3、机器学习：相关领域与发展历程

机器学习：相关领域与发展历程

1. 机器学习与相关领域的关系

1.1 人工智能

人工智能旨在研究如何构建能感知外部环境并采取相应行动以实现特定目标的智能体。而机器学习则侧重于构建可从数据或环境中学习，并利用所学进行预测或决策的模型。

从人工智能的定义中，可抽象出智能体的三个要素：
- 通过传感器获取的感知信息 (P^ )
- 通过执行器采取的行动 (A)
- 将感知映射到行动的转换函数 (f)，其关系可表示为 (f: P^ \to A)

机器学习需要数据或环境中的信息，智能体的感知信息 (P^*) 可为其提供数据或环境信息；机器学习学习预测或决策的能力，相当于增强了智能体转换函数 (f) 的性能，使其能产生正确的行动 (A)。由此可见，机器学习是人工智能的一个分支。

1.2 深度学习

深度学习是机器学习的一个子领域。现代大多数深度学习模型基于人工神经网络（ANNs）构建，人工神经网络受大脑信息处理结构的启发，由多层神经元组成。除输入和输出层外，人工神经网络还有多个隐藏层，具有许多隐藏层的人工神经网络被称为深度神经网络（DNN），使用深度神经网络的机器学习方法即为深度学习。

深度学习也可理解为表示学习，即基于深度神经网络从原始数据中自动提取分类或预测所需的特征。通过学习获得的特征称为学习特征，而传统机器学习中需要手动提取的特征称为手工特征，自动特征学习相较于手动特征提取的优势不言而喻。

常见的深度神经网络类型包括：
- 卷积神经网络（CNNs）
- 循环神经网络（RNNs）
- 深度信念网络（D