【.com快译】 随着人工智能的浪潮席卷现代社会，很多人对机器学习、深度学习、计算机等术语感到困惑视觉和自然语言处理。已经很熟悉了。可以预见，未来几年，具有深度学习和机器学习能力的公司将在产业界和学术界发挥重要作用。 假设你对人工智能领域的基础知识比较感兴趣，你会发现很多人工智能技术中有两个共同的概念：机器学习和深度学习。如何理解两者的区别非常重要，本文将对其进行简要分析。 深度学习：机器学习的一种技术，可以称为深度神经网络。它的基本特征是模仿大脑神经元之间传递和处理信息的方式。 深度学习的优点是： l不需要手动设计特征，其自动学习功能最适合当前任务； l任务自动获得对数据自然变化的鲁棒性； l泛化性强，相同的深度学习方法可以用于不同的应用和不同的数据类型； l使用多个GPU可以执行巨大的并行计算。当数据量大时，会产生更好的输出结果； l其架构具有可扩展性，具有适应新问题的潜力。 机器学习：一种实现人工智能的方法 所谓机器学习，通俗地说就是一种实现人工智能的方法，赋予系统从经验中自动学习和发展的能力。与硬编码解决特定任务的传统软件程序不同，研究人员使用大量数据和各种算法来“训练”机器，让机器学习如何执行和完成任务。 机器学习的优点是： l解决垃圾邮件检测问题； l优化制造领域的设备功能，提高生产效率； l简化营销方式，协助预测销量； l提高预测性维护能力； l提高安全性和网络性能 未来的可能性 许多企业使用机器学习和深度优化操作来最大限度地减少问题和最大化利润。一般来说，深度学习从大量非结构化数据（文本、视频、图像、传感器数据）中获取知识，以解决更复杂的任务。它推动了机器学习方法在计算机视觉、语音解释和自然语言处理等领域的发展。如果您的组织不断生成大量数据流，则值得考虑使用深度学习。 到目前为止，深度学习和机器学习都已经发展了一段时间。为了产生更多收入，很多行业开始采用深度学习和机器学习算法，同时培养员工学习这种能力，为企业做贡献。许多公司正在推出创新的深度学习技术来解决复杂的挑战。未来，随着人类想象力和科技的延伸，人工智能的边界依然会迎来更多的可能性。 原文：UNDERSTANDINGDEEPLEARNINGVSMACHINELEARNING, byMonomitaChakraborty
