近年來,隨著科技的快速發(fā)展,人工智能不斷進(jìn)入我們的視野中。作為人工智能的核心技術(shù),機(jī)器學(xué)習(xí)和深度學(xué)習(xí)也變得越來越火。一時(shí)間,它們幾乎成為了每個(gè)人都在談?wù)摰脑掝}。那么,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)到底是什么,它們之間究竟有什么不同呢?
什么是機(jī)器學(xué)習(xí)?
機(jī)器學(xué)習(xí)(Machine Learning,ML)是人工智能的子領(lǐng)域,也是人工智能的核心。它囊括了幾乎所有對(duì)世界影響最大的方法(包括深度學(xué)習(xí))。機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動(dòng)學(xué)習(xí)的算法。
舉個(gè)例子,假設(shè)要構(gòu)建一個(gè)識(shí)別貓的程序。傳統(tǒng)上如果我們想讓計(jì)算機(jī)進(jìn)行識(shí)別,需要輸入一串指令,例如貓長(zhǎng)著毛茸茸的毛、頂著一對(duì)三角形的的耳朵等,然后計(jì)算機(jī)根據(jù)這些指令執(zhí)行下去。但是如果我們對(duì)程序展示一只老虎的照片,程序應(yīng)該如何反應(yīng)呢?更何況通過傳統(tǒng)方式要制定全部所需的規(guī)則,而且在此過程中必然會(huì)涉及到一些困難的概念,比如對(duì)毛茸茸的定義。因此,更好的方式是讓機(jī)器自學(xué)。
我們可以為計(jì)算機(jī)提供大量的貓的照片,系統(tǒng)將以自己特有的方式查看這些照片。隨著實(shí)驗(yàn)的反復(fù)進(jìn)行,系統(tǒng)會(huì)不斷學(xué)習(xí)更新,最終能夠準(zhǔn)確地判斷出哪些是貓,哪些不是貓。
什么是深度學(xué)習(xí)?
深度學(xué)習(xí)(DeepLearning,DL)屬于機(jī)器學(xué)習(xí)的子類。它的靈感來源于人類大腦的工作方式,是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。深度神經(jīng)網(wǎng)絡(luò)本身并非是一個(gè)全新的概念,可理解為包含多個(gè)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(duì)神經(jīng)元的連接方法以及激活函數(shù)等方面做出了調(diào)整。其目的在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),模仿人腦的機(jī)制來解釋數(shù)據(jù),如文本、圖像、聲音。
機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的比較
1、應(yīng)用場(chǎng)景
機(jī)器學(xué)習(xí)在指紋識(shí)別、特征物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求。
深度學(xué)習(xí)主要應(yīng)用于文字識(shí)別、人臉技術(shù)、語義分析、智能監(jiān)控等領(lǐng)域。目前在智能硬件、教育、醫(yī)療等行業(yè)也在快速布局。
2、所需數(shù)據(jù)量
機(jī)器學(xué)習(xí)能夠適應(yīng)各種數(shù)據(jù)量,特別是數(shù)據(jù)量較小的場(chǎng)景。如果數(shù)據(jù)量迅速增加,那么深度學(xué)習(xí)的效果將更加突出,這是因?yàn)樯疃葘W(xué)習(xí)算法需要大量數(shù)據(jù)才能完美理解。
3、執(zhí)行時(shí)間
執(zhí)行時(shí)間是指訓(xùn)練算法所需要的時(shí)間量。一般來說,深度學(xué)習(xí)算法需要大量時(shí)間進(jìn)行訓(xùn)練。這是因?yàn)樵撍惴ò泻芏鄥?shù),因此訓(xùn)練它們需要比平時(shí)更長(zhǎng)的時(shí)間。相對(duì)而言,機(jī)器學(xué)習(xí)算法的執(zhí)行時(shí)間更少。
4、解決問題的方法
機(jī)器學(xué)習(xí)算法遵循標(biāo)準(zhǔn)程序以解決問題。它將問題拆分成數(shù)個(gè)部分,對(duì)其進(jìn)行分別解決,而后再將結(jié)果結(jié)合起來以獲得所需的答案。深度學(xué)習(xí)則以集中方式解決問題,而不必進(jìn)行問題拆分。
在本文中,我們對(duì)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別作出了簡(jiǎn)要概述。目前,這兩種算法已被廣泛應(yīng)用于商業(yè)領(lǐng)域,相信在未來,機(jī)器學(xué)習(xí)與深度學(xué)習(xí)能夠?yàn)楦嘈袠I(yè)帶來令人激動(dòng)的光明前景。
-
人工智能
+關(guān)注
關(guān)注
1817文章
50094瀏覽量
265271
發(fā)布評(píng)論請(qǐng)先 登錄
人工智能與機(jī)器學(xué)習(xí)在這些行業(yè)的深度應(yīng)用
強(qiáng)化學(xué)習(xí)會(huì)讓自動(dòng)駕駛模型學(xué)習(xí)更快嗎?
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中需避免的 7 個(gè)常見錯(cuò)誤與局限性
穿孔機(jī)頂頭檢測(cè)儀 機(jī)器視覺深度學(xué)習(xí)
如何深度學(xué)習(xí)機(jī)器視覺的應(yīng)用場(chǎng)景
基于EVS事件感知的超低功耗多目標(biāo)檢測(cè)追蹤 #超低功耗視覺 #深度學(xué)習(xí) #機(jī)器學(xué)習(xí) #人工智能 #evs
如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
深度學(xué)習(xí)對(duì)工業(yè)物聯(lián)網(wǎng)有哪些幫助
自動(dòng)駕駛中Transformer大模型會(huì)取代深度學(xué)習(xí)嗎?
FPGA在機(jī)器學(xué)習(xí)中的具體應(yīng)用
當(dāng)深度學(xué)習(xí)遇上嵌入式資源困境,特征空間如何破局?
嵌入式AI技術(shù)之深度學(xué)習(xí):數(shù)據(jù)樣本預(yù)處理過程中使用合適的特征變換對(duì)深度學(xué)習(xí)的意義
用樹莓派搞深度學(xué)習(xí)?TensorFlow啟動(dòng)!
機(jī)器學(xué)習(xí)與深度學(xué)習(xí)之間比較
評(píng)論