人工智能(AI)、機器學習(ML)和深度學習(DL)是經常相互重疊且容易混淆的術語。今天，讓我們詳細討論這三個方面，并詳細介紹它們的應用和用途。

人工智能

你是否注意到過我們如何輕松地計算周圍的環境并不斷從過去的經驗中學習?簡言之，人工智能(AI)是一種向計算機傳授相同事物的方法。

人工智能用于構建可以預測人類行為并在人類基礎上采取行動的工具、代理、自動程序和機器人。特斯拉的自動駕駛汽車、亞馬遜的Alexa和Siri都是人工智能的例子。

AI具有三個不同的級別：

首先，弱人工智能(ANI)是我們迄今為止成功完成的唯一一種人工智能。 ANI(Artificial Narrow Intelligence)被設計為執行單個任務并且以目標為導向。 ANI非常有能力完成其編程要完成的特定任務。 ANI的一些示例是語音助手、面部識別或駕駛汽車。

其次，通用人工智能(AGI)是具有通用智能的機器的概念，機器可以模仿人類的智能和行為，并具有從數據中學習并應用其智能來解決任何問題的能力。人工通用情報可以在任何給定情況下以類似于人類的方式思考、理解和行動。

超級人工超智能(ASI)是機器可以變得自我意識并超越人類能力和智能的假想。實際上，我們離現實生活中實現這種形式的AI還很遙遠。

機器學習

人工智能是模仿人類能力的概念，而機器學習是人工智能的子集，它教機器從先前的結果中學習。

機器學習模型會尋找數據中的模式，并根據先前的結果和數據來嘗試得出你或我的結論。一旦算法真正擅長得出結果，它就會開始將知識應用于新數據集并不斷改進。

簡而言之，人工智能是計算機復制人類行為的科學，而機器學習是機器如何從數據中學習的背后方法。

機器學習的類型

監督學習是指將大量標記數據饋送到算法中，并且還定義了算法需要評估相關性的變量。但是，監督學習需要大量的數據來完成任務。

無監督學習可以幫助算法查找沒有標簽響應的模式和數據集。你可能會使用此技術來瀏覽數據，但還沒有特定的目標。該算法將掃描數據集，并根據它們共享的特征開始將數據分為幾組。

有監督和無監督學習的混合稱為半監督學習。在半監督學習中，大多數標記數據被饋送到算法中，但是該模型可以自由探索和發展自己對數據集的理解。

強化學習正在教會機器使用明確定義的規則完成多步驟過程。該算法沿途做出自己的決定，并對其采取的行動獲得獎勵或懲罰

深度學習

毫不夸張地說，深度學習是一種用于實現機器學習的技術。深度學習是機器學習的一個子集，它使用深度神經網絡并模仿大腦中的神經元網絡，并允許機器在沒有人類幫助的情況下做出準確的決策。

但是，深度學習有時被視為機器學習的發展。模型的深度由其具有的層數表示。深度學習是人工智能領域的最新技術。在深度學習中，訓練是通過神經網絡完成的。

深度學習已在人工智能中實現了許多實際應用。無人駕駛汽車，更好的醫療保健，甚至更好的產品推薦都在今天或即將出現。