人工智能可讓計(jì)算機(jī)、機(jī)器和機(jī)器人模仿人，像人一樣制定決策、識別對象、解決問題和理解語言。
2.機(jī)器學(xué)習(xí) (ML)
機(jī)器學(xué)習(xí)是 AI 的一個子集，它專注于構(gòu)建可自主學(xué)習(xí)（無需人為干預(yù)）數(shù)據(jù)，從而持續(xù)提高準(zhǔn)確性的應(yīng)用。經(jīng)過訓(xùn)練，機(jī)器學(xué)習(xí)算法可識別數(shù)據(jù)模式，做出更明智的決策和預(yù)測，但這一般需要用戶參與。機(jī)器學(xué)習(xí)側(cè)重于構(gòu)建能夠基于自身使用的數(shù)據(jù)進(jìn)行學(xué)習(xí)或改進(jìn)性能的系統(tǒng)。換句話說，所有的機(jī)器學(xué)習(xí)都是 AI，但不是所有的 AI 都是機(jī)器學(xué)習(xí)。
3.深度學(xué)習(xí)(DL)
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子集，指人工神經(jīng)網(wǎng)絡(luò)（由算法建模而成，能夠像人的大腦一樣工作）學(xué)習(xí)大量數(shù)據(jù)，可幫助計(jì)算機(jī)解決更復(fù)雜的問題。從下圖可以看到，隨著數(shù)據(jù)量的增大，深度學(xué)習(xí)的性能會越來越好，而傳統(tǒng)機(jī)器學(xué)習(xí)方法性能表現(xiàn)卻趨于平緩；但傳統(tǒng)的機(jī)器學(xué)習(xí)算法在數(shù)據(jù)量較小的情況下，比深度學(xué)習(xí)有著更好的表現(xiàn)。
簡而言之，AI 是一個廣泛的概念，機(jī)器學(xué)習(xí)是 AI 的一個分支，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個特定分支。深度學(xué)習(xí)是目前最先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)之一，具有很強(qiáng)的特征提取和模式識別能力，對于處理大規(guī)模、高維度的數(shù)據(jù)具有很大的優(yōu)勢。
深度學(xué)習(xí)算法是仿照人腦建模的神經(jīng)網(wǎng)絡(luò)。例如，人腦包含數(shù)百萬個相互關(guān)聯(lián)的神經(jīng)元，它們協(xié)同工作以學(xué)習(xí)和處理信息。同樣，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（或人工神經(jīng)網(wǎng)絡(luò)）是由在計(jì)算機(jī)內(nèi)部協(xié)同工作的多層人工神經(jīng)元組成的。
深度學(xué)習(xí)網(wǎng)絡(luò)有哪些組成部分呢？
1.輸入層
人工神經(jīng)網(wǎng)絡(luò)有幾個向其輸入數(shù)據(jù)的節(jié)點(diǎn)。這些節(jié)點(diǎn)構(gòu)成了系統(tǒng)的輸入層。
2.隱藏層
輸入層處理數(shù)據(jù)并將其傳遞到神經(jīng)網(wǎng)絡(luò)中更遠(yuǎn)的層。這些隱藏層在不同層級處理信息，在接收新信息時調(diào)整其行為。深度學(xué)習(xí)網(wǎng)絡(luò)有數(shù)百個隱藏層，可用于從多個不同角度分析問題。
3.輸出層
輸出層由輸出數(shù)據(jù)的節(jié)點(diǎn)組成。輸出 “是” 或 “否” 答案的深度學(xué)習(xí)模型在輸出層中只有兩個節(jié)點(diǎn)。那些輸出更廣泛答案的模型則有更多的節(jié)點(diǎn)。
深度學(xué)習(xí)相對于機(jī)器學(xué)習(xí)有什么好處？
高效處理非結(jié)構(gòu)化數(shù)據(jù)
機(jī)器學(xué)習(xí)方法發(fā)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)（如文本文檔）難以處理，因?yàn)橛?xùn)練數(shù)據(jù)集可能有無限種變化。另一方面，深度學(xué)習(xí)模型可以理解非結(jié)構(gòu)化數(shù)據(jù)并進(jìn)行一般觀察，而無需手動提取特征。
隱藏的關(guān)系和模式發(fā)現(xiàn)
深度學(xué)習(xí)應(yīng)用程序可以更深入地分析大量數(shù)據(jù)，并揭示可能尚未對其進(jìn)行過訓(xùn)練的新見解。例如，考慮一個經(jīng)過訓(xùn)練以分析消費(fèi)者購買的深度學(xué)習(xí)模型。該模型僅包含您已購買的商品的數(shù)據(jù)。但是，通過將您的購買模式與其他類似客戶的購買模式進(jìn)行比較，人工神經(jīng)網(wǎng)絡(luò)可以向您推薦您尚未購買的新物品。
無監(jiān)督學(xué)習(xí)
深度學(xué)習(xí)可以根據(jù)用戶行為進(jìn)行學(xué)習(xí)，并隨時間推移進(jìn)行改進(jìn)。它們不需要大量不同版本的標(biāo)注數(shù)據(jù)集。例如，考慮通過分析您的鍵入行為自動更正或推薦詞匯的神經(jīng)網(wǎng)絡(luò)。假設(shè)該模型是使用英語訓(xùn)練的，因此可對英語詞匯進(jìn)行拼寫檢查。但是，如果您經(jīng)常鍵入非英語詞匯，如 danke，神經(jīng)網(wǎng)絡(luò)也可以自動學(xué)習(xí)和更正這些詞匯。
易失性數(shù)據(jù)處理
易失性數(shù)據(jù)集具有各種不同的版本。銀行的貸款還款額就是其中的一個例子。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)也可以對這些數(shù)據(jù)進(jìn)行分類和排序，例如通過分析金融交易并標(biāo)記其中一些交易以進(jìn)行欺詐檢測。
北大青鳥開設(shè)了人工智能、大數(shù)據(jù)、5G云計(jì)算、Java、前端、軟件開發(fā)等課程，辦學(xué)十余年，擁有豐富的教學(xué)經(jīng)驗(yàn)。如果你想學(xué)習(xí)一些人工智能方面的知識，也歡迎致電400-8035-955或在下方留下聯(lián)系方式來北大青鳥咨詢！
