ligence，人工智能）”屡次霸屏热搜榜，并被英国词典出版商柯林斯评为2023年的年度词。

  除了“人工智能”，我们还经常听到“机器学习”、“深度学习”…… 这些术语都是啥意思？它们之间有啥关系呢？

  说到人工智能，大家的第一反应可能是科幻电影里那些拥有人类智慧的机器人，但实际上，人工智能可不仅仅是机器人哦。

  AI是由约翰·麦卡锡（John McCarthy）于1956年提出来的，当时的定义是“制造智能机器的科学与工程”。 现在的人工智能是指“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”。 总结一下：人工智能就是让机器能够模拟人类的思维能力，让机器能像人一样去感知、思考甚至决策。 时至今日，AI已经不再是一门单纯的学科，而是涉及了计算机、心理学、语言学、逻辑学、哲学等多个学科的交叉领域。

  人工智能看起来是高深的科技，其实就是一个覆盖范围很广的概念。我们的身边，早就有了各种人工智能，例如：无人驾驶、人脸识别、智能机器人、机器翻译等等。

  擅长于某个方面的人工智能，只能执行特定的任务。 例如，人脸识别系统就只能识别图像，你要是问它明天天气怎么样，它可不知道如何回答。

  类似于人类级别的人工智能，能够在多个领域表现出类似于人的智慧，能理解、学习和执行各种任务。 强人工智能也叫通用AI（Artificial General Intelligence，AGI）。 ChatGPT之所以是划时代的进展，主要是因为它能写诗能做数学题还能编代码，已经基本能被称作强人工智能了。

  超越人类智慧的人工智能，在所有的领域都比人类聪明，可以执行任何智力任务并且在许多方面超越人类。 尽管超AI在科幻作品中常常会出现，但在实际中只是一个理论概念，目前还没有实现的可能。

  说到这里，问大家一个问题，打败围棋世界冠军的AlphaGo属于什么人工智能呢？

  前面提到，人工智能的目的是让机器能够像人一样思考并决策，到底怎么来实现呢？

  回想一下，我们刚出生时基本上什么都不会，经过了几十年的学习，我们学会了各种知识、技能。 机器也是一样的，要让它会思考，就要让它先学习，从经验中总结规律，进而拥有一定的决策和辨别能力，这就是人工智能的核心——机器学习。

  机器学习专门研究计算机怎样模拟或实现人类的学习行为，通过学习获取新的知识、技能，从而重新组织已有的知识结构，不断改善自身性能。

  机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、算法复杂度理论等多门学科。

  简而言之，机器学习就是从数据中通过算法自动归纳逻辑或规则，并根据归纳的结果与新数据来进行预测。

  举个例子，如果我们想让计算机看到狗时能判断出是狗，就需要给计算机展示大量狗的图片，同时告诉它这就是狗。 经过大量的训练，计算机会总结出一定的规律，当下次看到狗时，捕捉到对应的特征，得出“这是狗”的结论。 如果算法不够完善，可能会把猫误认为狗，这就需要计算机通过经验数据自动改进算法，从而增强预测能力。

  从有标记的数据中学习，即数据中包含自变量和因变量，通过学习已知的输入和输出数据来进行预测，如分类任务和回归任务。

  分析没标签的数据，即数据中只有自变量没有因变量，发现数据的规律，如聚类、降维等。

  降维：通过提取特征，将高维数据压缩用低维表示，如将汽车的里程数和使用年数的限制合并为磨损值。

  训练数据只有部分有标记，先使用无监督学习对数据来进行处理，再用监督学习对模型进行训练和预测。 例如手机可以识别同一个人的照片（无监督学习），当把同一个人的照片打上标签后，之后新增的这个人的照片也会自动加上对应的标签（监督学习）。

  通过与环境进行交互，根据奖励或惩罚来优化算法，直到获得最大奖励，产生最优策略。例如扫地机器人撞到障碍物后，会优化清扫路径。

  通过上面的了解，相信大家对机器学习已经不陌生了。那么深度学习又是个啥？跟机器学习有什么关系？

  深度学习是机器学习领域的一个新的研究方向，是一种通过多层神经网络来学习和理解复杂数据的算法。 机器通过学习样本数据的深层表示来学习复杂任务，最终能够像人一样具有分析学习能力，能够识别文字、图像和声音等。

  深度学习使用了神经网络结构，神经网络的长度称为模型的“深度”，因此基于神经网络的学习被称为“深度学习”。 神经网络模拟了人类大脑的神经元网络，神经元节点可以对数据做处理和转换。通过多层神经网络，数据的特征可以被不断地提取和抽象，从而使机器能更好地解决各种问题。

  递归神经网络（Recurrent Neural Network，RNN）：适用于处理序列数据，如自然语言处理。

  长短期记忆网络（Long Short-Term Memory，LSTM）：一种特殊的RNN结构，能够更好地处理长序列数据。

  在深度学习的加持下，人工智能得以加快速度进行发展，相信在不久的将来，我们将拥有一个全新的AI时代。

  “机器学习”是实现AI的一种方法，目的是从数据中学习规律，传统的机器学习需要人工确定数据特征。

  “深度学习”是机器学习的一个特定分支，基于神经网络，能自动学习数据特征。

  文章出处：【微信号：wuxian_shenhai，微信公众号：无线深海】欢迎添加关注！文章转载请注明出处。

  的联系与区别！ /

  是由约翰·麦卡锡（John McCarthy）于1956年提出来的，当时的定义是“制造

  呢？ /

  中的 8 种常见应用 /

  (AI)技术之一。这两种技术都有助于在不需要人类干预的情况下让计算机自主

  的区别有哪些 /

  是当今最热门的领域之一，因其在工业、商业、医疗和别的行业中的应用而广受欢迎。

  （Artificial Intelligence，简称 AI）是一门综合性的学科，它属于计算机

  大模型已经孵化；繁衍过程将突飞猛进，ChatGPT已经上线。 世界首富马斯克认为AI对人类是一种威胁；谷歌前CEO施密特认为AI和

  有什么区别？当今唯一可用的软件选项是 ML 系统。在十年左右的时间里，当计算能力和算法开发达到可以显着影响结果的地步时，我们将见证第一个真正的

  的区别 /

  中的“训练”亦是如此。从少数的样本（已知模型输入X和模型输出Y）中，

  基于法动EDA电磁大脑EMOptimizer®独创快速产生模拟/射频电路图及其优化结果

  由于 Windows 无法加载这个设备所需的驱动程序，导致这个设备工作异常？