NN_WhatIsIt

在尝试定义机器学习之前，我想先谈谈几个听起来几乎相同的令人困惑的术语。它们是AI（人工智能），机器学习和深度学习。当然，在这些术语之间划清明确的界限并不容易，但总的来说，这些术语之间的关系可以概括如下。

 

仅仅看这个图表，你会注意到AI是最广泛的概念，包括了机器学习和深度学习。也就是说，机器学习是AI的一种特殊形式，而深度学习是机器学习的一种特殊形式。

 现在让我们更深入地了解每个领域的定义。每当我尝试学习任何新概念时，我会建议你回到基础，并试图从字典中找到基本定义。当然，在许多情况下，普通字典中的定义与特定技术中的实际定义不匹配，但在许多情况下，普通字典中的定义肯定会有所帮助。

 

我在剑桥词典中找到了人工智能、机器学习和深度学习中每个单词的定义，得到如下定义。我认为即使在技术方面，这些定义也很好。(我也在同一份词典中找到了机器和深度的定义，但我认为它们在技术背景下并没有那么明确)。我在每个定义中突出了一些关键词或关键表达，我认为这与我们讨论的背景最相关，并且我改变了学习定义中的一个词，使其在我们的背景下更加现实/实用。

 

智力：基于理性进行学习、理解和做出判断或形成观点的能力

 

人工：由人制造的，通常是对自然事物的模仿

 

学习：获取知识的过程 ==> 获取智力的活动

 

现在让我们从更多技术方面思考每个领域的定义。

 

人工智能

 

通过组合上述基本定义并进行一些修改，我们可以将人工智能定义为如下。

 

人工智能是（对于计算机这样的机器）学习和做出判断（针对给定的机器数据或查询）的能力。

 

然后你可能会有这样的问题：“机器如何获得智能？”或者“机器如何学习？”

 

答案是...机器根据人类制定的某些规则或算法进行学习。

 

是什么样的规则或算法呢？几十年前，当还没有机器学习或深度学习的概念时，人工智能中使用的规则/算法非常具体和明确。简单地说（可能存在过度简化的风险），你可以把早期的人工智能看作是一组巨大的“if”或“case”语句。每一个规则都由人类（AI程序员）明确定义。早期人工智能最常见的例子就是专家系统。

 

机器学习

 

机器学习的基本定义与我所描述的人工智能相同，因为机器学习本身就是一种人工智能。那么与传统的人工智能相比，机器学习有什么特别之处呢？我认为主要区别在于机器（例如计算机、汽车等）学习所使用的算法。在传统的人工智能中，算法非常具体和明确，但在机器学习中这些算法不那么具体和明确。人类（机器学习程序员）提供一组灵活的算法，带有许多可调参数，而机器则通过训练数据集自己调整这些参数。也就是说，机器学习从算法和训练数据中学到了一些东西。就像我们学习一样。我们被赋予了一个强大的算法（大脑），并通过各种训练数据（经验）来学习这个算法=大脑。

 

在算法方面，机器学习主要有两大类方法。一种是基于统计方法的，另一种是基于神经网络的。

 

使用统计方法时，机器通常学习如何将给定的数据集合分成几个组别，并预测给定数据（新数据）属于哪个组别。在这种