▲点击上方蓝字关注我们

从电影到科幻小说，人工智能（AI）、机器学习（ML）、深度学习（DL）等领域无不吸引着大众的想象力。但很容易忘记，这些不同的领域在计算机科学和软件工程领域都有特定的用途。更令人困惑的是，这些术语经常被滥用，即使是声称采用这些学科的公司也是如此。

一项研究了 2,830 家声称在其软件中使用 AI 和 ML 的欧洲公司的工作，发现其中 40% 的公司根本没有使用这些技术。通常，这些公司依靠公众对这些术语的迷恋来激发投资者和消费者的兴趣。

虽然有些公司可能会在这些条款上玩得不亦乐乎，但软件工程师却做不到。因此，如果您渴望在软件行业工作并实际使用机器学习、深度学习和 AI 等技术，那么您需要了解它们的真正含义。这正是我们将在这篇文章中分解的内容。

人工智能、机器学习和深度学习之间

有区别吗？

将计算机变成“智能机器”的努力可以追溯到 1950 年代。该领域的先驱者希望将计算机从只能执行命令的设备转变为可以存储程序并能够自行进行某种程度的决策的设备。可以说，人工智能、机器学习和深度学习是为实现这一目标而出现的技术。但是这三者之间有重要的区别，让我们分解这些。

1

了解术语：AI vs. ML vs. DL

让我们看看这三个术语的含义，以便我们可以开始梳理它们之间的差异。

什么是人工智能？

人工智能只是一个系统正确解释数据、从中学习，然后利用这些学习来实现特定目标并通过适应完成任务的能力。一般来说，人工智能擅长自动化日常和重复性任务。换句话说，它非常擅长优化。

我们使用人工智能这个术语是因为它以让我们想起我们自己的人类智能的方式表现出来。这意味着人工智能似乎能够生成可以从数据中学习并做出不硬编码到程序中的适应的程序。

正如你所看到的，人工智能有一个相当广泛的定义。这就是为什么像机器学习这样的领域被认为是人工智能的一个子领域。

什么是机器学习？

机器学习是一个算法系统，它接收输入，产生输出，然后检查输出并调整系统的原始算法以产生更好的输出。机器学习中使用的算法是已经存在很长时间的算法，例如线性回归和分类算法。

在机器学习方面，仅有算法是不够的。您还需要拥有可以“学习”的数据。算法可用的数据量越大，使用有监督和无监督学习方法产生准确结果的效果就越好。

什么是深度学习？

深度学习的概念提出于2006年，深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点，是试图模仿大脑的神经元之间传递，使用多层神经网络来处理信息的模式。

深度学习是机器学习方法之一。只要有足够的训练数据，就可以利用神经网络自动提取数据的特征。

因此，深度学习被认为是机器学习的一个子集。它通过使用称为神经网络或深度学习网络的框架来实现链接机器学习算法的结果的能力。这些神经网络用于开发具有强大学习能力的深度学习模型。

2

它们是如何工作的？

接下来让我们看看人工智能、机器学习和深度学习各自的工作方式。

AI是怎么工作的？

让我们看一个我们大多数人可能熟悉的例子，看看人工智能是如何工作的。

亚马逊 Prime 的仓库过去是由人驱动的。但由于这项工作的可预测性，它可以被优化并交给运行人工智能的机器人。开发的机器人是使用预先存在的数据构建的，这些数据涉及物品如何在仓库中存储、订单如何进入，以及为特定订单挑选和包装物品需要做什么。

这就是人工智能的工作方式，通过使用预先存在的数据并调整从中学习来自动执行特定任务。

人工智能不擅长的是跳出框框进行创造和思考。不属于这一核心能力的事物包括：创造力、想象力、对事物的整体观察、艺术、运动技能、节奏、非语言交流和提示、音乐性、感觉、可视化和同理心。当装有您购买的产品的黄色垃圾箱的机器人卡住时，它不知道如何解决这个问题。这需要创造力和整体方法——这是一项为人而设的工作。新亚马逊配送中心的工人现在帮助机器人完成工作。

机器学习是怎么工作的？

机器学习的一个例子是一个名为 Crisis Text Line 的组织，该组织使用机器学习来确定在文本消息中输入哪些单词最有可能预测自杀。为了分离单词，它采用了一种称为实体提取的机器学习技术。然后它使用自然语言处理和情感分析来计算出“布洛芬”这个词预测自杀的可能性是“自杀”这个词的 14 倍，而哭脸表情符号预测该人的可能性是 11 倍正处于危机之中。

这个例子说明了机器学习模型是如何工作的。如果您有一个包含某些模式的数据集，那么您可以使用机器学习算法来研究这些模式并启动有关该数据中连接的学习过程。我们试图用机器学习解决的问题越复杂，算法就越复杂。

深度学习是怎么工作的？

深度学习是使用机器学习算法，使用简单概念的嵌套层次结构来表示更抽象和复杂的概念。例如，一家名为 Dialpad 的公司使用带有自然语言处理和实体提取的深度学习来自动转录大量电话数据。然后，它使用情绪分析（一种深度学习技术）来实时辨别对话的情绪是积极的还是消极的。这让使用 Dialpad 的人有机会以更多的同理心和数据来回应负面情绪。

