1.1 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

人工智能 > 機(jī)器學(xué)習(xí) > 深度學(xué)習(xí)

即，人工智能包括機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)包括深度學(xué)習(xí)

1.1.1 人工智能

人工智能的定義如下：努力將通常由人類完成的智力化任務(wù)自動化

人工智能誕生于20世紀(jì)50年代，例如早期的國際象棋程序。這是20世紀(jì)50年代到80年代末人工智能的主流范式。20世紀(jì)80年代的專家系統(tǒng)熱潮中，這一方法的熱度到達(dá)了頂峰。

符號主義人工智能適合用來解決定義明確的邏輯問題，但是難以給出明確的規(guī)則來解決更加復(fù)雜、模糊的問題，比如圖像分類、語音識別和語言翻譯。這就是機(jī)器學(xué)習(xí)。

1.1.2 機(jī)器學(xué)習(xí)

在經(jīng)典的程序設(shè)計(jì)中，人們輸入的是規(guī)則（即程序）和需要根據(jù)這些規(guī)則進(jìn)行處理的數(shù)據(jù)，系統(tǒng)輸出的是答案。
利用機(jī)器學(xué)習(xí)，人們輸入的是數(shù)據(jù)和從這些數(shù)據(jù)中預(yù)期得到的答案，系統(tǒng)輸出的是規(guī)則。這些規(guī)則隨后可應(yīng)用于新的數(shù)據(jù)，并使計(jì)算機(jī)自主生成答案。

機(jī)器學(xué)習(xí)系統(tǒng)是訓(xùn)練出來的，而不是明確地用程序編寫出來的。

機(jī)器學(xué)習(xí)（尤其是深度學(xué)習(xí)）呈現(xiàn)出相對較少的數(shù)學(xué)理論（可能太少了），并且是以工程為導(dǎo)向的。這是一門需要上手實(shí)踐的學(xué)科，想法更多地是靠實(shí)踐來證明，而不是靠理論推導(dǎo)。

1.1.3 從數(shù)據(jù)中學(xué)習(xí)表示

機(jī)器學(xué)習(xí)算法在做什么？我們需要以下三個要素來進(jìn)行機(jī)器學(xué)習(xí)

• 輸入數(shù)據(jù)點(diǎn)
• 預(yù)期輸出的示例
• 衡量算法效果好壞的方法

機(jī)器學(xué)習(xí)模型將輸入數(shù)據(jù)變化為有意義的輸出，這是一個從已知的輸入和輸出示例中進(jìn)行“學(xué)習(xí)”的過程。因此，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的核心問題在于有意義地變換數(shù)據(jù)，換句話說，在于學(xué)習(xí)輸入數(shù)據(jù)的有用表示——這種表示可以讓數(shù)據(jù)更接近預(yù)期輸出。

機(jī)器學(xué)習(xí)中的學(xué)習(xí)指的是，尋找更好數(shù)據(jù)表示的自動搜索過程。

所有的機(jī)器學(xué)習(xí)算法都包括自動尋找這樣一種變換：這種變換可以根據(jù)任務(wù)將數(shù)據(jù)轉(zhuǎn)化為更加有用的表示。機(jī)器學(xué)習(xí)算法在尋找這些變換時通常沒有什么創(chuàng)造性，而僅僅是遍歷一組預(yù)先定義好的操作，這組操作叫做假設(shè)空間。

這就是u機(jī)器學(xué)習(xí)的技術(shù)定義：在預(yù)先定義好的可能性空間中，利用反饋信號的指引來尋找輸入數(shù)據(jù)的有用表示。這個簡單的想法可以解決相當(dāng)多的機(jī)智能任務(wù)，從語音識別到自動駕駛都能解決。

1.1.4 深度學(xué)習(xí)之“深度”

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個分支領(lǐng)域：它是從數(shù)據(jù)中學(xué)習(xí)表示的一種新方法，強(qiáng)調(diào)從連續(xù)的層（layer）中進(jìn)行學(xué)習(xí)，這些層對應(yīng)于越來越有意義的表示。深度學(xué)習(xí)中的深度指的并不是利用這種方法所獲取的更深層次的理解。

參考
《Python深度學(xué)習(xí)》