2020是人工智慧爆發的一年，各種層出不窮的新技術、新概念讓人眼花繚亂。很多人都分不清人工智慧（artificial intelligence，簡稱ai）、機器學習（machine learning，簡稱ml）以及深度學習（deep learning，簡稱dl）概念之間的不同。格物斯坦；來重點解釋了機器學習和深度學習的差別和不同吧。
由於ai的大熱，**上關於ai的文章狂轟亂炸，人工智慧似乎已經成為遊戲的改變者，企業們也紛紛下注。對於ai領域的從業者來說，人工智慧、機器學習和深度學習之間的差別應該非常清楚。人工智慧是乙個大概念，從有效的老式人工智慧（gofai）到聯結主義結構，無所不包。
機器學習則是人工智慧領域的乙個小分支，如果說ai是乙個合集，那麼ml就是ai的子集。任何通過資料訓練的學習演算法的相關研究都屬於機器學習，包括很多已經發展多年的技術，比如線性回歸（linear regression）、k均值（k-means，基於原型的目標函式聚類方法）、決策樹（decision trees，運用概率分析的一種**法）、隨機森林（random forest，運用概率分析的一種**法）、pca（principal component analysis，主成分分析）、svm（support vector machine，支援向量機）以及ann（artificial neural networks，人工神經網路）。
人工神經網路則是深度學習的起源。一些之前接觸過人工神經網路的機器學習從業者對深度學習的第一印象很可能是：這不過就是多層結構的人工神經網路而已。此外，深度學習成功的主要原因是大量可用的資料以及像gpu這樣更強大的計算引擎的出現。
這當然是事實，深度學習的出現基本要歸因於這兩方面的進展。但是，如果就此下結論說深度學習不過是比支援向量機或者決策樹更好的演算法而已，那就真的是一葉障目，不見泰山了。
綜上所述，深度學習人工智慧就正在取代機器學習。此浪潮在幾年前就已經抵達計算語言學的海岸，但是2020似乎是這場海嘯全面衝擊各大自然語言處理（nlp）會議的一年。一些預言最終的衝擊將會更大。
人工智慧 機器學習和深度學習
注 本文翻譯自網上的一篇文章，有刪節，原文 人工智慧 這個術語大家都比較熟悉。畢竟，它一直是電影中的熱門焦點，例如 終結者 黑客帝國 等等。但您最近可能還聽說過其他術語，如 機器學習 和 深度學習 有時它們與 人工智慧 交替使用。結果，人工智慧 機器學習和深度學習之間的區別可能非常不明確。接下來，我...
人工智慧 機器學習和深度學習
人工智慧定義 努力將通常由人類完成的智力任務自動化。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。機器學習 給定包含預期結果的示例，機器學習將會發現執行一項資料處理任務的規則。機器學習的技術定義 在預先定義好的可能性空間中，利用反饋訊號的指引來尋找輸入資料的有用...
學習人工智慧技術法則
在當前的教育體系下，人工智慧領域的人才培養依然以研究生教育為主，隨著近些年來人工智慧領域人才缺口的增大，格物斯坦表示目前已經一小部分高校開始陸續在本科階段開設人工智慧專業，相信隨著人工智慧領域的發展，未來更多專業的學生將有機會接觸到人工智慧相關知識，人工智慧知識也會逐漸從高等教育向中小學覆蓋。當前要...