春天的薄荷叶
一、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，它是一门技术科学，研究与开发的对象是"理论、技术及应用系统"，研究的目的是为了"模拟、延伸和扩展人的智能"。现如今一些看起来很高端的技术，如图像识别、NLP，依然没有脱离这个范围，就是"模拟人在看图方面的智能"和"模拟人在听话方面的智能"，本质上和"模拟人在计算方面的智能"没什么两样，虽然难度系数比较高，但目的是一样的。二、机器学习机器学习是让计算机模拟或实现人类的学习行为，就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来"训练"，通过各种算法从数据中学习如何完成任务。常用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。从学习方法上来分，机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。三、深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。其主要的思想就是模拟人的神经元，每个神经元接受到信息，处理完后传递给与之相邻的所有神经元即可，神经网络的计算量非常大，需要很高的运算能力支持，如GPU。欠拟合：如果一个模型在训练时表现很差，测试时也表现很差，那我们把该模型称之为『欠拟合』。过拟合：如果一个模型在训练时表现优异，测试时却落差很大，不懂预测和应付灵活情况，那我们把该模型称为『过拟合』。人工智能、机器学习、深度学习三者有什么关系吗?机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。
凭海而居
机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。学习能力是智能行为的一个非常重要的特征，但至今对学习的机理尚不清楚。人们曾对机器学习给出各种定义。H.A.Simon认为，学习是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时更为有效。R.s.Michalski认为，学习是构造或修改对于所经历事物的表示。从事专家系统研制的人们则认为学习是知识的获取。这些观点各有侧重，第一种观点强调学习的外部行为效果，第二种则强调学习的内部过程，而第三种主要是从知识工程的实用性角度出发的。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。Machine learning (Machine Learning) is to study how computer simulation or the realization of human learning, to acquire new knowledge or skills, the knowledge structure has been reorganized to continually improve their own performance. It is the core of artificial intelligence, wisdom is a fundamental way to the computer, its applications across all areas of artificial intelligence, summarized its main use, but not when it comes to interpretation of the integrated. Learning ability is a very important wisdom acts features, but so far it is not clear mechanisms for learning. People have given various definitions machine learning. H.A.Simon believe that learning is the adaptive system changes that the next system to complete the same or similar tasks more effectively. R.s.Michalski believe that learning is constructed or modified to experience things said. It is engaged in the development of expert systems that learning is the acquisition of knowledge. These views have different emphases, and the first point of the study emphasized external effects, and the second is that the internal learning process, and a third mainly works from the knowledge of the utility perspective. Machine learning in artificial intelligence research a very important position. Does not have a system to be able to learn wisdom is a true intelligent system, but the system is a general lack of wisdom and ability. For example, they can not be self - encounter error correction; Will not improve their performance through experience; Not automatically obtain the required knowledge and discovery. Their reasoning is limited to interpretation and lack summarized, and therefore not only have to prove the existence of facts, axioms, and not found new theorem, the law and rules. With the in-depth development of artificial intelligence, demonstrated these limitations are becoming even more prominent. It is precisely in such circumstances, machine learning has gradually become one of the core artificial intelligence research. Its application has spread all branches of artificial intelligence, such as expert systems, automated reasoning, natural language understanding, recognition, computer vision, smart robots, and other fields. Which is especially typical expert system knowledge acquisition bottlenecks, people have been trying to use machine learning methods to overcome. Machine learning research is based on physiology, cognitive science understanding of the mechanisms of human learning, human learning process for the establishment of model or models of understanding, the development of learning theory and learning methods, a study of theoretical learning algorithms and analysis, the creation of specific task-oriented applications learning system. These studies aim to promote mutual interaction.
优质英语培训问答知识库
