江苏龙网

  1. 主页 > 生活百科 > >

深度学习和机器学习有什么区别？

机器学习

在人工智能的早期，那些对人类智力来说非常困难、但对计算机来说相对简单的问题得到迅速解决，比如，那些可以通过一系列形式化的数学规则来描述的问题 。人工智能的真正挑战在于解决那些对人来说很容易执行、但很难形式化描述的任务，如识别人们所说的话或图像中的脸 。对于这些问题，我们人类往往可以凭借直觉轻易地解决 。
针对这些比较直观的问题，《深度学习》讨论一种解决方案 。该方案可以让计算机从经验中学习，并根据层次化的概念体系来理解世界，而每个概念则通过与某些相对简单的概念之间的关系来定义 。让计算机从经验获取知识，可以避免由人类来给计算机形式化地指定它需要的所有知识 。层次化的概念让计算机构建较简单的概念来学习复杂概念 。如果绘制出表示这些概念如何建立在彼此之上的图，我们将得到一张“深”(层次很多)的图 。基于这个原因，我们称这种方法为AI深度学习(deep learning) 。
【深度学习和机器学习有什么区别？】AI许多早期的成功发生在相对朴素且形式化的环境中，而且不要求计算机具备很多关于世界的知识 。例如，IBM的深蓝(Deep Blue)国际象棋系统在1997年击败了世界冠军Garry Kasparov(Hsu,2002) 。显然国际象棋是一个非常简单的领域，因为它仅含有64个位置并只能以严格限制的方式移动32个棋子 。设计一种成功的国际象棋策略是巨大的成就，但向计算机描述棋子及其允许的走法并不是这一挑战的困难所在 。国际象棋完全可以由一个非常简短的、完全形式化的规则列表来描述，并可以容易地由程序员事先准备好 。
具有讽刺意义的是，抽象和形式化的任务对人类而言是最困难的脑力任务之一，但对计算机而言却属于最容易的 。计算机早就能够打败人类最好的国际象棋选手，但直到最近计算机才在识别对象或语音任务中达到人类平均水平 。一个人的日常生活需要关于世界的巨量知识 。很多这方面的知识是主观的、直观的，因此很难通过形式化的方式表达清楚 。计算机需要获取同样的知识才能表现出智能 。人工智能的一个关键挑战就是如何将这些非形式化的知识传达给计算机 。
一些人工智能项目力求将关于世界的知识用形式化的语言进行硬编码(hard-code) 。计算机可以使用逻辑推理规则来自动地理解这些形式化语言中的声明 。这就是众所周知的人工智能的知识库(knowledge base)方法 。然而，这些项目最终都没有取得重大的成功 。其中最著名的项目是Cyc(Lenat and Guha,1989) 。Cyc包括一个推断引擎和一个使用CycL语言描述的声明数据库 。这些声明是由人类监督者输入的 。这是一个笨拙的过程 。人们设法设计出足够复杂的形式化规则来精确地描述世界 。例如，Cyc不能理解一个关于名为Fred的人在早上剃须的故事(Linde,1992) 。它的推理引擎检测到故事中的不一致性：它知道人体的构成不包含电气零件，但由于Fred正拿着一个电动剃须刀，它认为实体——“正在剃须的Fred”(“Fred While Shaving”)含有电气部件 。因此，它产生了这样的疑问——Fred在刮胡子的时候是否仍然是一个人 。
依靠硬编码的知识体系面临的困难表明，AI 系统需要具备自己获取知识的能力，即从原始数据中提取模式的能力 。这种能力称为机器学习(machine learning) 。引入机器学习使计算机能够解决涉及现实世界知识的问题，并能做出看似主观的决策 。比如，一个称为逻辑回归(logistic regression)的简单机器学习算法可以决定是否建议剖腹产(Mor-Yosef 


    推荐阅读


    上一篇：你居然不懂Bitmap和Drawable？相关知识大扫盲

    下一篇：AppFlowy：Notion 的开源替代品