人工智能，机器学习和深度学习之间的区别

本文概述

随着技术的进步, 一切都变得越来越简单和易于使用。我们可以看到Siri, Alexa, Cortana之类的语音助手使我们的日常生活更加轻松。通过人工智能, 机器学习和深度学习的应用可以看到很多这样的例子。

如今, 这些术语已成为流行的流行词。但是我们知道每个术语的含义吗？让我们了解并区分三种最重要的技术。

首先, 有必要知道人工智能, 机器学习和深度学习是不同的, 但彼此之间是相互关联的, 并且上述所有技术的基础都是一种算法。那么什么是人工智能？

简而言之, 人工智能, 顾名思义就是由人类创造的智能, 旨在使机器通过复制人类的智力来执行逻辑。 AI流程的主要目的是从经验中教授机器, 因此提供正确的数据和自我校正至关重要。

人工智能的增长已经影响了全球各个行业, 说实话, 人工智能的应用只能受到想象力的限制。每家企业都看到了最新技术的目的, 该技术使人们能够利用其开发人员的创造力, 通过有趣的项目进行学习, 无需离开某个地方就可以前往不同的地点以及通过他人的感知来查看实际情况。

人工智能可能是人类最创新, 最复杂的发现之一, 要解释它, 我们必须了解它是如何分类的。根据AI执行各种任务的能力, 将其分为两个系统。在技术中更普遍使用的第一个系统将AI分为三类：

第二种系统将AI分为四种类型, 这也取决于执行类人动作的能力以及与人的行为相似的能力。他们是：

反应式机器：这是具有最小容量的AI系统的最早形式。他们复制了人类大脑对各种刺激做出反应的技能。但是, 它们的功能不是基于内存的, 这意味着它们无法从以前的经验中学到东西。
内存有限：这些机器是具有反应型机器技能的机器, 也能够从过去的数据中学习以进行决策。
心理理论：这些类型的机器尚未开发。但是, 据信他们将能够根据他们的要求, 情感和想法进行类似人的活动。
自我意识：自我意识的AI将成为AI发展的最终水平。除了能够理解人的情感之外, 该机器还将具有自己的感觉, 可以做出决定并提出潜在的想法。

机器学习是人工智能的组成部分。许多人认为它是人工智能, 但事实并非如此。它是获取机器以读取, 处理和解释数据以解决实际问题的科学。机器学习分为三类, 即：

深度学习是机器学习的领域, 它训练机器执行直观地呈现给人类的东西。这是无人驾驶汽车, Facebook上的面部识别算法, Alexa, Siri等虚拟助手背后的逻辑。

在深度学习中, 机器学习立即从图片, 声音或文本中完成分析。这些模型可以提供复杂的精度, 有时甚至超过了人类的成就。通过使用大量指定的数据和包含多层的神经网络结构来指导模型。

人工智能, 机器学习和深度学习之间的主要区别在于它们不相等, 而是彼此内部按层次排列。整个机器学习和深度学习领域都包含在人工智能中。感谢数十年来的人工智能研究, 以感谢我们今天所处的位置。虽然将机器学习和深度学习都提到为AI是适当的, 但使用它们代替AI是不正确的。