深度学习概论01（和人工智能，机器学习的关系）

       大家常听到人工智能、机器学习和深度学习可以被简单的描述为嵌套关系。人工智能出现最早范围最广，随后出现的是机器学习，最后是深度学习，它也是当今人工智能大爆炸的核心驱动力。（简单来看就是人工智能>机器学习>深度学习）    有些人说人工智能是大杂烩，主要是其中的内容实在是太多太杂，而深度学习只是其中的一个方向，不过也是相当重要的一个方向了，它使机器学习能够实现众多的应用，并且拓展了人工智能的范围。所以不必多说，以下介绍深度学习也必然要涉及人工智能和机器学习。

        人工智能是在1956年被提出的，它可以认为是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术来研究智能机器或智能系统，以此来模仿，延展和拓展人的智能。它的主要任务是建立智能信息处理理论，使计算机系统拥有近似于人的智能行为。它是当前科学技术中正在迅速发展，且新思想，新观点，新理论，新技术不断涌现的一门学科。也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等的交叉学科和边缘学科。

        机器学习的定义可以参照1977年出版的《机器学习》一书：“如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习。“通过大量数据训练模型，让算法进行自我调整和改进。传统方法包括决策树学习，推导逻辑规划、聚类、分类、回归、贝叶斯网络和神经网络等。但机器学习要求模型设计者同时具备编程经验和模型解决的问题领域的相关知识，因为传统的机器学习必须依赖给定的数据表示。这也使行业新人很难拥有与有经验的工作者竞争的资本，因为它还需要在研究的问题领域的知识积累。好在机器学习的出现解决的这一问题。

        深度学习是一种基于多层神经网络的，以海量数据为输入的自规划学习的方法。也就是说它不需要再以人工的方式提取特征。够处理处理很多由人工很难设定特征的数据，如图像，音频等。但他也不是万能的，它的解释性不强，很难解释为什么能够取得很好的效果，也就无法给出针对性的改进方案，这可能成为它前进过程中的阻碍。

       人工智能、机器学习和深度学习的依次出现伴随着问题的反复出现和解决。从一个简单的设想到实现，再到瓶颈或发现当前算法不可解决的问题，引发一次次的领域危机和低谷。随着计算机性能的提升和算法的更新、新的想法的提出，从前无法解决的问题也被巧妙地化解，带领这个领域走向更高的平台。或许这也是科技进步的必经历程，不管是发展的必然还是机缘巧合，这个学科总算是在一次次起起落落中越发成熟。相信在对这一领域有趣的发展史的探索过程中，它的全貌会逐渐呈现在你的脑海里。

（这一专题的下一篇将介绍深度学习的历史）