導(dǎo)語(yǔ)：「機(jī)器學(xué)習(xí)」還是「深度學(xué)習(xí)」，哪個(gè)更適合我呢？

大哥你好，我是來(lái)學(xué)「人工智能」的。但是，啥是「深度學(xué)習(xí)」？啥是「機(jī)器學(xué)習(xí)」？「深度學(xué)習(xí)」和「機(jī)器學(xué)習(xí)」有啥關(guān)系？我究竟該學(xué)「深度學(xué)習(xí)」還是「機(jī)器學(xué)習(xí)」？

在入門時(shí)，很多人都會(huì)被這幾個(gè)問題繞暈了。但相信我，看完這篇文章，所有的這些疑惑都會(huì)被解決！

搞懂概念

首先，我們來(lái)搞懂「人工智能」、「機(jī)器學(xué)習(xí)」和「深度學(xué)習(xí)」這三個(gè)概念和概念之間的聯(lián)系。

?

一、什么是人工智能？

人工智能是通過(guò)軟件和硬件來(lái)「模擬」和「模仿」智能人類行為的研究。大家記得《終結(jié)者》里的天網(wǎng)和T-800嗎？它們就是「人工智能」哦！

二、什么是機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)是AI的一個(gè)子領(lǐng)域，它通過(guò)算法將AI概念應(yīng)用于計(jì)算系統(tǒng)。計(jì)算機(jī)識(shí)別數(shù)據(jù)模式并根據(jù)數(shù)據(jù)模式采取行動(dòng)，隨著時(shí)間的推移學(xué)習(xí)提高其準(zhǔn)確性而無(wú)需明確的編程。機(jī)器學(xué)習(xí)的背后是預(yù)測(cè)編碼，聚類和視覺熱圖等分析方法。我們打開某寶、某東時(shí)的購(gòu)物推薦就是機(jī)器學(xué)習(xí)的一個(gè)應(yīng)用啦~

三、什么是深度學(xué)習(xí)？

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子領(lǐng)域，是人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)名字。深度學(xué)習(xí)網(wǎng)絡(luò)模仿人類大腦感知與組織的方式，根據(jù)數(shù)據(jù)輸入做出決策。AlphaGo就是我們最耳熟能詳?shù)纳疃葘W(xué)習(xí)的應(yīng)用！此外，雖然現(xiàn)在「天網(wǎng)」還沒出現(xiàn)，但是「天網(wǎng)」的基礎(chǔ)，深度學(xué)習(xí)已經(jīng)出現(xiàn)啦！

簡(jiǎn)而言之，機(jī)器學(xué)習(xí)是人工智能的一部分，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一部分，這就是三者的關(guān)系。

「機(jī)器學(xué)習(xí)」vs. 「深度學(xué)習(xí)」，我應(yīng)該學(xué)哪個(gè)？

?

剛才說(shuō)了，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一部分，它們的關(guān)系就像「扳手」和「整套工具」 的關(guān)系。因此，如果你想搞個(gè)應(yīng)用，你更應(yīng)該先學(xué)機(jī)器學(xué)習(xí)，了解一下整套工具。而是否要學(xué)習(xí)深度學(xué)習(xí)（扳手）要仔細(xì)考慮考慮——畢竟，深度學(xué)習(xí)是一個(gè)在發(fā)展中的技術(shù)，并且用花掉你大把的錢！（買顯卡……）

話說(shuō)回來(lái)，深度學(xué)習(xí)雖然仍在發(fā)展中，但已經(jīng)有很多深度學(xué)習(xí)的產(chǎn)品已經(jīng)進(jìn)入市場(chǎng)了，假以時(shí)日，深度學(xué)習(xí)的應(yīng)用將會(huì)變得更加廣泛，這個(gè)扳手的作用將會(huì)越來(lái)越大。

深度剖析

現(xiàn)在，讓我們分別來(lái)了解一下「機(jī)器學(xué)習(xí)」和「深度學(xué)習(xí)」的知識(shí)和它們的應(yīng)用案例吧！

一、機(jī)器學(xué)習(xí)詳解

機(jī)器學(xué)習(xí)通過(guò)算法分析數(shù)據(jù)，從結(jié)果中進(jìn)行學(xué)習(xí)，然后將「學(xué)習(xí)后的算法」用來(lái)做出決策或進(jìn)行預(yù)測(cè)，例子有我們熟悉的聚類、貝葉斯網(wǎng)絡(luò)和視覺數(shù)據(jù)映射等等。

機(jī)器學(xué)習(xí)可以分成兩種類型——「有監(jiān)督學(xué)習(xí)」和「無(wú)監(jiān)督學(xué)習(xí)」。

?

