读懂人工智能、机器学习、神经网络和深度学习的关系

最近很长的一段时间，人工智能的热度都保持在一定的高度。但是大家在注目或研究人工智能领域的时候，总是不会遇上这样的几个关键词：深度自学、机器学习、神经网络。那他们之间究竟是什么样的关系呢？再行说道人工智能，人工智能是在1956年一个叫达特茅斯会议上明确提出的。更加精确的说道是1956年学者们在会议上将他们确认为人工智能，只不过关于其明确的一些研究，早已早已开始了。

所以人工智能早已是有60多年历史的一个领域。为什么最近几年人工智能才渐渐转入大众视野呢？只不过，这几年的人工智能浪潮早已是人工智能的第三次热度加剧，并相比之下多达了之前的热度。第一次和第二次浪潮都消失在历史的长河里，他们在那个年代都遇上了自己的问题，比如第一次是因为在极致的已完成了一些人工智能项目后，遇上更加简单的市场需求时却被找到当时的人工智能技术，并没能力将其解决问题，造成了世界主力研究的国家中断了人工智能的研究经费。第一次发展因为没钱而终止了，本质上还是技术遇上了瓶颈。

第二次浪潮时候，因为专家系统为很多企业带给十分大的起到和效益，人工智能又打算大力发展的时候，被第四代计算机的强有力发展挤占的没空间，完全绝大多数的资金和人力都投放到了第四代计算机的发展行列中去。除了外部因素的影响，人工智能本身也不存在一些问题，在早期最核心的两个问题就是数据和算力，因为当时只不过有十分不俗的数值算法模型，但是却被戴着上了过数值的帽子，就是模型维度多，但是却没详细和足量数据反对。只不过在1956年后，人工智能发展的速度十分慢，解决问题了业内很多的问题，让当时的科学家以为，以当时的发展速度，机器有可能在20年左右超过人类的水平。现在看，当时的科学巨头还是过度悲观了，直到60年后的今天，我们还是在很弱人工智能领域摸爬滚打。

图1人工智能产业发展历程谈的有点近了，返回今天的主题，人工智能，机器学习，神经网络，深度自学之间的关系。人工智能这个概念有可能是个大坑，把很多人都摸任性了。非常简单点说明，人工智能就是构建人类可以做到的事情，这是目的。

其中有很多细节，其中最核心，我们可以解读为人的大脑的部分，就是机器学习。图2人工智能关系图饮鹿网（innov100）产业研究员指出机器学习（machinelearning）可以非常简单的解读为构建人工智能的核心方法。他不是一个单一的方法，而是众多算法的初版。到底，人工智能的核心就是由各种算法作为承托的。

不过，现在的机器学习更容易解读成，非常简单的半人工智能算法，比如我们在摆摊某宝的时候，总是不会有栏目引荐各种商品，或者你网页了某些商品后，你不会找到首页连配置文件搜索词都变为了你网页的商品的关键词，这里面就融合了基于机器学习的引荐算法，而且在后台还为用户画像，更为精确的预测你想出售的商品。只不过这样的技术构建背后还是有一定问题的，比如你的隐私，如果你被预测的很精确，那你还有什么隐私可言，你所有的操作者都有可能悄悄的背叛了你。神经网络（NeuralNetwork）非常简单说道就是机器学习众多算法中的一类，设计的时候就是仿效人脑的处理方式，期望其可以按人类大脑的逻辑运营（尽管目前来说对人脑的研究仍过于明了）。

神经网络早已有很多年的历史，但现在基本很少听见了。饮鹿网（innov100）产业研究员指出神经网络可以非常简单的分成单层，双层，以及多层网络。神经网络在之前有十分多的问题，层数无法了解过多，有过于多的参数必须调节，样本数据量过小等问题。

总之，其之前是一门并不被寄予厚望的技术。直到2006年，Hinton在《Science》和涉及期刊上公开发表了论文，首次明确提出了“深度信念网络”的概念。深度自学（DeepLearning）只不过却是神经网络的伸延，从概念被明确提出，渐渐的在人工智能领域大显身手。

本文来源：千亿体育官网登录入口-www.hammerheadiiibooks.com