术语“人工智能”指的是“人工智能”。大家都熟悉。毕竟，它一直是电影中的热门焦点，例如《终结者》，《黑客帝国》，《黑客帝国》，《黑客帝国》。等等。但是您最近可能听说过其他术语，例如“机器学习”术语“深度学习”和“深度学习”，有时可与“人工智能”互换使用。结果，人工智能，机器学习和深度学习之间的区别可能非常不清楚。接下来，我将简要介绍人工智能（AI），机器学习（ML）和深度学习（DL）的实际意义及其区别。那么AI，ML和DL有什么区别？人工智能最早由约翰·麦卡锡（John McCarthy）于1956年创建，它涉及可以执行人类智能特征的机器。尽管这有点笼统，但它包括计划，理解语言，识别对象和声音，学习和解决问题。我们可以将人工智能分为两大类：广义和狭义。通用AI将具有人类智能的所有特征，包括上述能力。狭窄的AI显示了人类智能的某些方面，可以很好地完成此功能，但在其他领域则缺乏相关功能。一台非常擅长识别图像但无用的机器。这是狭窄AI的一个例子。本质上，机器学习只是实现人工智能的一种方式。亚瑟。亚瑟·塞缪尔（Arthur Samuel）在他于1959年创建人工智能之后不久就创造了这个词，将其定义为“无需显式编程即可学习的能力”。您无需使用机器学习即可获得人工智能，但这需要使用复杂的规则和决策树构建数百万行代码。因此，机器学习不是对特定指令进行硬编码以完成特定任务的软件程序，而是一种“训练”方法。一种算法，以学习如何做。 “培训”涉及向算法提供大量数据，并允许算法自行调整和改进。例如，机器学习已被用来极大地改善计算机视觉（机器识别图像或视频中对象的能力）。您收集了数十万甚至数百万张图片，然后让人们对其进行标记。例如，人类可能会在其中标记有猫的图片。然后，该算法尝试构建一个模型，该模型可以准确地将图片标记为包含猫或不包含人类的猫。一旦精度足够高，我们就可以假设机器已经“学习”了机器的运行状态。猫是什么样的。深度学习是机器学习的许多方法之一。其他方法包括决策树学习，归纳逻辑编程，聚类，强化学习和贝叶斯网络。深度学习的灵感来自大脑的结构和功能，即许多神经元的相互连接。人工神经网络（ANN）是一种模拟大脑生物结构的算法。在人工神经网络中，存在“神经元”，其具有不连续的层并且与其他“神经元”连接。每层都选择要学习的特定功能，例如图像识别中的曲线/边缘。正是这个级别为深度学习提供了名称，并且深度是通过使用多个层而不是单个层来创建的。