前面朋友說的我就不重復了，了解深度學習，還需要認識到深度學習在人工智能中的位置。如果說信息技術(shù)是第三次工業(yè)革命的核心，那么人工智能所代表的智能則是下一次工業(yè)革命的核心力量。
2016年，谷歌阿爾法圍棋以4:1戰(zhàn)勝圍棋世界冠軍、職業(yè)九段棋手李世石，不僅讓深度學習為人們所知，而且掀起了人工智能的“大眾熱”。此后人工智能，人工智能越來越熱，從機器人開發(fā)、語音識別、圖像識別、自然語言處理到專家系統(tǒng)等不斷推陳出新。
同時，人工智能技術(shù)越來越多地融入到我們的生活中，出現(xiàn)了智能音箱、智能助理、智能機器人等。
根據(jù)應(yīng)用領(lǐng)域的不同，人工智能研究的技術(shù)也不盡相同，目前以機器學習、計算機視覺等成為熱門的AI技術(shù)方向。但是，平常接觸中，很多人分不清人工智能、機器學習、深度學習和強化學習的關(guān)系。
簡單說，人工智能范圍最大，涵蓋機器學習、深度學習和強化學習。如果把人工智能比喻成孩子大腦人工智能，那么機器學習是讓孩子去掌握認知能力的過程，而深度學習是這種過程中很有效率的一種教學體系。
有人表示，人工智能是目的，是結(jié)果；深度學習、機器學習是方法，是工具。
百度百科如此闡釋人工智能(Artificial Intelligence)，英文縮寫為AI。人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學。
而機器學習是人工智能的一種途徑或子集，它強調(diào)學習而不是計算機程序。一臺機器使用復雜的算法來分析大量的數(shù)據(jù)，識別數(shù)據(jù)中的模式，并做出一個預測——不需要人在機器的軟件中編寫特定的指令。
機器學習之父Tom Mitchel如此定義機器學習：
每個機器學習都可以被精準地定義為：1.任務(wù)；2.訓練過程；3.模型表現(xiàn)P。而學習過程則可以被拆解為“為了實現(xiàn)任務(wù)T”，我們通過訓練E，逐步提高表現(xiàn)P的一個過程。
舉個例子，讓一個模型認識一張圖片是貓還是狗(任務(wù)T)。為了提高模型的準確度(模型表現(xiàn)P)，我們不斷給模型提供圖片讓其學習貓與狗的區(qū)別(訓練過程E)。在這個學習過程中，我們所得到的最終模型就是機器學習的產(chǎn)物，而訓練過程就是學習過程。
而深度學習則是一種實現(xiàn)機器學習的技術(shù)，它適合處理大數(shù)據(jù)。深度學習使得機器學習能夠?qū)崿F(xiàn)眾多應(yīng)用，并拓展了人工智能的領(lǐng)域范疇。
從安防監(jiān)控、自動駕駛、語音識別到生命科學等等，深度學習以“摧枯拉朽之勢”席卷行業(yè)。
以語音識別為例，通過機器學習，語音識別能隨著時間向用戶學習，最后能達到95%的準確性。但是訓練過程是密集的。
而神經(jīng)網(wǎng)絡(luò)處理數(shù)十億個口語音頻，將語音識別提高到接近100%的準確度，同時還能縮短訓練時間。此外，語音識別還通過關(guān)鍵詞和主題對原始音頻進行分類，并識別發(fā)言者，這對音頻監(jiān)控具有廣泛而深遠的影響。
除了深度學習，機器學習中還有非常重要的強化學習。
過去十年，強化學習的大部分應(yīng)用都在電子游戲方面。未來，在直升機特技飛行、經(jīng)典游戲、投資管理、發(fā)電站控制、讓機器人模仿人類行走等領(lǐng)域有著廣泛的應(yīng)用。天際網(wǎng)
第二個問題，好學不好學?世上無難事，只怕有心人。只要你用心學習相信你一定可以學好！
