“人工智能”一詞最早由認知科學家約翰·麥卡錫在研究中提出，他寫到，“這項研究基于一種推測，即任何學習行為或其它智力特征，在原則上都可以被精確地描述，從而可以制造出一臺機器來模擬它。”這種描述在今天仍然適用，只是復雜性增加了一些。
你也許最近經常聽到“人工智能”和另外幾個詞匯同時出現，特別是“機器學習”和“深度學習”。它們經常被互換使用，盡管它們存在關聯，但其實并非同一事物。
這樣說可能會讓人感到困惑。我們通過一個經典的例子來解釋人工智能、機器學習和深度學習之間的區(qū)別：比較蘋果和橙子。
人工智能
從廣義上講，人工智能描述一種機器與周圍世界交互的各種方式。通過先進的、像人類一樣的智能——軟件和硬件結合的結果——一臺人工智能機器或設備就可以模仿人類的行為或像人一樣執(zhí)行任務。
我們今天讀到了很多關于人工智能的內容，比如語音識別（用于智能個人助理設備），面部識別（被用在目前社交媒體上很流行的濾鏡中），或者物體識別（比如搜索蘋果和橙子的圖片）。然而這些功能是如何實現的？
從根源上看，配備人工智能的機器會模仿人類的思維過程，比如分辨蘋果和橙子的能力。
機器學習
機器學習是人工智能的一種途徑或子集，它強調“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據，識別數據中的模式，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。在錯誤地將奶油泡芙當成橙子之后，系統(tǒng)的模式識別會隨著時間的推移而不斷改進，因為它會像人一樣從錯誤中吸取教訓并糾正自己。
通過機器學習，一個系統(tǒng)可以從自身的錯誤中學習來提高它的模式識別能力。
深度學習
深度學習是機器學習的一個子集，推動計算機智能取得長足進步。它用大量的數據和計算能力來模擬深度神經網絡。從本質上說，這些網絡模仿人類大腦的連通性，對數據集進行分類，并發(fā)現它們之間的相關性。如果有新學習的知識（無需人工干預），機器就可以將其見解應用于其他數據集。機器處理的數據越多，它的預測就越準確。
例如，一臺深度學習的設備可以檢查大數據——比如通過水果的顏色、形狀、大小、成熟時間和產地——來準確判斷一個蘋果是不是青蘋果，一個橙子是不是血橙。
通過深度學習，機器可以處理大量數據，識別復雜的模式，并提出深入的見解。
人工智能、機器學習和深度學習之間的差異并不像蘋果和橙子那么明顯，它們更微妙。Qualcomm已將人工智能技術整合進驍龍移動平臺，創(chuàng)造出令人折服的、直觀的體驗，讓設備可以更深入地了解你。
推薦閱讀：
