AI
如上图所示，人工智能是指机器执行复杂任务的能力，是一个通用术语。 这些通常是指基于能够进行认知计算的算法的软件。
这包括机器人技术、自然语言处理、机器学习和深度学习。
计算能力的指数级增长导致了人工智能应用的爆炸式增长。 你在科幻小说中看到的现在已经成为日常生活的一部分。
机器现在可以在没有人工干预的情况下执行复杂的任务。 其中最著名的两种形式是机器学习和深度学习。
而 AI 有两个最著名的子领域是：机器学习和深度学习。
机器学习
- 机器学习：分析数据并从数据中学习的算法。 他们可以执行预测任务，例如回归和分类。
机器学习的想法可以追溯到 1950 年代后期。 这始于斯坦福大学的一名计算机科学家：机器可以自己学习，而不是人类教计算机。
因为学习过程需要数据，那么在线应用生成的大量数据正好为机器学习的应用获得了契机。
机器学习包含分析数据并从数据中学习的算法。这些算法使软件能够进行预测和关联。
这与传统编程不同，在传统编程中，软件的执行依赖于手动编码的逻辑。
举一个现实世界的例子： 为了防止欺诈，机器学习通过数据训练，能够有助于识别模式、行为和风险趋势并做出反应。
深度学习
- 深度学习是一组机器学习算法，它使用能够从经验中学习的复杂神经网络。
深度学习是指基于神经网络的特定类别的机器学习和人工智能。
神经网络创建于 1950 年代，其灵感来自人脑生物学模型。
如果说机器学习是人工智能的一个分支，那么深度学习就是机器学习的一个分支。
深度学习是一组机器学习算法，它使用能够从经验中学习的复杂神经网络。 这些系统必须在现有示例的基础上进行训练。
它是如何工作的？
在神经网络中，人工神经元被分组为层，信息单向流动。 一层中的每个神经元都与其余的神经元通信，直到到达网络的末端。 结果是深度学习能够使用大量数据为计算机系统提供复杂的决策。
总结
机器学习是人工智能的一个部分，深度学习是机器学习的一个分支。
