5.1.3 人工智能、机器学习及深度学习
人工智能的浪潮席卷全球，诸多词汇时刻萦绕在人们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。然而，它们有何区别？又有哪些相同或相似的地方？
1）人工智能：从概念提出到走向繁荣
人工智能（Artificial Intelligence，AI），诞生于1956年的达特茅斯夏季会议，是科学技术迅速发展及新思想、新理论、新技术不断涌现的形势下产生的一门新学科，是一门涉及数学、计算机科学、哲学、认知心理学、心理学、信息论、控制论等学科的交叉和边缘学科，也是让生物的自然智能在计算机上得以实现，重在模拟人的思维过程和智能行为的学科。
人工智能的发展非常曲折，经历了数次大起大落，其发展历程如图5⁃2所示。
图5⁃2 人工智能发展历程
1956年，几个计算机科学家相聚在达特茅斯会议，提出了“人工智能”的概念，梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。其后，人工智能就一直萦绕于人们的脑海之中，并在科研实验室中慢慢孵化。之后的几十年，人工智能一直在两极反转，或被称作人类文明耀眼未来的预言，或被当成技术疯子的狂想扔到垃圾堆里。直到2012年之前，这两种声音还在同时存在。
2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。数据显示，我国人工智能人才缺口已超过500万，国内供求比例为1∶10，供求严重失调。国内知名职场社交平台脉脉发布的《抢滩数字时代；人才迁徙报告2023》数据显示：人工智能成为2022年最缺人的行业。人工智能的研究领域也在不断扩大，图5⁃3展示了人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。
图5⁃3 人工智能分支领域
通常将人工智能分为弱人工智能和强人工智能，前者让机器具备观察和感知的能力，可以做到一定程度的理解和推理，而强人工智能让机器获得自适应能力，解决一些之前没有遇到过的问题。但目前科研工作都集中在弱人工智能这部分，并已经取得重大突破，电影里的人工智能多半都是在描绘强人工智能，而这部分在目前的现实世界里难以真正实现。
弱人工智能取得突破，是如何实现的，“智能”又从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。
2）机器学习：一种实现人工智能的方法
机器学习最基本的做法，首先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作出决策和预测。与传统的为解决特定任务而编写的软件程序不同，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。(https://www.daowen.com)
例如，当人们在浏览网上商城时，经常会出现商品推荐的信息。这时商城会根据客户往期的购物记录和冗长的收藏清单，识别出其中哪些是客户真正感兴趣，并且愿意购买的商品。这就是典型的机器学习决策模型，它可以帮助商城为客户提供建议并推动商品消费。
机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机等。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。
对很多机器学习来说，特征提取不是一件简单的事情。在一些复杂问题上，要想通过人工的方式设计有效的特征集合，往往要花费很多的时间和精力。传统的机器学习算法在指纹识别、人脸检测、物体检测等领域的应用已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。
3）深度学习：一种实现机器学习的技术
深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。
最初的深度学习是一种利用深度神经网络来解决特征表达的学习过程。深度神经网络可大致理解为包含多个隐含层的神经网络结构。为了提高深度神经网络的训练效果，人们对神经元的连接方法和激活函数等方面作出相应的调整。其实有不少想法早年间也有，但由于当时训练数据量不足、计算能力落后，因此最终的效果不尽如人意。
图5⁃4 机器学习与深度学习流程对比
深度学习解决的核心问题之一就是自动地将简单的特征组合成更加复杂的特征，并利用这些组合特征解决问题。深度学习是机器学习的一个分支，它除了可以学习特征和任务之间的关联，还能自动从简单特征中提取更加复杂的特征。图5⁃4展示了深度学习和传统机器学习在流程上的差异。深度学习算法可以从数据中学习更加复杂的特征表达，使得最后一步权重学习变得更加简单且有效。
人工智能、机器学习和深度学习是非常相关的几个领域。图5⁃5说明了它们之间的大致关系。人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段，深度学习则是机器学习的一个分支。在很多人工智能问题上，深度学习的方法突破了传统机器学习方法的瓶颈，推动了人工智能领域的快速发展。
图5⁃5 人工智能、机器学习与深度学习关系
