【人工智能浅识】

人工智能一般分为两类，

一类是“强人工智能（General AI）”,也就是打造一台超棒的机器，

让它拥有人类的所有感知，甚至还可以超越人类感知，它可以像人一样思考。

另一类是弱人工智能（Narrow Al）,弱人工智能”可以像人类一样完成某些具体任务，

有可能比人类做得更好，例如Facebook用AI识别脸部，这就是“弱人工智能”。

机器学习这个概念是早期的AI研究者提出的。

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。

举个简单的例子，当我们浏览网上商城时，经常会出现商品推荐的信息。

这是商城根据你往期的购物记录和冗长的收藏清单，识别出这其中哪些是你真正感兴趣，

并且愿意购买的产品。

这样的决策模型，可以帮助商城为客户提供建议并鼓励产品消费。

机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。

从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。

现如今，越来越多的人将其看作一种学习的方法。最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。

深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。

为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。

深度学习摧枯拉朽般地实现了各种任务，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，或者即将实现。

人工智能让机器展现出人类智力、机器学习是抵达AI目标的一条路径、深度学习是一种实现机器学习的技术；

同时，有了深度学习，机器学习才有了许多实际的应用，并且还拓展了AI的整体范围。

机器学习这个概念是早期的AI研究者提出的。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。