科技领域的下一件大事是机器学习。还是深入学习？也许是人工智能。如果你发现自己纠结于三者之间的差异，你并不孤单。

一些科技公司一直在交替使用这三种方法，以期获得大肆宣传和弥补风险投资资金的机会。虽然它们都属于同一个大伞下，但它们之间有一些关键的区别。

什么是人工智能(artificial intelligence)？

人工智能，通常被称为人工智能，是一个概念而不是一个系统。智力被认为是人类一种独特的品质。传统上，机器被认为是获得知识，但不是智力或智慧。计算机科学家艾伦·图灵（alanturing）在他晚年的大部分时间里都在考虑机器是否能思考。

他设计了图灵测试，旨在确定一台机器是否能表现出智能行为，而不一定是智能的。这是一个重要的区别，因为我们自己还没有完全理解思想或智力。

我们希望创造出能够表现出智能行为的机器，而不是试图定义智能。

人工智能不是一种技术本身，而是一种描述系统的手段。这些系统可以分为狭义人工智能和广义人工智能。狭义人工智能是一种智能化的系统，但仅限于特定的任务。一般人工智能是我们更熟悉的流行文化类型。

这些类型的系统将能够显示人类智能的所有元素。《终结者》系列电影中的天网，或《2001：太空漫游》中的哈尔，都是一般人工智能的虚构例子。尽管如此，不管电影告诉你什么，并不是所有的人工智能系统都会毁灭人类。

什么是机器学习(machine learning)？

我们都知道数据是有用的。无论是知道去办公室的路，还是关注我们的健康，数据都会告知我们的决定，引导我们度过人生。但我们每天都会产生如此多的能量，以至于我们人类无法进行分析。

所以，我们应该让机器来帮我们搬重物。

谷歌的机器学习课程将机器学习概括为“使用数据回答问题”。他们将机器学习分为两部分：训练和预测。想象一下，你有一组图像，其中包含你想要识别的形状。如果图像被输入机器学习算法，系统开始学习该形状的特征。

当它遇到一个新的图像时，形状会与训练数据中的元素进行比较，以确定它是否匹配。

尽管你可能不知道，个性化搜索结果、Spotify播放列表和亚马逊产品推荐也是机器学习的结果。Netflix甚至使用机器学习算法来个性化你展示的封面作品。

什么是深度学习(deep learning)？

虽然我们还不完全理解智力，但科学家们已经证明大脑通过复杂的神经元网络生成信息。我们的大脑由这些形成神经通路的电连接组成。这些路径在我们身体周围传递信息，让我们能够移动、呼吸和思考。

然而，如果这些神经通路彼此独立，我们的反应时间会非常慢，我们可能无法在思想之间建立联系。该系统的成功取决于所有这些路径之间的关系，从而产生并发数据处理。

深度学习是一种复制神经元密集网络的方法。通过同时处理多个数据流，计算机能够显著减少处理数据所需的时间。将这种技术应用到深度学习中，产生了人工神经网络。

这些网络由一系列节点组成。有用于接收数据的输入节点、所产生的数据的输出节点以及中间的节点的隐藏层。目标是将输入数据转换为输出节点可以使用的内容。隐藏层就是在那里。随着数据通过这些隐藏节点的进行，神经网络使用逻辑来决定下一个节点将数据传递给哪个节点。

机器学习vs.人工智能vs.深度学习

虽然机器学习是一个强大的工具，可以帮助我们理解我们创建的大量数据，但它并没有表现出独立的思维。算法是由程序员设计的，他们设定了机器学习系统必须遵循的规则。开发者的偏见，不管是否有意识，都会产生影响。

机器学习的第一个重大挫折来自于谷歌的一位工程师。2015年，他注意到公司的照片识别算法将他和他的黑人朋友标记为大猩猩。谷歌立即道歉并实施了短期修复。

然而，两年后，《连线》报道称，谷歌的解决方案是将大猩猩从训练数据中完全剔除。

另一方面，深度学习使我们更接近一般人工智能。通过尝试通过多层次的节点集合来复制人类的思维，深度学习结构不需要使用大量的初始数据集进行训练。他们根据提供的信息和系统的逻辑做出决定。

一个中立的网络的决策不透明可能看起来令人不安，但这意味着它成功地复制了人类的智慧。例如，我们甚至不能完全理解我们是如何想出自己的想法和决定的。

为每个人提供人工智能

最后，没有必要比较机器学习和人工智能，或者深度学习和机器学习，因为它们都有不同的用途。人工智能描述了机器中人类智能的概念，而机器学习和深度学习则致力于创建一个通用人工智能。

这并不是说人工智能领域是完全抽象的。谷歌正在利用其庞大的数据集，将人工智能添加到几乎所有的产品中。Gmail最近更新了智能回复功能，而该公司的双工AI正在美国各地推出，可以代表您处理电话。但他们并不是唯一能参与AI游戏的人。

你现在可以通过谷歌的在线人工智能实验来自己尝试一下。

图片信用：sdecoret/存款照片