人工智能(AI)、机器学习(ML)和深度学习(DL)通常可以互换使用。然而，它们并不相同。人工智能是最广泛的概念，它赋予机器模仿人类行为的能力。机器学习是将人工智能应用于系统或机器以帮助其学习和改进自身。最后，深度学习使用复杂的算法和深度神经网络来反复训练特定的模型或模式。让我们看看每个术语的演变和历史，以更好地理解人工智能、机器学习和深度学习的实际含义。人工智能自过去70多年以来，人工智能已经取得了长足的进步。不管我们知不知道，也不管我们喜不喜欢，它已经渗透到我们生活的方方面面。在过去十年中，机器学习和深度学习的进步在各种规模的行业和组织中创造了AI热潮。云服务提供商通过开发免费开源服务和提供新场景进一步推动了这一势头。图1：AI、ML和DL概述人工智能可能是自1956年以来最受关注的概念。到2015年，GPU的广泛使用使并行处理速度更快、功能更强大且成本更低。越来越便宜的存储可以大规模存储大数据（从纯文本到图像、地图等）。这产生了对数据分析（通常称为数据科学）的需求，并导致机器学习的发展成为实现人工智能的方法。机器学习机器学习是使用算法来处理、学习和理解或预测可用数据中的模式。最近，软件开发的低代码和无代码概念已被用作机器学习中的自学习过程，给予特定指令以完成特定任务。机器通过使用数据和算法来“训练”以学习如何执行任务，更重要的是，将学习应用到不断发展的过程中。图2：AI、ML和DL的演变当开发者社区关注AI时，机器学习得到了发展，然后演进了算法决策树学习、逻辑编程、集群、并行处理和强化学习。这些都是朝着正确方向迈出的良好步骤，但不足以解决世界感兴趣的场景。深度学习深度学习是神经网络和机器学习的演变，是人工智能社区的创意。它学习人类思维在给定场景中的工作方式，然后在该工作中比人类做得更好！例如，IBM的沃森与自己下棋，在棋局中取得了长足的进步，最终击败了世界冠军。谷歌的AlphaGo也学会了如何下围棋，一遍又一遍地下围棋来提高自己并成为冠军。人工智能、机器学习和深度学习在不断发展。参与数据科学的每个人都希望推进这些概念以改善我们的日常生活。开源社区、私营企业、科学家和政府机构都在通力合作。图3：AI、ML和DL的类型总之，虽然AI有助于创建智能机器，但机器学习有助于构建AI驱动的应用程序。深度学习是机器学习的一个子集。它通过使用复杂算法处理大量数据来训练特定模型。由于狭义人工智能极难开发，机器学习正在通过刚性计算解决这一领域的机遇。至少为了实现通用人工智能，深度学习有助于将人工智能和机器学习结合在一起。
