人工智能(AI)、机器学习(ML)和深度学习(DL)通常是重叠和混淆的术语。今天就让我们来详细探讨一下这三个方面，并详细介绍一下它们的应用和用途。人工智能你有没有注意到我们可以如此轻松地计算周围环境并不断从过去的经验中学习？简而言之，人工智能(AI)是一种教计算??机相同的方法。人工智能用于构建可以预测人类行为并根据人类行为采取行动的工具、代理、机器人和机器人。特斯拉的自动驾驶汽车、亚马逊的Alexa和Siri都是人工智能的例子。人工智能分为三个不同的层次：首先，弱人工智能(ANI)是迄今为止我们能够做到的唯一一种人工智能。ANI(ArtificialNarrowIntelligence)旨在执行单一任务并且以目标为导向。ANI非常有能力执行其编程要执行的特定任务。ANI的一些示例是语音助手、面部识别或驾驶汽车。第二，通用人工智能（ArtificialGeneralIntelligence，AGI）是具有通用智能的机器的概念，是一种可以模仿人类智能和行为，具有从数据中学习并运用其智能解决任何问题的能力的机器。通用人工智能可以在任何给定情况下以类人的方式思考、理解和行动。超级人工超级智能(ASI)是一种假设，即机器可以变得具有自我意识并超越人类的能力和智能。事实上，我们远未在现实生活中实现这种形式的人工智能。机器学习人工智能是模仿人类能力的概念，而机器学习是人工智能的一个子集，它教机器从以前的结果中学习。机器学习模型寻找数据中的模式，并尝试根据以前的结果和数据得出你或我的结论。一旦算法真正擅长得出结果，它就会开始将这些知识应用于新数据集并不断改进。简而言之，人工智能是计算机复制人类行为的科学，而机器学习是机器从数据中学习的方法。机器学习的一种，监督学习，是指将大量标记数据输入算法，并定义算法需要评估相关性的变量。然而，监督学习需要大量数据才能完成任务。无监督学习可以帮助算法找到没有标记响应的模式和数据集。您可能会使用此技术来探索数据，但还没有特定的目标。该算法将扫描数据集并开始根据数据共享的特征将数据分组。监督学习和非监督学习的混合称为半监督学习。在半监督学习中，大部分标记数据被输入算法，但模型可以自由探索和发展自己对数据集的理解。强化学习是教机器使用定义明确的规则来完成多步骤过程。该算法一路做出自己的决定，并因其采取的行动而受到奖励或惩罚。深度学习毫不夸张地说，深度学习是一种用来实现机器学习的技术。深度学习是机器学习的一个子集，它使用深度神经网络并模仿大脑中的神经元网络，并允许机器在没有人类帮助的情况下做出准确的决策。然而，深度学习有时被视为机器学习的进化。模型的深度由它具有的层数表示。深度学习是人工智能领域的最新技术。在深度学习中，训练是通过神经网络完成的。深度学习在人工智能领域取得了很多实际应用。无人驾驶汽车、更好的医疗保健，甚至更好的产品推荐，都将在今天或不久后出现。
