人工智能、机器学习和深度学习之间的区别
目录
人工智能、机器学习和深度学习之间的区别在于,在前两者中,算法的工作是识别数据中的模式并执行任务。不过,在后者中,算法是一个 "被设计来执行特定任务 "的程序。这意味着,在前两者中,算法可以学习一些东西,而在后者中,它可以被编程为百分之百确定地执行同样的任务。
深度学习仍然是一个非常新的领域,在过去十年中发展迅速。它开始于20世纪80年代中期,当时主要在政府和军方资助下工作的研究人员发现大规模的数据集可以用来训练算法和预测结果。随着数据的指数级增长和互联网接入的兴起,深度学习已经获得了巨大的采用,并带来了一些鼓舞人心的机会。
人工智能
人工智能是关于设计模仿人类思维和行为的计算机系统的研究。
计算机中的人工智能起源于计算机控制其他计算机系统。20世纪40年代和50年代,第一批数字计算机的发明为计算机实现人类水平的智能带来了可能性。人工智能研究人员在20世纪50年代末对人工智能的应用进行了理论和研究,以解决特定的任务。
在20世纪60年代,人工智能变得更加广泛,并开始被用于解决新问题。人工智能成为许多不同领域研究人员的常规焦点。
今天,人工智能的应用比以往任何时候都多。例如,人工智能被用于在线搜索、天气预测、网上购物、图像处理、物流、搜索引擎优化、机器人和医学。
机器学习
机器学习算法只在计算机系统和其上面的系统中工作。深度学习算法在整个组织和系统中工作。
机器学习提供了一种进行预测和洞察的方法。作出预测和洞察的能力是广泛业务的关键。在医疗保健领域,机器学习为保险公司提供了关于潜在客户和保险风险的基于风险的决策。
金融服务企业依靠机器学习来提高他们的专业知识,并向客户提出进一步建议。银行业可以利用机器学习来对金融交易进行主动的改变。例如,机器学习可以确定客户何时要求透支,并提供如何更快付清透支的提示。保险公司使用机器学习来决定什么会使客户有资格获得折扣。
各个行业的公司都依靠机器学习来帮助客户做出更好的选择,提供更好的体验。机器学习可以识别未来的趋势,预测市场波动等事情。它可以确定哪些趋势有可能成为问题,并帮助公司防止问题变成问题。
机器学习已经在从医疗保健到汽车等领域创造新的行业和机会。
深度学习
深度学习是机器学习的一个子集。虽然机器学习和深度学习经常被互换使用,但深度学习比机器学习更复杂。
深度学习是机器学习中最有前途的形式之一。它允许计算机系统做出比机器学习和深度学习系统更复杂和准确的预测。
深度学习算法通常通过大量学习其输入的信息来工作。深度学习是一种有力的机器学习形式,因为它使用一种叫做序列学习的技术。该方法从一连串的例子开始,并将这些线条变成假设。基于这些观点,深度学习算法进行预测,但这些预测可能是准确的,也可能是不准确的。
接下来,深度学习算法要收集更多的数据,并调整其算法以学习更多的知识。
最后,深度学习算法要经历一个严格的过程,向用户证明自己。深度学习算法通常使用深度神经网络。
深度学习也可以使新的产品和想法成为可能。公司可以使用深度学习来创造新产品和想法,即使它使最终的产品或想法不太可能成为现实。
深度学习和深度学习算法正在产生各种影响。这就是机器学习和深度学习的不同之处。深度学习正在帮助世界了解更多。机器学习正在使我们周围的世界更有意义。深度学习是一个自然的趋势,而深度学习可能会成为未来的一个基本趋势。
在你的组织中实施人工智能的最佳战略是什么?
