技术领域的下一件大事是机器学习。还是深度学习？也许是人工智能。如果您发现自己在这三者之间的纠结中纠缠不休，那么您并不孤单。
从来没有人放弃任何机会进行大肆宣传并获得风险投资资金，一些科技公司一直在使用这三个都可以互换。虽然它们都属于同一大伞，但它们之间还是有一些关键的区别。
什么是人工智能？
人工智能（通常称为AI）是一个概念，比系统。智力被认为是人类的独特特征。传统上，人们认为机器可以获取知识，但不能获取智慧或智慧。计算机科学家艾伦·图灵（Alan Turing）在生命的大部分时间里都在考虑机器是否可以思考。
他设计了图灵测试，旨在确定机器是否可以表现出智能行为，而不是必然表现出智能。这是一个重要的区别，因为我们仍然不能完全理解思想或智能。
我们希望创建能够表现出智能行为的机器，而不是尝试定义智能。
AI不是描述技术本身，而是描述系统的一种手段。这些系统可以标记为Narrow AI和General AI。狭窄的AI是一个智能的系统，但是只能执行特定的任务。通用AI是我们从流行文化中更为熟悉的类型。
这些类型的系统将能够显示人类智能的所有要素。 《终结者》电影专营权中的天网，或《 2001：太空漫游》中的HAL，是通用AI的虚构示例。尽管，尽管电影告诉了您什么，但并非所有通用AI系统都会破坏人类。
什么是机器学习？
我们都知道数据可能有用。无论是知道去办公室的路线是什么，还是要时刻注意我们的健康状况，数据都可以帮助我们做出决定并引导我们度过一生。但是我们每天都会产生如此之多的东西，以致人类无法分析。
因此，我们应该让机器来为我们做繁重的工作。
Google的机器学习课程总结了机器学习就是“使用数据来回答问题"。他们将其分为两个部分：训练和预测。想象一下，您有一组图像，这些图像具有您想要识别的形状。如果将图像输入到机器学习算法中，则系统开始学习该形状的特征。
当遇到新图像时，将形状与训练数据中的元素进行比较，以确定是否
尽管您可能无法识别它，但个性化搜索结果，Spotify播放列表和Amazon产品推荐也是机器学习的结果。 Netflix甚至使用机器学习算法对显示的封面作品进行个性化设置。
什么是深度学习？
但是，如果这些神经通路中的每一个彼此独立，我们反应时间会非常慢，而且我们可能无法在思想之间建立联系。系统的成功取决于所有这些路径之间的关系，从而导致并发数据处理。
深度学习是复制这种密集的神经元网络的方法。通过一次处理多个数据流，计算机已经能够大大减少处理数据所需的时间。将该技术应用于深度学习已产生了人工神经网络。
这些网络由一系列节点组成。有用于接收数据的输入节点，有用于结果数据的输出节点，中间是节点的隐藏层。目标是将输入数据转换为输出节点可以使用的内容。这就是隐藏层的所在。当数据通过这些隐藏节点前进时，神经网络使用逻辑来决定将数据传递到下一个节点。
机器学习与AI与深度学习< /
虽然机器学习是一个功能强大的工具，可以帮助我们理解所创建的大量数据，但它并没有表现出独立的思想。该算法是由程序员设计的，他们设置了机器学习系统必须遵循的规则。开发人员的偏见，无论是否有意识，都会产生后果。
机器学习的首批重大挫折之一是由Google的一位工程师提供的。 2015年，他注意到该公司的照片识别算法将他和他的黑人朋友标记为大猩猩。谷歌立即道歉并实施了短期修复。
但是，两年后，《连线》杂志报道谷歌的解决方案是从训练数据中完全消除大猩猩。
另一方面，学习使我们更接近通用人工智能。通过尝试通过多层节点集合来复制人类的思维，深度学习结构无需使用大型初始数据集进行训练。他们根据所提供的信息和系统的逻辑做出决策。
中立网络的决策不透明可能看起来令人不安，但这意味着它成功地复制了人类的情报。例如，我们甚至没有完全理解我们如何提出自己的想法和决定。
人人享有的人工智能
最后，不需要比较机器学习相对于AI，还是深度学习与机器学习，因为它们都有不同的用途。人工智能描述了机器中人类风格智能的概念，而机器学习和深度学习是创建通用AI的努力。
这并不是说AI领域是完全抽象的。 Google通过将AI几乎添加到其所有产品中来利用其庞大的数据集。 Gmail最近通过“智能回复"进行了改进，而该公司的Duplex AI正在全美范围内推广，可以代表您处理电话。但是并不是唯一可以参与AI游戏的人。
您现在可以通过Google的在线AI实验亲自尝试一下。
图片图片来源：sdecoret / Depositphotos