監(jiān)督式學(xué)習(xí)依賴于人為生成的「數(shù)據(jù)種子集」。這些「數(shù)據(jù)種子集」調(diào)教程序它該如何「看待」數(shù)據(jù)。

舉個(gè)監(jiān)督室學(xué)習(xí)的例子，我有一套電子郵件數(shù)據(jù)，我給每一封郵件都打上「垃圾郵件」或「非垃圾郵件」的標(biāo)簽，那么，這套數(shù)據(jù)便是「數(shù)據(jù)種子集」，程序可以利用這套數(shù)據(jù)種子集進(jìn)行訓(xùn)練，從而得到一個(gè)判斷垃圾郵件的模型。

無(wú)監(jiān)督學(xué)習(xí)是這樣的——觀察數(shù)據(jù)中的模式，將它們和其他的數(shù)據(jù)比較或進(jìn)行搜索查詢。隨著數(shù)據(jù)集的增長(zhǎng)、更多模式的浮現(xiàn)，機(jī)器學(xué)習(xí)算法不斷「自我優(yōu)化」。無(wú)監(jiān)督學(xué)習(xí)的例子有聚類、概念搜索和接近重復(fù)數(shù)據(jù)刪除等等。

再以郵件為例，我有一套電子郵件數(shù)據(jù)，但是我并沒有人為的給它「打標(biāo)簽」，而是直接進(jìn)行聚類，程序會(huì)自動(dòng)的分出「垃圾郵件」和「非垃圾郵件」。

機(jī)器學(xué)習(xí)的「基礎(chǔ)設(shè)施」差異很大。單一系統(tǒng)可以處理有限的數(shù)據(jù)，而大型系統(tǒng)則包含數(shù)十臺(tái)服務(wù)器和大規(guī)模并行處理（MPP）架構(gòu)，用于跨多個(gè)數(shù)據(jù)源的海量數(shù)據(jù)。

二、深度學(xué)習(xí)詳解

深度學(xué)習(xí)，又叫人工神經(jīng)網(wǎng)絡(luò)，和其它所有機(jī)器學(xué)習(xí)一樣都是基于算法。然而它并非像「數(shù)據(jù)分類」一樣根據(jù)任務(wù)選擇的算法，而是模仿人類大腦結(jié)構(gòu)與運(yùn)算過(guò)程——識(shí)別非結(jié)構(gòu)化輸入的數(shù)據(jù)，輸出精確地行為和決策。

機(jī)器學(xué)習(xí)可以是監(jiān)督的也可以是非監(jiān)督的，這意味著大型神經(jīng)網(wǎng)絡(luò)可以接受「標(biāo)簽化輸入」，但并不需要。當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)處理輸入時(shí)，它通過(guò)輸入數(shù)據(jù)和輸出數(shù)據(jù)創(chuàng)造層，這種級(jí)別的深度學(xué)習(xí)讓神經(jīng)網(wǎng)絡(luò)從原始數(shù)據(jù)中「自動(dòng)抽取特征」而無(wú)需人工來(lái)貼標(biāo)簽。

?

神經(jīng)網(wǎng)絡(luò)由大量被稱為神經(jīng)元的簡(jiǎn)單處理器構(gòu)成，處理器用數(shù)學(xué)公式模仿人類大腦中的神經(jīng)元。這些人造神經(jīng)元就是神經(jīng)網(wǎng)絡(luò)最基礎(chǔ)的「部件」。

簡(jiǎn)而言之，每一個(gè)神經(jīng)元接受兩個(gè)或更多的輸入，處理它們，然后輸出一個(gè)結(jié)果。一些神經(jīng)元從額外的傳感器接收輸入，然后其他神經(jīng)元被其他已激活的神經(jīng)元激活。神經(jīng)元可能激活其它的神經(jīng)元，或者通過(guò)觸發(fā)的行動(dòng)影響外部環(huán)境。所有的行為都是在「自動(dòng)生成」的隱藏層中發(fā)生的，每個(gè)連續(xù)的圖層都會(huì)輸入前一層的輸出。

