AI(Artificial Intelligence) 和 ML(Machine Learning) 以及 DP(Deep Learning) 之间的关系到底是什么？

最新推荐文章于 2025-05-27 15:36:46 发布
最新推荐文章于 2025-05-27 15:36:46 发布
阅读量3k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： AI ML Deep 文章标签： AI 大数据 ML
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/arsaycode/article/details/90640922
本文探讨了AI与大数据的关系，指出数据是AI的燃料且越大越好。还阐述了AI、ML、DP之间的关系，ML是实现AI的方法，DP是ML的子类。同时介绍了AI工程化，即从学术研究到工程实践的过程，并给出人脸识别算法工程化落地的简单例子。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

关于AI和大数据的关系。如果把AI比作火箭，那么数据就是它的燃料。这个燃料可大可小，但是在当前的绝大部分AI算法中，都是越大越好。

关于AI(Artificial Intelligence)、ML(Machine Learning)、DP(Deep Learning)之间的关系。 AI是一个抽象的概念，为的是使机器表现出人的智能(比如图像/语音识别，翻译，预测…)，而ML是实现AI的一种方法，也就是除了ML，还有其他的实现AI的方法。比如说一些搜索算法(经典的A*)。而DP则是ML的子类。

 

image.png

所谓AI工程化，也即是将AI从论文里的算法、研究，经过一系列的工程手段，最终集成落地到具体的应用中；或者选择合适的模型和算法，经过一些优化，使得它能解决现实世界中真实的问题，并产生我们所需要的价值。是一个从学术研究领域到工程实践领域的一个过程。正因其原本是属于研究领域的事物，其门槛也是相当较高的(即使只做工程化落地，不去做学术研究)。

最简单的一个工程化落地的例子，也就是将一个算法(比如人脸识别)，根据对应算法训练出来，得到一个模型。然后将模型发布成一个RESTful Service，供其他应用(比如说门禁系统)使用，以达到使用刷脸进出的效果(价值)。

