你是否也有這樣的疑惑，人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及監(jiān)督學(xué)習(xí)等名詞之間到底有什么樣的聯(lián)系與區(qū)別，以及它們的應(yīng)用場(chǎng)景呢。下面就通過概念、區(qū)別和聯(lián)系以及應(yīng)用場(chǎng)景三個(gè)方面來具體的分析下他們。

一、概念

1、人工智能

人工智能（Artificial intelligence）簡(jiǎn)稱AI。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的本質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能目前分為弱人工智能和強(qiáng)人工智能和超人工智能。

1）弱人工智能：弱人工智能（ArtificialNarrow Intelligence /ANI),只專注于完成某個(gè)特定的任務(wù)，例如語音識(shí)別、圖象識(shí)別和翻譯等，是擅長(zhǎng)于單個(gè)方面的人工智能。它們只是用于解決特定的具體類的任務(wù)問題而存在，大都是統(tǒng)計(jì)數(shù)據(jù)，以此從中歸納出模型。由于弱人工智能智能處理較為單一的問題，且發(fā)展程度并沒有達(dá)到模擬人腦思維的程度，所以弱人工智能仍然屬于“工具”的范疇，與傳統(tǒng)的“產(chǎn)品”在本質(zhì)上并無區(qū)別。

2) 強(qiáng)人工智能：強(qiáng)人工智能（Artificial Generallnteligence /AGI),屬于人類級(jí)別的人工智能，在各方面都能和人類比肩，它能夠進(jìn)行思考、計(jì)劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作，并且和人類一樣得心應(yīng)手。

3）超人工智能：超人工智能（Artificial Superintelligence/ASI），在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明許多，包括科學(xué)創(chuàng)新、通識(shí)和社交技能。在超人工智能階段，人工智能已經(jīng)跨過“奇點(diǎn)”，其計(jì)算和思維能力已經(jīng)遠(yuǎn)超人腦。此時(shí)的人工智能已經(jīng)不是人類可以理解和想象。人工智能將打破人腦受到的維度限制，其所觀察和思考的內(nèi)容，人腦已經(jīng)無法理解，人工智能將形成一個(gè)新的社會(huì)。

目前我們?nèi)蕴幱谌跞斯ぶ悄茈A段。

2、機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)（MachineLearning）簡(jiǎn)稱ML。機(jī)器學(xué)習(xí)屬于人工智能的一個(gè)分支，也是人工智能的和核心。機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動(dòng)”學(xué)習(xí)“的算法。

3、深度學(xué)習(xí)

深度學(xué)習(xí)（DeepLearning）簡(jiǎn)稱DL。最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對(duì)神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，如圖象、聲音、文本。

注意：你可能在接觸深度學(xué)習(xí)的時(shí)候也聽到過監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等概念，下面就順便對(duì)這三個(gè)名詞解析下：

1）監(jiān)督學(xué)習(xí)：用一部分已知分類、有標(biāo)記的樣本來訓(xùn)練機(jī)器后，讓它用學(xué)到的特征，對(duì)沒有還分類、無標(biāo)記的樣本進(jìn)行分類、貼標(biāo)簽。多用于分類。

2）非監(jiān)督學(xué)習(xí)：用一部分已知分類、有標(biāo)記的樣本來訓(xùn)練機(jī)器后，讓它用學(xué)到的特征，對(duì)沒有還分類、無標(biāo)記的樣本進(jìn)行分類、貼標(biāo)簽。多用于聚類。

3）半監(jiān)督學(xué)習(xí)：有兩個(gè)樣本集，一個(gè)有標(biāo)記，一個(gè)沒有標(biāo)記。綜合利用有類標(biāo)的樣本（ labeled sample）和沒有類標(biāo)的樣本（ unlabeled sample），來生成合適的分類。

二、區(qū)別于聯(lián)系

機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。如下圖

下面一張圖能更加細(xì)分其關(guān)系：

注意：在上幅圖中，我們可以看下機(jī)器學(xué)習(xí)下的深度學(xué)習(xí)和監(jiān)督學(xué)習(xí)以及非監(jiān)督學(xué)習(xí)，那它們之間是什么關(guān)系呢，其實(shí)就是分類方法不同而已，他們之間可以互相包含。打個(gè)比方：一個(gè)人按性別可以分為男人和女人，而按年齡來分可以分為老人和小孩子。所以在深度學(xué)習(xí)中我們可以用到監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，而監(jiān)督學(xué)習(xí)中可以用到很基礎(chǔ)的不含神經(jīng)元的算法（KNN算法）也可以用到添加了多層神經(jīng)元的深度學(xué)習(xí)算法。

三、應(yīng)用場(chǎng)景

1) 人工智能的研究領(lǐng)域在不斷的擴(kuò)大，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺、自然語言處理、推薦系統(tǒng)等。并且目前的科研工作都集中在弱人工智能這部分。

2) 機(jī)器學(xué)習(xí)直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來分，機(jī)器學(xué)習(xí)可以分為監(jiān)督學(xué)習(xí)(如分類問題)、無監(jiān)督學(xué)習(xí)(如聚類問題)、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。傳統(tǒng)的機(jī)器學(xué)習(xí)算法在指紋識(shí)別、人臉檢測(cè)、特征物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或特定場(chǎng)景的商業(yè)化水平。

3) 深度學(xué)習(xí)本來并不是一種獨(dú)立的學(xué)習(xí)方法，其本身也會(huì)用到監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，但由于近年來改領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習(xí)手段相繼被提出(如殘差網(wǎng)絡(luò))，因此越來越多的人將其單獨(dú)看作一種學(xué)習(xí)方法。主要應(yīng)用在互聯(lián)網(wǎng)、安防、金融、智能硬件、醫(yī)療、教育等行業(yè)，在人臉技術(shù)、圖象識(shí)別、智能監(jiān)控、文字識(shí)別、語義分析等領(lǐng)域。