上篇文章有關於人工智能的深度學習,那麼人工智能,機器學習和深度學習究竟有什麼關係呢?
首先技術實現的是人類智能的一些具體的局部。但它們是如何實現的?這種智能是從何而來?然後帶我們來到同心圓的里面一層,機器學習。
那麼機器學習直接糾正早期的人工智能領域,傳統算法包括決策樹學習,推導邏輯規劃,聚類,強化學習和貝葉斯網絡等等。這些,我們還沒有實現強人工智能,早期機器學習方法甚至都無法實現弱人工智能。
人工神經網絡(Artificial Neural Networks)是早期機器學習中的一個重要的算法,歷經幾十年風風雨雨。神經網絡的原理是受我們大腦的生理結構-相互交叉相連的神經元啟發。大腦中一個神經元可以連接一定距離內的任意神經元不同,人工神經網絡具有離散的層,連接和數據傳播的方向。通過把這些神經網絡從基礎上顯著地擴大了。增加更多的層這些增加的層數和神經元,就可以理解為深度(deep)就是說神經網絡中大量的層,這樣理解也就完全理解了深度學習(deep learning)。
例如,經過深度學習訓練的圖像識別,在一些場景中甚至可以比人做得更好:從識別貓,到辨別血液中癌症的早期粒,到識別核磁共振成像中的腫瘤。Google的AlphaGo先是學會瞭如何下圍棋,然後與它自己的下棋訓練。它訓練自己的神經網絡的方法,就是不斷地與自己下棋,反复地下,永不停歇。
深度學習在搜索技術,數據挖掘,機器學習,機器翻譯,自然語言處理,多媒體學習,語音,推薦和個性化技術,以及其他相關領域都獲得了很多成果。深度學習使機器模仿視聽和思考等人類的活動,解決了很多複雜的模式識別難題,而人工智能相關技術取得了很大的進步。
深度學習,它是在一定的學習量的積累基礎之上的質的飛越,就是學習能力的質變和新實現。深度學習的在於在於大數據技術的成熟和支撐。同時,深度學習是一種經驗的連接和運用。它是人類的經驗和智慧在機器中的再生和活化。
深度學習壓縮機器學習能夠實現眾多的應用,並擴展了人工智能的領域範圍。深度學習塌拉拉朽般地實現了各種任務,並似乎所有的機器輔助功能都可能。無人駕駛汽車,預防性醫療保健,甚至是更好的電影推薦,都近在眼前,或者即將實現。

相 關 產 品

智慧醫療智慧醫療

09 Oct, 2020

BU4美編專用 AI應用
Read More
智慧教室智慧教室

16 Oct, 2020

BU4美編專用 AI應用
Read More
工廠設備預知保養工廠設備預知保養

17 Sep, 2020

BU4美編專用 AI應用
Read More
生產製程優化生產製程優化

17 Sep, 2020

BU4美編專用 AI應用
Read More