通俗理解人工智能、机器学习和深度学习的关系

最近几年人工智能成为极其热门的概念和话题，可以说彻底出圈了。但人工智能的概念在1955年就提出来了，可以说非常古老。我在上小学的时候《科学》课本上就有人工智能的概念介绍，至今还有印象，但那些年AI正处于“寒冬”，很少在其他地方见到这个概念。现在人工智能这么热，普通人容易从科幻电影和媒体宣传上来理解人工智能，这就难免有很多误解的成分。

漫威电影中的人工智能幻视，是一个超级英雄

漫威电影中的AI人：幻视

几年前有一篇《超级人工智能之路》的长文在网络上流行，很多媒体自媒体也都报道、解读过，可以说这篇文章把人工智能捧上了天。在我看来，这种吹捧确实过头了。

1956年，在达特茅斯学院举行的一次会议上正式确立了人工智能的研究领域。会议的参加者在接下来的数十年间是AI研究的领军人物。他们中有许多人预言，经过一代人的努力，与人类具有同等智能水平的机器将会出现。同时，上千万美元被投入到AI研究中，以期实现这一目标。——wiki

对人工智能的盲目乐观真是历史悠久啊。我的建议是，关于人工智能的未来可以尽情畅想，但不必认真，要了解人工智能真正的样子，只看它现在能为我们做什么就好。

人工智能

刚接触这个领域的时候，对人工智能的概念比较模糊，甚至到现在为止也没有找到一个足够清晰的定义。我自己做了一个通俗的理解：凡是机器做了人需要动脑才能完成的事情，都可以称之为人工智能。这个定义并不严谨，但是好理解，可以帮助我不再纠结这概念。从这个角度去看，你会发现人工智能在生活中确实到处都在了，并且很早就有。AI并没有那么神秘。

机器学习

机器学习是人工智能的重要分支，重要到人工智能几乎都要等同于机器学习了，在有些场合下这两个概念甚至可以混用。Herbert A. Simon 曾对“学习”给出过一个定义：“如果一个系统能够通过执行某个过程改进它的性能，这就是学习”。机器学习就是计算机系统通过数据提高系统性能的过程。其实我们人的学习过程也完美符合这个定义，如果仔细观察小孩子的学习过程，就和我们训练一个机器学习模型的过程非常相似（我本人目前还没有小孩，但是我经常听有小孩的同事这样跟我说）。难怪很多学者声称只有机器学习才算得上真正的人工智能。

机器学习的技术非常繁多，理论也很复杂，但可以通过很简单的数学抽象来理解。把机器学习的模型当作一个黑盒子，它接受一定的输入，给出一定的输出，那么这个黑盒子其实就是一个函数。所谓的机器学习，从数学上看就是学习出一个函数。

无论是神经网络，决策树，逻辑回归，概率图模型，都可以抽象成这样一个数学函数，只是形式不同而已。虽然看起来并不酷炫，也不高大上，但这就是机器学习简单的本质。这么理解也是一个“祛魅”的过程。

深度学习

深度学习的概念大概是从AlphaGo打败李世石开始火遍全世界的，wiki上对它的定义如下。

深度学习（英语：deep learning）是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法。 ——wiki

我第一次看到神经网络的描述图，不明觉厉感从心中油然而生，看起来像是某种神秘的技术模拟出来了人脑的工作机制，从而可以完成很多不可思议的智能任务。强烈的好奇心让我开始对这个领域进行探索，于是就入坑了……

隔行如隔山这句话没错，只有真正进入一个领域，你才知道它本来的样子。我们可以继续从函数的角度去理解深度学（这又是一个“祛魅”的过程）。复合函数的概念高中都学过，深度学习要学习的其实就是一个复合函数，深度学习的”深“指的就是复合函数的复合层级更多。

所有的算法模型最后都是数学，根据我的经验，从数学角度去理解要比从酷炫的网络结构图去理解对我帮助更大。有了这种宏观的把握之后，就可以放心地深入了解其中的细节了。

总之，人工智能，机器学习，深度学习这些概念并没有那么神秘。最后用一张图总结一下三者之间的关系。

如果你喜欢以上内容，欢迎到我的个人主页关注我：Homepage