人工智能、机器学习、深度学习三者的区别

2016年人工智能大爆发，也许在不久的将来人工智能会充斥在我们生活的方方面面。随着人工智能的普及，各种层出不穷的新技术、新概念让人眼花缭乱。对于机器学习和深度学习，有一大部分人并不了解。有些人把三者混为一谈，有些人把三者全然分开，这都是不准确的。

人工智能是一个大概念，从有效的老式人工智能到联结主义结构，无所不包。人工智能是最早出现的，然后一些较小的子集也发展起来。先是机器学习，是人工智能领域的一个小分支，是实现人工智能的方法。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归、K均值、决策树、随机森林、主要成分、支持向量机、人工神经网络。而人工神经网络又是深度学习的起源，所以说深度学习是实现机器学习的技术，也是当今人工智能大爆炸的核心驱动。

人工智能——为机器赋予人的智能

人工智能分为两种，一种叫“强人工智能”，另一种叫“弱人工智能”。用计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，就是“强人工智能”。这个无所不能的机器，有着人类所有的感知和理性，可以像人类一样思考。但是就目前而言，我们还没法实现，只能在科幻电影或小说中感受，比如说C-3PO、终结者等。

不过，“弱人工智能”在目前已经可以实现。“弱人工智能”不可能制造出真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能，但是并不真正拥有智能，也不会有自主意识。“弱人工智能”是能够与人一样，甚至比人更好地执行特定任务的技术。比如Pinterest上的图像分类、Facebook的人脸识别。

机器学习——实现人工智能的方法

上述提到的“弱人工智能”的应用的实现都要依靠机器学习。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等。

深度学习——实现机器学习的技术

深度学习是实现机器学习的一种技术。早期机器学习研究者还开发了一种叫做人工神经网络的算法，这是深度学习的起源。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但是，人类大脑中的神经元可以与特定范围内的任意神经元连接，而人工神经网络具有离散的层、连接和数据传播的方向。

深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。深度学习实现了各种任务，使得似乎所有的机器辅助功能都变为可能。无人驾驶汽车、预防性医疗保健、甚至是更好的电影推荐，都近在眼前或即将实现。

人工智能的根本在于智能，而机器学习则是部署支持人工智能的计算方法。人工智能是科学，机器学习是让机器变得更加智能的算法，机器学习在某种程度上成就了人工智能。