---------------------------------------------------------------------

本文内容整理自网络，若有侵权，请联系我删除！

ChatGPT 在人工智能伦理中的应用与挑战
AI天才研究院
02-03 993
人工智能技术的飞速发展正在深刻地改变我们的社会和生活方式。作为大型语言模型的代表，ChatGPT自2022年底问世以来，以其强大的自然语言处理能力和广泛的应用前景引发了全球范围内的热烈讨论。然而，随着AI技术的不断渗透，我们也面临着前所未有的伦理挑战。本文将深入探讨ChatGPT在人工智能伦理领域的应用及其所面临的挑战，旨在为AI伦理研究提供新的思路和见解。ChatGPT的核心算法基于Transformer架构和大规模语言模型预训练。自注意力机制（Self-Attention）
第一性原理之：人工智能原理与算法
AI天才研究院
12-07 197
人工智能（Artificial Intelligence，AI）是计算机科学的一个分支，研究如何让计算机模拟人类的智能。人工智能的目标是让计算机能够理解自然语言、学习从经验中、解决问题、处理复杂的任务以及适应新的任务。人工智能的发展历程可以分为以下几个阶段：早期人工智能（1950年代至1970年代）：这一阶段的人工智能研究主要关注于模拟人类思维过程，例如逻辑推理、决策和问题解决。这一阶段的人工智能研究主要是基于规则和知识的方法，例如规则引擎、知识基础设施和专家系统。
AI（人工智能）和ML（机器学习）之间的关系
BuluAI的博客
07-17 1449
ML的进步极大地推动了AI的发展，使得AI系统更加智能和自适应，而AI的愿景和应用推动了ML技术的创新和应用。
捋一捋人工智能（AI）、机器学习（ML）、深度学习（DL）之间的关系
zeng_haoyu的博客
04-02 1万+
    人工智能的浪潮正在席卷全球，人工智能和机器学习与深度学习是我们最近听的最多的词，所以我想写一篇文章来讲一讲我心中这三者的关系。也希望通过这篇文章加深自己对这三者的了解。    我一直觉得人工智能不是一个非常庞大的概念，单从字面上理解，应该是理解成人为创造的智能。那么什么是智能，我觉得如果一个机器能有像人类一样甚至超过人类的推理、知识、学习、感知处理等这些能力，我们姑且就可以称它是一个有智能...
系统梳理人工智能、机器学习、深度学习、大模型的关系与区别！
最新发布
2401_85325726的博客
05-27 821
在当今的技术讨论中，“人工智能”（AI）、“机器学习”（ML）、“深度学习”（DL）和“大模型”（LLM）等术语常被混用，以至于令人困惑。本文将简要梳理这些概念，帮助读者清晰理解它们的关系与区别。
初识AI，ML和DL关系
re_call的博客
06-04 3291
现在人工智能相关研究如火如荼，即使不做这方面的人，估计大都听过AI，ML和DL这些名词，下面粗略展示一下他们的关系。 AI：Artificial Intelligence，人工智能； ML：Machine Learning，机器学习； DL：Deep Learning，深度学习。 从时间上来说，现有AI，再有ML，然后由DL，他们的关系如下图所示，图来至Deep Learning chapter1 introduction： 从大的范畴来看，AI包含ML和DL，也可以说ML和DL是AI的实现形式
Deeplearning ，AI，Machine Learning 的关系
nilbooy的博客
04-10 912
AI人工智能和ML语言的技术概述与未来趋势
CDA数据分析师
05-09 517
介绍 过去几年一直是人工智能爱好者和机器学习专业人士的梦想之旅。这些技术已经从一个概念发展成为将会席卷未来的潮流，并且正在影响着今天的数百万人的生活。各国现在都有专门的人工智能部门和预算，以确保他们在这场比赛中保持相关性。 数据科学专业人员也是如此。几年前 - 如果你知道一些工具和技术，那么你会觉得舒服。但是现在不是这样了！在这个领域发生了太多的事情，并且有太多的事情...
AI vs ML：有什么区别？
weixin_43229348的博客
11-25 5205
今天，人工智能和机器学习是两个流行的术语，它们经常互换使用来描述智能软件或系统。尽管 AI 和 ML 都基于统计和数学，但它们并不是一回事。 很多人都对这两个词感到困惑。在本文中，您将通过生动的示例了解 AI 和 ML 之间的区别。 1.什么是AI（人工智能）？ 人工智能（AI）是计算机或机器模仿人类智能行为并执行类似人类任务的能力。 人工智能执行需要人类智能的任务，例如思考、推理、从经验中学习，最重要的是，做出自己的决定。 “人工智能是制造智能机器的科学和工程。” — 约翰·麦卡锡 人工智能可以出色地完.
机器学习(Machine Learning)&深度学习(Deep Learning)资料
热门推荐
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
[NeurIPS2021] Deep Residual Learning in Spiking Neural Networks【文献精读、翻译】
qq_22841387的博客
06-29 1350
在本文中，我们分析了之前的Spiking ResNet，其残差块模仿了ResNet的标准块，发现它几乎无法实现恒等映射，并且存在梯度消失/爆炸的问题。为了解决这些问题，我们提出了SEW残差块，并证明其可以实现残差学习。ImageNet、DVS Gesture和CIFAR10-DVS数据集上的实验结果表明，我们的SEW残差块解决了退化问题，通过简单增加网络深度，SEW ResNet可以实现更高的准确率。我们的工作可能为‘非常深’的SNNs的学习带来启示。
Continuous control with deep reinforcement learning (DDPG强化学习) 论文翻译
weixin_43590290的博客
08-28 5067
分布式数据融合架构信息共享策略评估 Continuous control with deep reinforcement learning Timothy P. Lillicrap, Jonathan J. Hunt, Alexander Pritzel, Nicolas Heess, Tom Erez,Yuval Tassa, David Silver & Daan Wierstra...
机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现
11-03
机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。
人工智能（AI）、机器学习（ML）与深度学习（DL）概念
qq_39865068的博客
05-14 1898
人工智能 计算机科学家们设计可以学习和模仿人类行为的算法。 机器学习 一种实现人工智能的方法。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。指通过数据训练出能完成一定功能的模型，是实现人工智能的手段之一，也是目前最主流的人工智能实现方法。 深度学习 一种实现机器学习的技术。是更深层次的神经网络(一种机器学习的技术)。深度即层数，超过 8 ...
人工智能（AI）与机器学习（ML）：塑造未来的技术引擎
星途码客的博客
06-18 4451
人工智能是一种模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。它旨在让计算机能够像人类一样思考、学习，并能在各种环境下自主地做出决策。AI的发展经历了从最初的符号主义、连接主义到如今的深度学习等多个阶段，每一次的突破都极大地推动了科技的进步。尽管AI与ML技术取得了巨大的进步，但它们仍然面临着诸多挑战。首先，数据的获取和标注是一个巨大的问题。高质量的标注数据是机器学习模型训练的关键，但数据的获取和标注往往需要耗费大量的人力和时间。其次，模型的泛化能力也是一个需要解决的问题。
AI(Artificial Intelligence)和ML(Machine Learning)、DL(Deep Learning)的区别
似水流年
08-30 2619
参考文档：https://www.yangfenzi.com/hangye/65318.html 机器学习–实现人工智能的一种方法 深度学习–实现机器学习的一种技术
科普贴开篇：到底什么是人工智能（AI）、机器学习（ML）和深度学习（DL
一头雾水的Blog
01-29 1万+
【https://zhuanlan.zhihu.com/p/26442277】 科普贴开篇：到底什么是人工智能（AI）、机器学习（ML）和深度学习（DL） 优雅的程序员 9 个月前 这两年创业圈、技术圈、互联网圈都在热烈讨论人工智能、机器学习、深度学习，那么到底什么是人工智能（AI）、机器学习（ML）和深度学习（DL），这几个概念之间又有什么样的联系呢？先直接把这三
什么是 人工智能（AI）与机器学习（ML）？
不积跬步无以至千里
06-30 803
人工智能（Artificial Intelligence，AI）和机器学习（Machine Learning，ML）是现代科技的核心概念，它们在不同领域中应用广泛。了解它们之间的关系及其工作原理对理解现代技术至关重要。本文将详细介绍人工智能和机器学习，并用图示解释它们的基本概念和应用。人工智能是指计算机系统模拟人类智能的能力，使其能够执行通常需要人类智能的任务，如视觉感知、语音识别、决策制定和语言翻译。AI 试图赋予机器类似人类的智能，使其能够自动处理复杂的问题和任务。
机器学习 深度学习 ai_人工智能，机器学习和深度学习。 真正的区别是什么？...
weixin_26632369的博客
07-19 1006
机器学习 深度学习 aiThe twenty-first century brought tremendous technological advancement that we could not dream about a couple of decades earlier. Today, it can be found that people benefit from Google’s AI...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值