通俗理解人工智能、机器学习和深度学习的关系

最近几年人工智能成为极其热门的概念和话题,可以说彻底出圈了。但人工智能的概念在1955年就提出来了,可以说非常古老。我在上小学的时候《科学》课本上就有人工智能的概念介绍,至今还有印象,但那些年AI正处于“寒冬”,很少在其他地方见到这个概念。现在人工智能这么热,普通人容易从科幻电影和媒体宣传上来理解人工智能,这就难免有很多误解的成分。

漫威电影中的人工智能幻视,是一个超级英雄
漫威电影中的AI人:幻视

几年前有一篇《超级人工智能之路》的长文在网络上流行,很多媒体自媒体也都报道、解读过,可以说这篇文章把人工智能捧上了天。在我看来,这种吹捧确实过头了。

1956年,在达特茅斯学院举行的一次会议上正式确立了人工智能的研究领域。会议的参加者在接下来的数十年间是AI研究的领军人物。他们中有许多人预言,经过一代人的努力,与人类具有同等智能水平的机器将会出现。同时,上千万美元被投入到AI研究中,以期实现这一目标。——wiki

对人工智能的盲目乐观真是历史悠久啊。我的建议是,关于人工智能的未来可以尽情畅想,但不必认真,要了解人工智能真正的样子,只看它现在能为我们做什么就好。

人工智能

刚接触这个领域的时候,对人工智能的概念比较模糊,甚至到现在为止也没有找到一个足够清晰的定义。我自己做了一个通俗的理解:凡是机器做了人需要动脑才能完成的事情,都可以称之为人工智能。这个定义并不严谨,但是好理解,可以帮助我不再纠结这概念。从这个角度去看,你会发现人工智能在生活中确实到处都在了,并且很早就有。AI并没有那么神秘。

机器学习

机器学习是人工智能的重要分支,重要到人工智能几乎都要等同于机器学习了,在有些场合下这两个概念甚至可以混用。Herbert A. Simon 曾对“学习”给出过一个定义:“如果一个系统能够通过执行某个过程改进它的性能,这就是学习”。机器学习就是计算机系统通过数据提高系统性能的过程。其实我们人的学习过程也完美符合这个定义,如果仔细观察小孩子的学习过程,就和我们训练一个机器学习模型的过程非常相似(我本人目前还没有小孩,但是我经常听有小孩的同事这样跟我说)。难怪很多学者声称只有机器学习才算得上真正的人工智能。

人的学习和机器学习

机器学习的技术非常繁多,理论也很复杂,但可以通过很简单的数学抽象来理解。把机器学习的模型当作一个黑盒子,它接受一定的输入,给出一定的输出,那么这个黑盒子其实就是一个函数。所谓的机器学习,从数学上看就是学习出一个函数。

函数

无论是神经网络,决策树,逻辑回归,概率图模型,都可以抽象成这样一个数学函数,只是形式不同而已。虽然看起来并不酷炫,也不高大上,但这就是机器学习简单的本质。这么理解也是一个“祛魅”的过程。

深度学习

深度学习的概念大概是从AlphaGo打败李世石开始火遍全世界的,wiki上对它的定义如下。

深度学习(英语:deep learning)是机器学习的分支,是一种以人工神经网络为架构,对数据进行表征学习的算法。 ——wiki

我第一次看到神经网络的描述图,不明觉厉感从心中油然而生,看起来像是某种神秘的技术模拟出来了人脑的工作机制,从而可以完成很多不可思议的智能任务。强烈的好奇心让我开始对这个领域进行探索,于是就入坑了……

深度神经网络

隔行如隔山这句话没错,只有真正进入一个领域,你才知道它本来的样子。我们可以继续从函数的角度去理解深度学(这又是一个“祛魅”的过程)。复合函数的概念高中都学过,深度学习要学习的其实就是一个复合函数,深度学习的”深“指的就是复合函数的复合层级更多。

复合函数

所有的算法模型最后都是数学,根据我的经验,从数学角度去理解要比从酷炫的网络结构图去理解对我帮助更大。有了这种宏观的把握之后,就可以放心地深入了解其中的细节了。

总之,人工智能,机器学习,深度学习这些概念并没有那么神秘。最后用一张图总结一下三者之间的关系。

人工智能、机器学习、深度学习

如果你喜欢我的文章,可以在任一平台搜索【黑客悟理】关注我,非常感谢!

posted @ 2020-04-29 12:40  黑客悟理  阅读(...)  评论(...编辑  收藏