近幾年來，人工智慧（ai）一直都是各大**的熱點話題，機器學習、深度學習和人工智慧都頻繁的出現在各種文章中。就算是在平時和朋友的聊天中，也經常會聊到ai的話題。然而，除了ai的熱度，究竟什麼是人工智慧、機器學習、深度學習？這三者之間又有什麼關係呢？卻鮮有人能分的清楚，下面就先來個科普，說下這個話題。
人工智慧
人工智慧誕生於二十世紀五十年代，當時電腦科學這一新興領域的少數先驅開始提出疑問：計算機是否能夠「思考」？我們今天仍在探索這一問題的答案。人工智慧的簡潔定義如下：努力將通常由人類完成的智力任務自動化。因此，人工智慧是乙個綜合性的領域，不僅包括機器學習與深度學習，還包括更多不涉及學習的方法。早期的人工智慧被稱為符號主義人工智慧，主要通過編寫足夠多的明確規則來進行程式處理，以期達到與人類相當的人工智慧。
所以，現在好多運用規則來實現自動化的任務，雖然被很多人認為是假的人工智慧，但是，這確實是實實在在的人工智慧，只不過是屬於早期的符號主義人工智慧。
機器學習
機器學習是實現人工智慧的一種新的方法。機器學習的概念最早來自於人工智慧先驅阿蘭·圖靈的乙個問題：對於計算機而言，除了「我們命令它做的任何事情」之外，它能否自我學習執行特定任務的方法？計算機能否讓我們大吃一驚？如果沒有程式設計師精心編寫的資料處理規則，計算機能否通過觀察資料自動學會這些規則？
圖靈的這個問題引出了一種新的程式設計正規化-機器學習。在符號主義人工智慧的正規化中，人們輸入的是規則和需要根據這些規則進行處理的資料，系統輸出的是答案。利用機器學習，人們輸入的是資料和從這些資料中預期得到的答案，系統輸出的是規則。這些規則隨後可以應用於新的資料，並使計算機自主生成答案。機器學習系統是訓練出來的，而不是明確用程式寫出來的。
深度學習
深度學習是機器學習的乙個分支領域：它是從資料中學習表示的一種新方法，強調從連續的層（layer）中進行學習，這些層對應於越來越有意義的表示。「深度學習」中的「深度」指的並不是利用這種方法所獲取的更深層次的理解，而是指一系列連續的表示層。資料模型中包含的層數，成為模型的深度（depth）。
在深度學習中，這些分層表示幾乎總是通過叫做神經網路（neural network）的模型來學習得到的。神經網路的結構是逐層堆疊。神經網路這一術語來自於神經生物學，然而，雖然深度學習的一些核心概念是從人們對大腦的理解中汲取部分靈感而形成的，但深度學習模型不是大腦模型。同時，也沒有證據表明大腦的學習機制與現代深度學習模型所使用的相同。你可能會讀到一些流行科學的文章，宣稱深度學習的工作原理與大腦相似或者是根據大腦的工作原理進行建模的，但事實並非如此。對於這一領域的新人來說，如果認為深度學習與神經生物學存在任何關係，那將使人困惑，起到相反的作用。簡而言之，深度學習是從資料中學習表示的一種數學框架。
介紹完了人工智慧、機器學習、深度學習三者之間的關係，再來說說面對洶湧而來的ai熱潮，我們應該如何面對呢？
正如任何事物都存在兩面性一樣，在如今的ai熱潮中，對於ai的未來也一直存在兩種截然相反的觀點。一種觀點認為，ai只是概念的炒作，就像二十世紀五六十年代一樣，必將走向衰敗。而另外一種觀點認為，未來人的工作將十分稀少，大部分經濟活動都由機械人或人工智慧體來完成，機械人將像人類一樣擁有思考和學習的能力，人類的工作終將被機械人取代。
首先，個人認為，目前的機器學習絕對不會像五六十年代的第一代人工智慧一樣，慘淡收場。因為數學理論的創新，技術的進步為機器學習打下了良好的基礎：
1、數學理論的發展為機器學習演算法的實現鋪平了道路。
2、大資料時代儲存的的海量資料為機器學習的訓練提供了大量的糧草。
3、計算裝置計算能力的發展，為機器學習的應用實現提供了可能。
下面，就列舉一些目前機器學習實際應用的場景和案例：
通過語音識別可以人機對話的語音聊天機械人
基於網際網路交通資訊建立演算法模型，精準**各關鍵路段在某個時段的通行時間，實現對交通狀態波動起伏的預判，助力社會智慧型出行和城市交通智慧型管控系統
通過影象識別進行視覺計算輔助進行布匹的良品檢驗
通過**未來的旅客吞吐量，並據此提前調配安防、安檢、突發事件應急、值機、行李追蹤等機場服務方面的人力物力
製藥過程中，通過ai技術替代人工方式對工藝引數的調整
除此之外，還有很多多，由此可以看出，機器學習無論對我們的生活還是工業的發展都帶了質的變化，是實實在在在改變這我們的生活和工作方式。但是，我們也要保持冷靜的頭腦，從雜訊中識別出真實的訊號，從而在過渡炒作的文章或者新聞中發現改變世界的重大進展，尤其是作為未來或者現在的機器學習的從業者的我們，把握住現在，切實的參與到改變的過程中去，因為ai的未來已來。
未來已來，騰訊AI計算網路
毫無疑問，人工智慧是近年it界最火的研究方向，特別在2016年alpha go這一標誌性事件後，國內外科技巨頭持續加大對人工智慧的投入。目前，人工智慧的主要方向如影象識別 語音識別等等都是通過機器學習的方式，借助強大的計算平台對海量資料進行分析 計算，隨著資料量的增長，單機效能已逐漸無法滿足計算的需...
演講實錄丨黃偉 AI已來，未來已來
ai已來，未來已來 黃偉雲知聲董事長 語音識別技術應用專家 黃偉 大家下午好！非常感謝邀請。我覺得前面山世光對公司有乙個非常好的定位，介於學術和產業之間。我可能是唯一乙個做雲技術，第二我們可能長期在工業界。今天人工智慧熱潮十多年比較冷的乙個方向，這樣我更多從工業界角度來看，我們可能對ai的看法和認知...
2018 未來已來
2017年11月15日，infor大中華區使用者暨合作夥伴峰會在上海外灘w酒店成功舉辦。本次峰會以 聚勢謀遠，協力必達 為主題，近三百位來自中國大陸，香港和台灣各行各業的重要客戶代表 業界精英 行業專家 記者及合作夥伴應邀出席。infor向與會者分享了infor全球戰略 雲業務及infor birs...