據我們所知，世界正在向機器邁進。但是，如果沒有大量的人機交互，我們就不能充分利用任何機器的工作。因此，為了做到這一點，我們需要一些智能的機器。這裡是人工智能的地方。機器在沒有人為干預的情況下執行許多任務是智能的。
人工智能和機器學習這兩個術語經常導致混淆，我們很多人並不確切地知道它們之間的區別。因此，我們最終可以互換地使用這些術語。機器學習基本上就是機器的學習概念，通過這些概念，我們將實現人工智能。深度學習是人工智能領域的最新事物。實現人工智能是實施機器學習的方法之一。
我們大多數人都看過基於AI的電影，裡面有像終結者系列機器人這樣的智能機器。但是在現實生活中，人工智能的概念並沒有被優化到能夠處理這些現實情況並相應地行動。大多數AI實現只是基於情況的編碼。其中引入了機器學習來處理大量數據，並使機器使用輸入/示例來學習以處理進一步的問題。
人工智能
“人工智能”這個詞的粗略意思是人工創造智能，這個詞我們重複了半個多世紀。大約在六十年代引進的，很快引起了大家的注意。人工智能的目的是減少機器正常工作的人工交互。
人工智能已經以多種方式實現。它並不總是需要智能實現。許多實現只是硬編碼的功能，用於根據選擇或情況運行。但是在實時場景中，我們有很多變量，根據這些變量，必須選擇一些動作來執行。在這些場景中，硬編碼不能給我們帶來好的結果。因此，機器學習應運而生。
機器學習
機器學習是實現人工智能的一種方法。基本上是利用大量待解析和攝取的數據集作為例子來研究算法，並在這些例子的基礎上解決進一步的問題。
因此，通過提供足夠的示例/輸入，使機器學會解決問題，就像人類通過示例學習一些東西，並使用它來解決進一步的問題。
有幾種算法用於機器學習，例如：
Find-S
決策樹
隨機森林
人工神經網絡
深度學習
它是機器學習時代的最新術語。深度學習是實現機器學習的一種方法。它基本上採用人工神經網絡算法。神經網絡的靈感來自於我們對大腦生物學的理解——神經元之間的所有聯繫。但是，不像生物大腦，任何神經元都可以在一定的物理距離內連接到任何其他神經元，這些人工神經網絡具有離散的層、連接和數據傳播方向。
結論
人工智能是通過機器學習（許多針對真實數據的有效算法）實現的更廣泛的概念。深度學習是基於神經網絡的機器學習算法。
深度學習為人工智能世界提供了新的可能性。目前，深度學習正被研究界和工業界用來幫助解決許多大的數據問題，如計算機視覺、語音識別和自然語言處理。
我們今天還有“窄AI”的概念。窄AI（或弱AI）表示我們正在處理的AI與一些特定任務相關。像車輛自動化（Google自駕車）或圖像分類或人臉識別（Facebook深度學習）一樣，是深層學習已經實現的一些特定任務。
人工智能從一開始就是要創建一個通用人工智能（強人工智能），以實現人腦的功能，該功能與特定任務無關，但執行所有通用任務，並根據情況作出反應，即模仿人腦的處理。所以我們還有很長的路要走。
閱讀更多 無敵工程師達人 的文章
