它可以轻松处理更大的数据集。 |
| AI应用的示例包括：Google的AI预测，Uber和Lyft之类的Ridesharing应用，使用AI自动驾驶仪的商业航班等。 | ML应用程序的示例包括：虚拟个人助理：Siri，Alexa，Google等，电子邮件垃圾邮件和恶意软件过滤。 | DL应用程序的示例包括：基于情感的新闻聚合，图像分析和字幕生成等。 |
来源：
Host List
热点排行
hot news
