人工智能、機器學習和深度學習的區別你知道嗎？

科技發展造福社會，隨著大數據時代的到來，人工智能（AI）、機器學習、深度學習等概念相繼出現在我們的生活中，那麼它們之間究竟有什麼區別和聯系呢？

人工智能就是研究如何使計算機去做過去隻有人才能做的智能工作，是一門新的技術科學，屬於計算機科學領域的一個分支。人工智能的研究領域包含自然語言處理、圖像識別、機器人等。

機器學習是一門人工智能的科學，即人工智能領域中的一個子集，也是其核心，屬於多種領域的交叉學科。機器學習可以類比於人類學習知識的過程，人類想要獲取知識，首先需要對資料進行學習。機器學習過程與人類學習的過程相似，也需要預先對大量的學習資料進行學習來得到模型。當有新的樣例時，通過模型對新的樣例進行判斷，輸出結果，從而實現對真實世界中的樣例進行預測的功能。機器學習在計算機視覺、醫學診斷、數據挖掘、搜索引擎等領域均有應用。

深度學習是基於人工神經網絡發展而成的概念，是機器學習的子集。人工神經網絡是對人腦神經元網絡的抽象，也是早期機器學習中的一種算法，其主要應用於圖像識別、語音識別、自然語言處理等領域。

人工智能、機器學習、深度學習的關系示意圖

人工智能包含了機器學習，機器學習包含了深度學習，其中人工智能出現得最早。舉例而言，如果想讓機器區分一張圖片中是貓還是狗，我們可以使用人工智能來解決，那麼如何區分則可以使用機器學習的方法，通過對大量貓和狗的圖片數據進行學習，經過算法處理生成模型，來預測一張新的圖片中的動物究竟是貓還是狗。

機器學習和深度學習的區別是，機器學習大部分算法需要人類自己尋找特征，在上述例子中，我們需要告訴機器具體從哪方面去學習圖片中的動物是貓還是狗，如告訴機器可以從毛發顏色（即特征）的角度去學習，圖片中的貓的毛發是白色的，圖片中的狗的毛發是黃色的，機器通過這些人類告訴它的特征信息進行學習，並對新的圖片中的貓和狗進行區分。而深度學習可以自動生成特征，即我們不需要告訴機器從哪些角度去學習，機器能夠自己尋找角度來學習圖片的信息，並對圖片進行區分。但是深度學習也需要更多的數據，才能得到准確的結果。

本文由東北大學計算機科學與工程學院副教授信俊昌進行科學性把關。