在實(shí)際項(xiàng)目中，神經(jīng)網(wǎng)絡(luò)大量攝取非結(jié)構(gòu)化數(shù)據(jù)——聲音、文字、影像和圖片。神經(jīng)網(wǎng)絡(luò)將數(shù)據(jù)分離為數(shù)據(jù)塊，然后將它發(fā)送到獨(dú)立的神經(jīng)元和網(wǎng)絡(luò)層中去處理。一旦這些離散的處理都完成了，神經(jīng)網(wǎng)絡(luò)就產(chǎn)生最后的輸出，我們就大功告成了！

人工神經(jīng)網(wǎng)絡(luò)，或者說(shuō)深度學(xué)習(xí)有什么優(yōu)點(diǎn)？它的一大優(yōu)點(diǎn)在于「可擴(kuò)展性」。神經(jīng)網(wǎng)絡(luò)的性能取決于它可以吸收、訓(xùn)練和處理多少數(shù)據(jù)。所以，更多的數(shù)據(jù)意味著更好的結(jié)果——這是和「其它機(jī)器學(xué)習(xí)算法」的另一個(gè)區(qū)別，其它機(jī)器學(xué)習(xí)算法的效果通常穩(wěn)定在一個(gè)明確的水平。深度學(xué)習(xí)僅通過(guò)資源衡量它的性能，層數(shù)更深，則輸出更為廣泛，性能也更為強(qiáng)勁。

所以，盡管深度學(xué)習(xí)不快也不容易，但是通過(guò)更低的價(jià)格能得到更好的計(jì)算能力這一點(diǎn)，還是讓各大公司「買買買」。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的流行應(yīng)用場(chǎng)景

機(jī)器學(xué)習(xí)已經(jīng)在市場(chǎng)上「無(wú)孔不入」了，而深度學(xué)習(xí)還處于「初級(jí)階段」，商業(yè)化程度有限。

在某些應(yīng)用案例中，二者可以說(shuō)十分相似，區(qū)別在于神經(jīng)網(wǎng)絡(luò)可以增長(zhǎng)到接近無(wú)限的學(xué)習(xí)和輸出規(guī)模；機(jī)器學(xué)習(xí)更受約束，適合具體的實(shí)際計(jì)算任務(wù)。

注意啦，「機(jī)器學(xué)習(xí)」和「深度學(xué)習(xí)」并非相斥而是互補(bǔ)的關(guān)系。

?

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的未來(lái)

你不會(huì)走在大街上就碰見「深度學(xué)習(xí)」，它們需要大量的標(biāo)記數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)，或大量的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)。因此，苦逼的技術(shù)人員需要花費(fèi)大量的時(shí)間標(biāo)記和向神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)，或者需要輸入數(shù)以百萬(wàn)計(jì)的非結(jié)構(gòu)化對(duì)象來(lái)實(shí)現(xiàn)無(wú)監(jiān)督學(xué)習(xí)。

在現(xiàn)代這個(gè)IT社會(huì)，缺乏數(shù)據(jù)不再是問題——挑戰(zhàn)是標(biāo)記足夠的數(shù)據(jù)，或者將足夠的未標(biāo)記數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)。盡管處理能力不斷增加，價(jià)格也有所下降，但密集計(jì)算仍然需要對(duì)系統(tǒng)和支持進(jìn)行大量的投資。

盡管如此，深度學(xué)習(xí)在許多不同的業(yè)務(wù)垂直領(lǐng)域都有很好的案例。像谷歌和Facebook這樣的深度學(xué)習(xí)大佬正在使用深度學(xué)習(xí)開發(fā)炫酷的應(yīng)用程序，而其他的開發(fā)者們則在「跟著大佬走」。

不管怎樣，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是時(shí)代的大勢(shì)所趨。就像整個(gè)世界因?yàn)榛ヂ?lián)網(wǎng)而變成了另一種樣子，機(jī)器學(xué)習(xí)也會(huì)重塑這個(gè)世界。在這個(gè)過(guò)程中，越來(lái)越多的人會(huì)認(rèn)識(shí)到機(jī)器學(xué)習(xí)的價(jià)值，機(jī)器學(xué)習(xí)也會(huì)變得越來(lái)越容易上手。說(shuō)不定有一天，小學(xué)生也要開始學(xué)習(xí)機(jī)器學(xué)習(xí)了。

• 發(fā)表于: 2018-04-03
• 原文鏈接：http://kuaibao.qq.com/s/20180403B1CYA300?refer=cp_1026

總結(jié)

以上是生活随笔為你收集整理的还纠结选机器学习还是深度学习？看完你就有数了的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。