人工智能的浪潮正在席卷全球，諸多詞匯時刻縈繞在我們耳邊：人工智能（Artificial Intelligence）、機器學(xué)習（Machine Learning）、深度學(xué)習（Deep Learning）。不少人對這些高頻詞匯的含義及其背后的關(guān)系總是似懂非懂、一知半解。
為了幫助大家更好地理解人工智能，這篇文章用最簡單的語言解釋了這些詞匯的含義，理清它們之間的關(guān)系，希望對剛?cè)腴T的同行有所幫助。
人工智能：從概念提出到走向繁榮
1956年，幾個計算機科學(xué)家相聚在達特茅斯會議，提出了“人工智能”的概念，夢想著用當時剛剛出現(xiàn)的計算機來構(gòu)造復(fù)雜的、擁有與人類智慧同樣本質(zhì)特性的機器。其后，人工智能就一直縈繞于人們的腦海之中，并在科研實驗室中慢慢孵化。之后的幾十年，人工智能一直在兩極反轉(zhuǎn)，或被稱作人類文明耀眼未來的預(yù)言，或被當成技術(shù)瘋子的狂想扔到垃圾堆里。直到2012年之前，這兩種聲音還在同時存在。
2012年以后，得益于數(shù)據(jù)量的上漲、運算力的提升和機器學(xué)習新算法（深度學(xué)習）的出現(xiàn)，人工智能開始大爆發(fā)。據(jù)領(lǐng)英近日發(fā)布的《全球AI領(lǐng)域人才報告》顯示，截至2017年一季度，基于領(lǐng)英平臺的全球AI（人工智能）領(lǐng)域技術(shù)人才數(shù)量超過190萬，僅國內(nèi)人工智能人才缺口達到500多萬。
人工智能的研究領(lǐng)域也在不斷擴大，圖一展示了人工智能研究的各個分支，包括專家系統(tǒng)、機器學(xué)習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統(tǒng)等。
但目前的科研工作都集中在弱人工智能這部分，并很有希望在近期取得重大突破，電影里的人工智能多半都是在描繪強人工智能，而這部分在目前的現(xiàn)實世界里難以真正實現(xiàn)（通常將人工智能分為弱人工智能和強人工智能，前者讓機器具備觀察和感知的能力，可以做到一定程度的理解和推理，而強人工智能讓機器獲得自適應(yīng)能力，解決一些之前沒有遇到過的問題）。
弱人工智能有希望取得突破，是如何實現(xiàn)的，“智能”又從何而來呢？這主要歸功于一種實現(xiàn)人工智能的方法——機器學(xué)習。
學(xué)習人工智能相關(guān)技術(shù)知識，可了解一下在線教育平臺——深藍學(xué)院。深藍學(xué)院是致力于人工智能等前沿科技的在線教育平臺。
機器學(xué)習：一種實現(xiàn)人工智能的方法
機器學(xué)習最基本的做法，是使用算法來解析數(shù)據(jù)、從中學(xué)習，然后對真實世界中的事件做出決策和預(yù)測。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機器學(xué)習是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習如何完成任務(wù)。
舉個簡單的例子，當我們?yōu)g覽網(wǎng)上商城時，經(jīng)常會出現(xiàn)商品推薦的信息。這是商城根據(jù)你往期的購物記錄和冗長的收藏清單，識別出這其中哪些是你真正感興趣，并且愿意購買的產(chǎn)品。這樣的決策模型，可以幫助商城為客戶提供建議并鼓勵產(chǎn)品消費。
機器學(xué)習直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學(xué)習方法上來分，機器學(xué)習算法可以分為監(jiān)督學(xué)習（如分類問題）、無監(jiān)督學(xué)習（如聚類問題）、半監(jiān)督學(xué)習、集成學(xué)習、深度學(xué)習和強化學(xué)習。
傳統(tǒng)的機器學(xué)習算法在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領(lǐng)域的應(yīng)用基本達到了商業(yè)化的要求或者特定場景的商業(yè)化水平，但每前進一步都異常艱難，直到深度學(xué)習算法的出現(xiàn)。
深度學(xué)習：一種實現(xiàn)機器學(xué)習的技術(shù)
深度學(xué)習本來并不是一種獨立的學(xué)習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學(xué)習方法來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來越多的人將其單獨看作一種學(xué)習的方法。
最初的深度學(xué)習是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達的一種學(xué)習過程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。其實有不少想法早年間也曾有過，但由于當時訓(xùn)練數(shù)據(jù)量不足、計算能力落后，因此最終的效果不盡如人意。