谈到商业领域的技术，人工智能和机器学习(ML) 是经常讨论的术语。技术一直在不断取得进展，忽视其影响和影响将是一个危险的选择。

以下是一些知名人士对这些技术的评价：


“人工智能不一定非要邪恶才能毁灭人类——如果人工智能有一个目标，而人类只是顺其自然地发生，它会理所当然地毁灭人类，甚至不去想它，也不会有什么不好的感受。”
——埃隆·马斯克，科技企业家

“人工智能、深度学习、机器学习 ——无论你在做什么，如果你不理解它——学习它。因为否则，你将在 3 年内成为恐龙。”
——马克·库班，美国企业家和电视名人

人工智能、机器学习和深度学习简介
三者的简要介绍如下：

简而言之，人工智能涵盖了与使机器更智能相关的所有内容。它通常具有三种类型：
狭义人工智能（ANI）：被编程以完成特定任务，以目标为导向
通用人工智能（AGI）：机器学习、理解和行动的方式与人类的行为方式无法区分。
超级人工智能）：目前是假设性的——人工智能与智能超过人类的机器
ML 是 AI 的一个子集，是指一种 AI 系统，它使用一种算法来自学并随着时间的推移变得更智能，而无需人工干预。它有助于构建人工智能驱动的应用程序。例如，在音乐和电影流媒体服务的推荐系统中可以看到 ML。ML 算法通常包括监督学习、无监督学习和强化学习。
DL 或深度学习是指将 ML 应用于大型数据集，其中复杂的算法用于训练模型。受人脑过滤信息的启发，深度学习系统使用神经网络通过层过滤输入数据来帮助计算机模型预测和分类信息。无人驾驶汽车是深度学习的一个常见例子，其类型包括卷积神经网络、递归神经网络和递归神经网络。
下图显示了AI 和机器学习之间的密切关系，以及 DL 在这些方面的位置：

人工智能、机器学习或深度学习——了解它的含义
（来源：https ://www.simplilearn.com/ice9/free_resources_article_thumb/AIvsML.png ）

人工智能
人工智能本质上致力于开发能够自力更生、能够像人类一样思考和行动的机器。人工智能的例子有谷歌翻译等机器翻译、谷歌助手或 Siri 等语音识别应用程序，以及 Aibo 和 Sophia 等人工智能机器人。

人工智能的类型
反应式机器：不形成记忆或利用过去经验做出决策的系统；只反应
内存有限：机器在一段时间内引用过去，在短时间内保留该信息
心智理论：能够理解人类情绪及其对决策的影响并相应调整其行为的系统
自我意识：旨在自我意识、了解自己的内部状态、预测他人感受并采取相应行动的系统
机器学习
ML 希望通过基于分析和计算机模型的预测模型来解决业务问题。机器学习工程师的工作包括销售预测、股价预测和银行欺诈分析等。

机器学习的类型
监督学习：系统使用标记的过去数据来预测未来结果，并且至少需要提供一个输入和一个输出变量来训练模型。
无监督学习：系统自己从未标记的输入数据中识别隐藏的特征和模式，一旦数据更具可读性，模式和相似性就会更加清晰。
强化学习：旨在训练机器在不确定的环境中完成任务。机器向环境发送动作并接收来自环境的观察和奖励，奖励衡量动作在实现目标方面的成功。
深度学习
ML 的一个子集，DL 与人工神经网络一起工作，该网络采用受人脑结构和工作方式启发的算法。DL 算法可以处理大量结构化和非结构化数据；相比之下，ML 通常需要结构化数据。用例包括检测癌性肿瘤和其他物体以及图像着色。

深度学习的类型
卷积神经网络 (CNN)：一种常用于分析图像的深度神经网络
循环神经网络（RNN）：利用序列信息构建模型；对于必须记住过去数据的模型效果更好
生成对抗网络 (GAN)：一种算法架构，它使用两个神经网络来创建新的合成数据，传递给真实数据
Deep Belief Network (DBN)：一种生成图形模型，包括几个相互连接的隐藏单元层或潜在变量；单元本身没有连接

CDA网校数据分析试听课