随着人工智能的巨大进步 – 从无人驾驶汽车领域的进步，到掌握扑克和围棋等游戏，以及自动化客户服务交互 – 这项先进技术将为企业带来革命性的变化。但是，AI，机器学习和深度学习这两个术语经常被随意使用，并且可以互换使用，因为每种技术之间存在重大差异。以下是这三种工具之间差异的指南，可帮助您掌握机器智能。
人工智能（AI）
人工智能是思考先进计算机智能的最广泛途径。1956年在达特茅斯人工智能会议上，该技术被描述为：“学习的每一个方面或智能的任何其他特征原则上都可以被精确地描述，以便机器可以被模拟。”
人工智能可以指任何从玩象棋游戏的计算机程序到亚马逊Alexa解释和响应语音的语音识别系统。该技术大致可以分为三类：狭义人工智能，人工智能（AGI）和超智能人工智能。
IBM的Deep Blue在1996年的比赛中击败国际象棋大师Garry Kasparov，或者在2016年击败了Lee Sedol的Google DeepMind的AlphaGo，它们都是狭义AI-AI的例子，它们擅长于一项特定任务。这与人工智能（AGI）不同，后者是人工智能，可以执行一系列任务。
超级智能AI让事情更进一步。正如尼克·博斯特罗姆所描述的那样，这是“在几乎所有领域都比人类最优秀的智慧更聪明的智慧，包括科学创造力，一般智慧和社交技巧。” 换句话说，就是机器超过了我们。
机器学习（ML）
机器学习是AI的一个子领域。这里的核心原则是机器为自己提供数据和“学习”。它目前是企业AI工具包中最有前途的工具。ML系统可以快速应用来自大型数据集的知识和培训，擅长面部识别，语音识别，物体识别，翻译以及许多其他任务。与手动编写具有特定指令的软件程序来完成任务不同，ML允许系统学习识别模式并进行预测。
虽然深蓝和DeepMind都是人工智能的两种类型，但深蓝是基于规则的，依赖于编程 – 所以它不是ML的一种形式。另一方面，DeepMind则是：它通过对大量专家动作数据集进行自我训练来击败Go的世界冠军。
您的企业是否有兴趣将机器学习融入其战略？亚马逊，百度，谷歌，IBM，微软等都提供企业可以使用的机器学习平台。
深度学习
深度学习是ML的一个子集。它使用一些ML技术通过挖掘模拟人类决策的神经网络来解决现实世界的问题。深度学习可能很昂贵，并且需要大量数据集来训练自己。这是因为需要通过学习算法来理解大量的参数，最初会产生大量的误报。例如，可以指导深度学习算法来“学习”猫的样子。这将需要一个非常庞大的图像数据集，以了解区分猫，例如猎豹或豹或狐狸的非常小的细节。
如上所述，2016年3月，当DeepMind的AlphaGo计划通过深度学习在Go的5场比赛中的4场中击败世界冠军Lee Sedol时，AI获得了主要胜利。谷歌表示，深度学习系统的工作方式是将“蒙特卡洛树搜索与受监督学习训练的深度神经网络，人类专家游戏以及通过自我游戏的强化学习相结合”。
深度学习也有商业应用。它可能需要大量的数据 – 例如数百万的图像 – 并识别某些特征。基于文本的搜索，欺诈检测，垃圾邮件检测，手写识别，图像搜索，语音识别，街景检测和翻译都是可以通过深度学习执行的任务。例如，在谷歌，深度学习网络取代了许多“手工制定的基于规则的系统”。
你的反应是：