深度学习之准备篇——人工智能、机器学习和深度学习简介

1.什么是人工智能？

     在20世纪50年代，人工智能（Artificial Intelligence）作为计算机科学中一个分支学科就被提出和确立了，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI发展的终极目标就是某种机器运行的逻辑程序可以表现出与人类等价或者无法分辨的智能；也就是机器有自己的思维，能够进行思考。从实用的角度，AI就是要让计算机系统能够自动完成那些需要依靠人类智慧才能完成的工作。

     人工智能早期的思路与方法主要是用一系列规范的、形式化的数学规则来表示人类总结的知识，通过自动化的程序代替人类处理问题。这也是一种演绎的方法，通过既有的规则去推理模拟。例如专家系统（Konwledge-based expert system），在某一领域擅长的专家，将其知识和经验转化为一条规则，再将该规则转换为程序进行问题的处理；但问题是无限可能的和规范的，而规则却是有限的和多变复杂的。因此，早期人工智能取得成功的领域，往往都是具有明确规则和条件的问题，换句话说，就是待解决问题的所有情况都是可以被穷举出来的。但实际的情况，往往是难易表达清晰，而规则则必须是清晰明确的，因此规则去描述多数的实际问题是不现实的。

     随着人工智能的发展，基于概率统计的机器学习（或者称为模式识别）开始成为人工智能的主流方法。机器学习将大量真实世界产生的数据中具有代表性的样本，交给程序，让算法在数据中寻找和学习规律，通过这种方式得到的规律就是我们需要输入的规则，这也是一种归纳的方法。机器学习也是有其一定的假设，它假设样本数据的概率分布与真实世界的概率分布相同，即从一定规模的数据中学习到的规则也适用于真实世界中的一般情况；由此我们也可以知道，根据大数定律，用于学习的样本规模越大，样本数据的概率分布越接近真实世界的概率分布，我们最后得到的规则的适用性越好。

     由此，我们可以知道无论是专家系统还是机器学习都是人工智能的一个方向，只是它们基于不同的思想！

2.什么是机器学习？

      机器学习（ Machine Learning）是人工智能发展到一定阶段的必然产物。二十世纪五十年代到七十年代初，人工智能研究一直处于“推理期”，那时人们认为只要赋予机器逻辑推理能力，机器就有智能。但是，人们逐渐发现由人把知识总结出来再教给计算机是相当困难的，一些学者想到如果机器能够自己学习知识该多好。于是，机器学习由此产生。机器学习主要研究的内容是关于在计算机上从数据中产生“模型”的算法，即学习算法，有了学习算法后，我们把经验数据提供给它，它就