在大資料時代，人們往往被人工智能（AI）、機器學習（ML）、深度學習（DL）這一些熱詞轟炸，但不少人對這些詞匯的含義以及之間的關系比較模糊，甚至混為一談，
本章作為人工智能的第一章節，主要從理論層面幫助大家更好的理解人工智能、機器學習、深度學習的含義，并理清三者之間的關系，希望對初學者有所幫助，
人工智能（Artificial Intelligence）
人工智能是個特別寬泛的概念，簡單來說，能夠讓機器產生像人類一樣的行為，就可以稱為人工智能，
而人工智能的誕生還需要從計算機說起，
1946年，基于“圖靈機”和“馮·諾依曼架構”等理論，成功誕生了第一臺通用計算機，并且在此后以極快的速度發展，這鼓舞了科學家們，同時讓很多科學家們開始思考另一個更偉大的夢想：能否讓機器代替人類思考？
時間來到1950年，艾倫·圖靈（英國數學家，計算機之父、人工智能之父）發表的一篇《計算機器與智能》的論文便對這一問題進行了深入的探討，
在文中，關于“計算機是否能夠思考”這一問題圖靈給出了肯定的答案，并預判了來自數學、宗教、意識等各種領域的反駁觀點，如數學界的哥德爾不完備定理、宗教的靈魂理論、意識層的情感理論等，以此證明了“讓機器代替人類思考”的可行性，
另外，圖靈還提出了一個名為“圖靈測驗”的實驗，實驗的核心其實闡述的是圖靈的一個觀點，即：無論機器內部如何處理，只要機器表現出來的行為與人類一致（通過圖靈測驗），那么這臺機器就是有智能的，
這一理論是大膽且反直覺的，并且在此后的半個多世紀對此論點的爭論都沒有停止過，贊同的人很多，不贊同的人也不少，比如中文房間思想實驗，就極力地反駁了此論點的合理性，
這個時期的人工智能還處于理論階段，直到1956年艾倫·圖靈逝世兩年后，幾位計算機領域的科學家在達特茅斯會議上正式提出了Artificial Intelligence也就是人工智能這個概念，并由此發展成為一門學科，
達特茅斯會議參會科學家
最初的時候，科學家們熱衷于制造一臺可以像人類一樣“思考”的機器，但歷經無數次失敗后，很快就意識到這個步子邁的太大了，容易扯著蛋，并在此后產生了3大人工智能學派（符號主義學派、連接主義學派、行為主義學派），嘗試著從不同的道路上進行人工智能的探索，
經過半世紀以來起起伏伏的發展，現如今人工智能已經已經在影像處理、計算機視覺、自然語言處理等方面取得了一些突破，并且產生了實際的應用價值，而這些都涵蓋在“人工智能”這個大領域里，
機器學習（Machine Learning）
機器學習是實作人工智能的其中一個方法，
人工智能可行性的理論問題解決以后，如何讓機器“思考”成為了新的研究方向，這也意味著人工智能從“能不能做”發展到了“怎么做”階段，而對于這一問題的探索，人工智能科學家們嘗試了非常多的方法，
事實上，所有實作人工智能的方法，最根本的靈感來源都是來自于人類自身，接下來我們從人工智能的三大學派的發展中就可以看到這一點，
符號主義學派
人工智能的三大學派之一，符號主義學派，講究的是基于人類大腦邏輯思維進行推理的智能模擬方法，主要研究的方向是人類的思維程序，他們試圖將智能(主要是人類思維)形式化為計算機可理解的符號、規則和演算法，從而實作用計算機模擬人類的智能行為，
其代表性成果是啟發式程式，它證明了38條數學定理，此后基于此思想又搭建了一個專家系統，專家系統是一種程式，它能夠從知識庫和知識工程中推演出的邏輯規則解決某一特定領域的問題，
連接主義學派
連接主義學派，是基于人類大腦神經網路連接機制與學習演算法的智能模擬方法，他們的研究包含兩個方面，一方面是得益于腦科學的發展，通過學習腦神經網路的連接機制，形式化為神經元模型（M-P模型），另一方面基于神經元模型，發明了各種機器學習方法，從而讓計算機能夠模擬大腦的學習和訓練程序，
現在火爆的基于機器學習的影像處理、自然語言處理技術的發展，歸根結底都是基于連接主義學派的研究，而連接主義學派也是目前發展最好的一派，
行為主義學派
而另一大學派，行為主義學派認為：智能取決于感知和行為，取決于對外界復雜環境的適應，
它是基于“感知—行動”的行為智能模擬方法，也就是說，生物智能誕生的原因在于環境的影響，生物通過與環境及其他生物之間的互動，從而發展出越來越強的智能，
基于此理論思想，行為主義學派提出了無需知識表示、無需邏輯推理的智能行為觀點，相對于智能內在的邏輯，他們對如何實作智能行為更感興趣，在他們的眼中，只要機器能夠具有和智能生物相同的行為，那它就是智能的，
行為主義學派注重結果，實用性很強，它的代表作有掃地機器人、波士頓機器人等，
綜上所述，機器學習只是人工智能探索道路上的一個方法，它的核心理論是通過大量資料的訓練進行不斷學習，然后根據學習成果對現實世界的事件做出決策，
“如何讓機器學習”是機器學習的核心，其方法包括監督學習、無監督學習、深度學習、強化學習等方法，具體的演算法有線性回歸演算法、支持向量機演算法、近鄰演算法、決策樹演算法等，
深度學習（Deep Learning）
深度學習是機器學習的一種方法，
它之所以火爆，是因為相較于其他的機器學習方法它的效果更好，
它的演算法主要有卷積神經網路、回圈神經網路、遞回神經網路、反向傳播演算法等，
總結
人工智能是一個大領域，也是一個目標，機器學習是通往人工智能必不可少的路徑，深度學習是機器學習最好的方法，可以讓走向人工智能的路途更加悠然，
原文地址：http://pythonjishu.com/what-is-ai-ml-dl/
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/528724.html
標籤：Python
上一篇：django撰寫cookie