近年来,随着科技的快(kuài)速发展(zhǎn),人(rén)工智能不断进入我们(men)的(de)视野中。作(zuò)为人工智(zhì)能的核心技术,机器学习和深度(dù)学(xué)习也变得越(yuè)来越火(huǒ)。一时(shí)间,它们几(jǐ)乎成为了每个人都在谈论的话题。那(nà)么(me),机(jī)器学习和深度学习(xí)到底是什么,它们(men)之间究竟有什么(me)不同呢?
什么是机(jī)器学习?
机器(qì)学(xué)习(Machine Learning,ML)是(shì)人工智能的子领域,也是人工智能的核心。它囊(náng)括了几乎所有对世界影响最(zuì)大的方法(包(bāo)括(kuò)深度学习)。机(jī)器学习理论主要是设计(jì)和(hé)分(fèn)析一些(xiē)让计算机可(kě)以(yǐ)自动学习的算法。
举个例子,假设要(yào)构建一个识别(bié)猫的程序。传统上如果(guǒ)我们想让计算(suàn)机进行(háng)识别,需要输入(rù)一串指令,例如猫长着毛茸茸的(de)毛、顶着(zhe)一对三(sān)角(jiǎo)形的的耳朵(duǒ)等,然后(hòu)计算(suàn)机根据这些指令执行下去。但是如果我们对程(chéng)序展示一只老虎(hǔ)的照片,程序(xù)应该如何(hé)反应(yīng)呢?更何况(kuàng)通过传统方式(shì)要制(zhì)定全部所需的规则,而且在此过程中必然会涉及到一些困难的概念,比如对毛茸茸(róng)的定义。因此(cǐ),更好的方式是(shì)让机(jī)器自学。
我们可以为计算机提供大量的猫的照片,系统将(jiāng)以自己特有的方式查看(kàn)这些(xiē)照片(piàn)。随着实(shí)验(yàn)的反(fǎn)复进行(háng),系统会不断学习更新(xīn),最终能够准确(què)地判断出哪些是猫,哪些(xiē)不是猫。
什(shí)么是深度学习?
深(shēn)度学习(DeepLearning,DL)属于机器学习的子类(lèi)。它的灵感来(lái)源于人类大脑的工作(zuò)方式,是利用(yòng)深度神经网络来解决特征表达的(de)一种学习(xí)过程。深度(dù)神经网络(luò)本身(shēn)并非是一(yī)个全新的概念,可理(lǐ)解为包含(hán)多个隐(yǐn)含(hán)层的神经网络(luò)结构。为(wéi)了(le)提高(gāo)深层神经网络的训练(liàn)效果,人们对(duì)神经元的(de)连接方法(fǎ)以及激活函数(shù)等方面做出了调整。其目(mù)的在于建立、模拟人脑进行分析学习的神经网络(luò),模(mó)仿人脑的机制来解释数据,如文本、图(tú)像、声(shēng)音(yīn)。
机器(qì)学习(xí)与深(shēn)度(dù)学(xué)习(xí)的(de)比较
1、应用场景
机器学习在指纹识别(bié)、特(tè)征(zhēng)物体(tǐ)检测等(děng)领域的应用(yòng)基本达(dá)到了(le)商业化的要求。
深度(dù)学习主要应用于文(wén)字识(shí)别(bié)、人脸技术、语义分析(xī)、智能监(jiān)控等领域。目前(qián)在智能(néng)硬(yìng)件、教育(yù)、医疗(liáo)等行业也在快速布(bù)局。
2、所(suǒ)需数据量(liàng)
机器学习能够适(shì)应各种数据量,特(tè)别是数据量较小的(de)场景。如果(guǒ)数据量迅(xùn)速增(zēng)加,那(nà)么深度学习的(de)效果将更加突出(chū),这是因为深度学习算法需要大量数据才(cái)能完美理解。
3、执行(háng)时(shí)间
执行时间(jiān)是指训练算法所需要的时间量。一般来说,深度学习算法(fǎ)需要大量时(shí)间进行训练(liàn)。这(zhè)是因为该(gāi)算法(fǎ)包(bāo)含有很(hěn)多参数,因此训练它们需要比平时(shí)更长(zhǎng)的时间。相对而言,机器(qì)学习算法的执行(háng)时间更少。
4、解决问题的方法
机器学习(xí)算法遵循标准程序以解决问题。它将问题拆分成数个部分,对(duì)其(qí)进(jìn)行分别(bié)解决,而后再(zài)将结果结(jié)合起来以获得所需的答(dá)案。深度(dù)学习则以集中方式解决问题,而不必进行问题拆分。
在本文中,我们(men)对机器学习(xí)与深度学习的区(qū)别作出了简(jiǎn)要概述。目前,这两种算法已被(bèi)广泛应用于商业领域,相信在未来,机器学习与深度(dù)学习能够为更(gèng)多行业(yè)带(dài)来令人激(jī)动的光明(míng)前景。