不要从数据科学家开始。数据科学家会做构建人工智能系统的工作,但要确定该系统应实现什么商业目的,你需要有人了解用户的需求或日常发生的互动。为此,你需要一个UX或用户体验专家。
我建议找到一个从事过软件开发并对人工智能非常感兴趣的商业人士。让他们负责设置技术,让他们沉浸在这个过程中。这将使他们能够在挑战出现之前就发现它们。他们也将是确定利用人工智能的下一代应用和工具的人。
你所面临的挑战是,虽然你可以雇用许多技术工人,但在特定领域拥有专业知识的人只占极少数。从某种意义上说,你需要创造一个环境,支持具有人工智能背景的人。公司将需要建立人才库,所以年轻人会觉得受到鼓励,能够开发出创造性的解决方案。
接下来的步骤
即将到来的人工智能革命在人类历史上将是史无前例的。一方面,它将提高人工智能的性能,甚至可能提高人类的性能。另一方面,由于人工智能的责任扩大,将落在人类智能身上,它可能会使每个人的生活更具挑战性。关于人工智能未来的传统决策将被一个新的、激进的、类似哲学的概念所取代:机器将管理人工智能,而人类将管理机器。
本文的其余部分将解释即将发生的人工智能革命,并解释我们社会的选择。为了把事情看清楚,考虑一下人工智能研究自开始以来的轨迹。从这个角度来看,对人工智能的好处没有任何争论,比如我们创造、训练和维持人工智能的能力。事实上,根据人工智能研究人员的成本效益分析,有强有力的证据表明,人工智能将对经济产生巨大的积极影响(主要是因为人工智能是节约成本的驱动力),并可能导致医疗费用的大幅减少(主要是因为人工智能是自动化的驱动力)。那么,我们怎么会对人工智能将对社会产生的影响产生怀疑呢?
在我讨论这个问题之前,我们必须了解为什么我们现在对此没有把握,而在20世纪80年代引入商业人工智能时却没有。反对人工智能的一个最常见的论点是,人工智能还没有准备好进行广泛的应用。的确,许多研究仍然需要改进,而且不清楚在人工智能成熟到不再需要这些改进之前是否能实现这些改进。
然而,也有大量的创新给社会带来了巨大的改善,如工业革命或现代医学的引入,这些都被广泛接受为有益的。在每一种情况下,人们都相信这些发明是一种巨大的好处,但也不确定它们会产生什么样的经济增长水平。这种对广泛使用新发明的犹豫不决是不可避免的,因为这些发明是新颖而复杂的。每项创新都需要大量时间来成熟,才能发挥其潜力。
由于对新技术采取这种谨慎的态度,我们作为一个文明社会取得了巨大的进步。当然,我们已经有了巨大的好处,但这些好处只是在几十年内实现的,而不是在几年内。由于这种缓慢积累的渐进式改进,我们仍然不知道这些技术中的每一项会产生什么影响,我们目前也没有能力估计预期的好处。
由于这种谨慎的创新方法,我们解决技术问题的能力有了指数级的进步。然而,由物质进步带来的人类进步的速度却出现了减速。即使我们的物质进步在过去几十年中大幅增加,但在人类繁荣的其他领域,如情感和智力福祉方面,并没有相应的收益。人类进步步伐的这种延迟加剧了已经存在的问题,在这个时候,大多数人目前正在经历这些问题。
我在其他地方论证过,技术驱动的人类进步的缓慢步伐将在未来几十年继续成为一个问题。尽管在开发和测试人工智能系统方面进行了大量投资,但该技术仍远未准备好进行广泛的应用。我们仍然要改善过去存在的许多相同问题。
然而,我必须补充一点,虽然技术进步的某些方面是缓慢的,但在人类繁荣的其他方面的改进速度是迅速的。关于人工智能对人类福祉的整体状况可能产生的影响的大量研究证实了这个结论。大量的文献表明,人工智能的某些方面,如大数据、自动化和机器人技术,将大大有利于人类。例如,一个旨在向医生提出建议的人工智能系统可以大幅提高医疗保健的个性化程度,从而大幅降低成本。这个承诺就是为什么人工智能、ML和深度学习的未来看起来充满希望。