通俗理解人工智能、機器學習和深度學習的關係
最近幾年人工智能成為極其熱門的概念和話題，可以說徹底出圈了。但人工智能的概念在1955年就提出來了，可以說非常古老。我在上小學的時候《科學》課本上就有人工智能的概念介紹，至今還有印象，但那些年AI正處於「寒冬」，很少在其他地方見到這個概念。現在人工智能這麼熱，普通人容易從科幻電影和媒體宣傳上來理解人工智能，這就難免有很多誤解的成分。
漫威電影中的人工智能幻視，是一個超級英雄
幾年前有一篇《超級人工智能之路》的長文在網絡上流行，很多媒體自媒體也都報道、解讀過，可以說這篇文章把人工智能捧上了天。在我看來，這種吹捧確實過頭了。
1956年，在達特茅斯學院舉行的一次會議上正式確立了人工智能的研究領域。會議的參加者在接下來的數十年間是AI研究的領軍人物。他們中有許多人預言，經過一代人的努力，與人類具有同等智能水平的機器將會出現。同時，上千萬美元被投入到AI研究中，以期實現這一目標。——wiki
對人工智能的盲目樂觀真是歷史悠久啊。我的建議是，關於人工智能的未來可以盡情暢想，但不必認真，要了解人工智能真正的樣子，只看它現在能為我們做什麼就好。
人工智能
剛接觸這個領域的時候，對人工智能的概念比較模糊，甚至到現在為止也沒有找到一個足夠清晰的定義。我自己做了一個通俗的理解：凡是機器做了人需要動腦才能完成的事情，都可以稱之為人工智能。這個定義並不嚴謹，但是好理解，可以幫助我不再糾結這概念。從這個角度去看，你會發現人工智能在生活中確實到處都在了，並且很早就有。AI並沒有那麼神秘。
機器學習
機器學習是人工智能的重要分支，重要到人工智能幾乎都要等同於機器學習了，在有些場合下這兩個概念甚至可以混用。Herbert A. Simon 曾對「學習」給出過一個定義：「如果一個系統能夠通過執行某個過程改進它的性能，這就是學習」。機器學習就是計算機系統通過數據提高系統性能的過程。其實我們人的學習過程也完美符合這個定義，如果仔細觀察小孩子的學習過程，就和我們訓練一個機器學習模型的過程非常相似（我本人目前還沒有小孩，但是我經常聽有小孩的同事這樣跟我說）。難怪很多學者聲稱只有機器學習才算得上真正的人工智能。
機器學習的技術非常繁多，理論也很複雜，但可以通過很簡單的數學抽象來理解。把機器學習的模型當作一個黑盒子，它接受一定的輸入，給出一定的輸出，那麼這個黑盒子其實就是一個函數。所謂的機器學習，從數學上看就是學習出一個函數。
無論是神經網絡，決策樹，邏輯回歸，概率圖模型，都可以抽象成這樣一個數學函數，只是形式不同而已。雖然看起來並不酷炫，也不高大上，但這就是機器學習簡單的本質。這麼理解也是一個「祛魅」的過程。
深度學習
深度學習的概念大概是從AlphaGo打敗李世石開始火遍全世界的，wiki上對它的定義如下。
深度學習（英語：deep learning）是機器學習的分支，是一種以人工神經網絡為架構，對數據進行表徵學習的算法。 ——wiki
我第一次看到神經網絡的描述圖，不明覺厲感從心中油然而生，看起來像是某種神秘的技術模擬出來了人腦的工作機制，從而可以完成很多不可思議的智能任務。強烈的好奇心讓我開始對這個領域進行探索，於是就入坑了……
隔行如隔山這句話沒錯，只有真正進入一個領域，你才知道它本來的樣子。我們可以繼續從函數的角度去理解深度學（這又是一個「祛魅」的過程）。複合函數的概念高中都學過，深度學習要學習的其實就是一個複合函數，深度學習的」深「指的就是複合函數的複合層級更多。
所有的算法模型最後都是數學，根據我的經驗，從數學角度去理解要比從酷炫的網絡結構圖去理解對我幫助更大。有了這種宏觀的把握之後，就可以放心地深入了解其中的細節了。
總之，人工智能，機器學習，深度學習這些概念並沒有那麼神秘。最後用一張圖總結一下三者之間的關係。
如果你喜歡我的文章，可以在任一平台搜索【黑客悟理】關注我，非常感謝！
