AI 60問-Q13人工智慧(AI)、機器學習和深度學習有什麼區別?

by 提拔我園丁
緯育TibaMe AI小教室-Q13人工智慧、機器學習、深度學習有哪些區別?

人工智慧的浪潮影響著全球,許多詞彙我們都常常聽到,像是:人工智慧、機器學習、深度學習,但對於他們的含義、有什麼區別,卻不是那麼清楚。提拔我園丁將用簡單方式來解釋此問題的觀點,幫助大家釐清他們背後的關係。再次快速複習,Q9什麼是人工智慧

三者的區別和聯繫

我們可以使用同心圓簡單說明三者間的關係,關係結構為人工智慧>機器學習>深度學習。

緯育TibaMeAI 60問-人工智慧、機器學習、深度學習的範圍—來源 NVIDIA
緯育TibaMeAI 60問-人工智慧、機器學習、深度學習的範圍—來源 NVIDIA

最早出現的是人工智慧、接著是機器學習,最後則是推動目前人工智慧爆發性發展的深度學習。雖然,深度學習,作為目前最熱門的機器學習方法,但並不意味著是機器學習的終點。以下快速介紹三者名詞的介紹與應用。

人工智慧

廣義來講,人工智慧是指「一種機器與周圍世界交互的各種方式」,透過先進、像人一樣的智慧:軟體、硬體結合的成果,一台人工智慧機器或設備就能模仿人類的行為,或著像人一樣執行任務。

人工智慧的研究領域不斷擴大,人工智慧研究的各個分支,包含:專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統…等。

但目前的科學研究工作多集中在弱人工智慧,而電影裡的人工智慧多是描述強人工智慧,這部分在真實世界難以完成。

*弱人工智慧:讓機器具備觀察和感知的能力,可以做到一定程度的理解和推理。
*強人工智慧:讓機器獲得自己適應能力,解決從未遇過的問題。

弱人工智慧希望取得突破,那它又是如何實現的,「智慧」又從何而來呢?主要歸功於一種實現人工智能的方法—機器學習。

機器學習

機器學習是「實現人工智慧」的一種方法,它強調「學習」而不是計算機程序。簡單來說,在不經過刻意導引之下,讓機器具備自我學習的能力。使用大數量數據和演算法來訓練機器,讓它學習如何執行任務, 訓練後會擁有判斷、預測的能力。

若誤將泡芙當成橘子,系統的模式識別會隨著時間的推移而不斷改進,因為它會像人一樣從錯誤中吸取教訓,並糾正自己。透過機器學習,一個系統可以從自身的錯誤中學習,來提高它的模式識別能力。

起出提出人工智慧概念的學者們,後來構思出機器學習的概念,這些年也發展出決策樹學習、歸納邏輯編程、叢集、強化學習和⾙葉斯網路等演算法。目前最擅長應用機器學習的領域之一就是「電腦視覺」,雖然它仍得靠大量人工編碼來完成工作。

時間和正確的學習演算法改變了一切。

深度學習

深度學習是能「實現機器學習」的技術,它交替使用先進的神經網路,主動發現新模型,並不斷完善它。更重要的是,它讓工程師使用完全不同的工程思維方式。

早期的機器學習研究者開發一種叫做「人工神經網絡的算法」,主要是受人類大腦啟發而來,神經元之間的相互連結關係。本質上來看,這些網絡模仿人類的通聯性,對數據集進行分類,並發現它們之間的相關性。

像是你可以將⼀個圖像切成⼀堆碎片,並且輸入到神經網路的第⼀層,接著第⼀層的獨立神經元將數據傳遞給第二層,第二層神經元再傳給第三層,⼀直傳到最後⼀層,並産生出最終結果。各神經元對於輸入內容都會分配⼀個權重,評估與否正確執行任務,並且由權重的加總值來判斷最後産出的結果。

13-2深度學習(來源:NVIDIA )

假設有新學習的知識,不需要人工干涉,機器就可以將其看法,應用於其他數據集。機器處理的數據越多,它的預測就會越精準。深度學習實現各種任務,讓所有的機器輔助功能都變為可能。如:無人車、預防性醫療保健、更好的電影推薦,都近在眼前,或即將實現。

機器學習和深度學習的區別是,機器學習的大部分算法需要人類尋找特徵,而深度學習可以自動生成特徵,我們不需要告訴機器該從哪些角度去學習,機器能夠自己尋找資訊來學習圖片的信息,並對圖片進行區分。但是深度學習也需要足夠的數據,才能得到精確的結果。

人工智慧的根本在於「智慧」,而機器學習則是支持人工智慧的計算方法。簡單來說,人工智慧是科學、機器學習是讓機器變得更加智慧的算法,在某種程度上,機器學習成就人工智慧,而深度學習,則開創出更多機器學習方面的實際應用,且推廣人工智慧領域。

緯育TibaMe已經有10萬人次來學習AI/資料科學知識或技術,若你想進一步了解或學習 AI / 資料科學的相關知識或技能,歡迎來TibaMe 👉 https://www.tibame.com/courselibrary/ai

下篇文章將與大家進一步說明哪些資料分析語言受歡迎?

每週4則,每日5分鐘, 提拔我園丁陪你快速添補AI/資料科學知識與技能。

若您想了解更多AI/資料科學的小知識、及各產業的相關應用,歡迎訂閱TibaMe FB及部落格,或你有其他想了解的主題歡迎在下方留言讓我們知道唷!

緯育TibaMe FB

企業人才數位轉型FB 

參考資料

分享這篇文章:
0 comment
2

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料