深度學習簡介

• 2019 年 11 月 5 日
• 筆記

人工智能、機器學習、深度學習三者關係

人工智能包括了機器學習和深度學習，機器學習包括了深度學習，他們是父類和子類的關係，可參考下面的圖：

下面這張圖分得更細緻：

什麼是人工智能

人工智能（ArtificialIntelligence），英文縮寫為AI。是計算機科學的一個分支。人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具。

人工智能實際應用：機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機械人學，語言和圖像理解，遺傳編程等。人工智能目前也分為：強人工智能(BOTTOM-UPAI)和弱人工智能(TOP-DOWNAI)，有興趣大家可以自行查看下區別。

什麼是機器學習

機器學習(MachineLearning,ML)，是人工智能的核心，屬於人工智能的一個分支。機器學習理論主要是設計和分析一些讓計算機可以自動「學習」的算法。機器學習算法是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法。所以機器學習的核心就是數據，算法（模型），算力（計算機運算能力）。機器學習應用領域十分廣泛，例如：數據挖掘、數據分類、計算機視覺、自然語言處理(NLP)、生物特徵識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機械人運用等。

機器學習就是設計一個算法模型來處理數據，輸出我們想要的結果，我們可以針對算法模型進行不斷的調優，形成更準確的數據處理能力。但這種學習不會讓機器產生意識。

什麼是深度學習

深度學習是機器學習的一種，其概念源於人工神經網絡的研究，含多個隱藏層的多層感知器就是一種深度學習結構。所以深度學習也常被稱作深層神經網絡。

與一般的機器學習相比，深度學習可以自動進行特徵提取，就是自動地將簡單的特徵組合成更加複雜的特徵，並使用這些組合進行多層權重學習用以解決問題。研究深度學習的動機在於建立模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。

深度學習的應用

深度學習最早興起於圖像識別，但是在短短几年時間內，深度學習推廣到了機器學習的各個領域並都有出色的表現，在圖像識別、語音識別、音頻處理、自然語言識別、機械人生物信息處理、搜索引擎、人機博弈、網絡廣告定向投放，醫學自動診斷和金融等各大領域均有應用。