3

它们是如何使用的？

企业将人工智能、机器学习和深度学习用于不同目的，看看是什么决定了它们适用于哪些用例。

人工智能

AI 的应用非常广泛。只要有机会自动化重复过程，公司就会利用人工智能。它特别适用于构建在电子商务仓库、自动驾驶汽车和自动解析法律文件等大文本的工具中工作的机器人。

机器学习

当许多软件能够从预先存在的数据中学习时，它们会变得更加高效。企业使用机器学习以人类无法企及的速度从数据中学习。

互联网搜索引擎使用机器学习算法将关键字连接到互联网页面，同样，该技术还用于了解什么是垃圾邮件并将其从电子邮件中过滤掉。

深度学习

每当有大量数据点可用时，公司就会使用深度学习，这样您从一个数据点中学到的东西可以为其他数据点的推论提供信息。

任何自然语言处理软件最常见的技术是深度学习。考虑任何处理音频文件或实时音频的设备，例如当您与 Siri 交互时。软件中有深度学习网络，可以逐步处理您所说的内容并将它们连接到特定的输出。深度学习还用于保险公司的欺诈检测软件和计算机视觉工具。

4

人工智能 vs 机器学习 vs 深度学习示例

让我们看几个不同的例子，以便我们更好地了解这些技术的应用。

人工智能的例子

自动驾驶汽车是人工智能成为可能的一个很好的例子。自动驾驶汽车基本上是一台学习如何像人类一样驾驶（甚至可能更好）的机器。它可能不是某些人所说的真正的机器智能，因为它仍然需要人类的一些输入。但它通过使用图像识别在道路上机动并做出关键决策，在模仿人类智能方面做得非常好。

人工智能的其他一些例子：

• 用于制造目的的机器人；
• 了解您的偏好的数字助理；
• 可以理解您在说什么并给出上下文响应的智能家居设备；
• 识别和分类面部的安全设备。

机器学习的例子

图像识别是机器学习的一个经典例子。想想 Facebook 如何识别您的朋友，或者有一些应用程序可以根据您拍摄的照片中的内容向您推荐产品。

这些软件的训练过程涉及以随机图像的形式向机器学习算法提供大量输入数据。每当算法能够在两个不同的图像之间建立准确的连接时，都会使用强化学习模型来奖励算法。随着时间的推移，您最终会得到非常擅长识别图像中的人和物体的机器学习系统。

机器学习应用程序的其他一些示例：

• 语音识别软件；
• 预测分析工具；
• 翻译软件。

深度学习的例子

如果没有深度学习技术，就不可能有像 Siri 这样的虚拟助手。虚拟助手本质上是一种软件，能够执行与人类交互的复杂任务，显示自然语言理解。它只能通过使用机器学习算法的分层结构来处理新输入并了解每次适当的响应是什么，才能做到这一点。

深度学习还用于构建：

• 使用 MRI 等图像数据自动检测疾病；
• 通过研究现有药品的模式发现新药；
• 推荐系统，例如 Netflix 和 Amazon 使用的系统；
• 通过首先识别图像中的对象来自动为图像着色的产品。

5

AI vs ML vs DL 的职业有区别吗

成为 AI 工程师与成为 ML 或 DL 工程师不同。以下是您如何区分这些职业，并决定哪个职业适合您的方法。

人工智能工程师做什么？

聘请人工智能工程师来识别业务流程自动化或使用人工智能增强业务流程的机会。人工智能工程师通常从研究业务开始他们的工作。这将产生对重复任务发生区域的洞察力。这些是人工智能可以用来提高效率的领域。

然后人工智能工程师根据这些发现继续构建人工智能解决方案。他们将逻辑、统计和概率分析以及数据处理中的概念作为他们工作的一部分。Python、Java 和 R 是用于构建 AI 软件的流行编程语言。

机器学习工程师做什么？

机器学习工程师本质上所做的是构建人工智能系统。然而，不同之处在于机器学习工程师通过研究非常大的数据集来构建变得“智能”的人工智能系统。因此，他们工作的第一部分涉及选择可以训练其算法的数据源。

分析阶段是使用机器学习工程师可以在其数据集上使用的机器学习算法进行的。他们在此过程中使用各种机器学习框架和库。最后，机器学习工程师还分析他们的算法提供的结果。这些用于不断增强软件，以便更好地从源数据中学习。

深度学习工程师做什么的？

深度学习工程师与机器学习工程师有很多共同点。他们还构建了可以学习和识别大型数据集中模式的模型。使深度学习工程与众不同的是对开发神经网络的关注。神经网络需要数据的输入层、处理数据的隐藏层和提供分析结果的输出层。

深度学习工程师使用各种技能来实现这一目标。数学是一项重要要求，您需要对微积分、统计学、概率和线性代数有很好的了解。该领域的大多数工程师使用 Python、Java 或 R 进行编程。您还需要擅长清理、解析和存储数据。

图片来源于网络

公众号、知乎、头条、百家号 ID【觉醒元宇宙AI】