AI、机器学习与深度学习

人工智能、机器学习和深度学习相互关联,但又建立在不同的抽象层。它们的共同点之一是所有此类应用程序(例如无人驾驶和帮助外科医生确定患者患心脏病几率的计算机程序)均需要利用不断增多的大数据和不断增强的计算能力,产生富有影响力的结果。

Ready For More? Download AI、机器学习与深度学习 User Guide now.

View Now

人工智能

人工智能 (AI) 是有关机器模仿人类智能执行任务的理论和技术开发。AI 试图在应用程序、系统或流程中复制部分或全部的人类智能。AI 系统的范例包括语音识别、视觉感知和语言翻译。机器学习和深度学习是人工智能的子集。

机器学习和深度学习

机器学习 (ML) 利用人工神经网络 (ANN) 模仿人类的决策过程,是 AI 的一个分支领域。机器学习使计算机能在无编程的情况下在大型数据集中自主学习,用于在大量数据和统计模型基础之上确定趋势。

更深层次的深度学习 (DL) 是机器学习的多种方法之一。深度学习利用深度神经网络从海量数据中学习模式。神经网络是以人脑生物结构为模型的一组算法,每一个算法都专注于学习任务的某一特定层次。例如 Netflix 的推荐系统和 MIT 的算法可以非常快速地预测未来的行为。

我们可以通过设想训练计算机识别猫的图片这一过程中的问题,简单理解三者之间的区别:

  • 人工智能需要程序员编写计算机识别一只猫所需要的所有代码。
  • 机器学习需要程序员向系统提供图片并纠正系统分析,直至计算机达到精确水平,以此使计算机学会如何识别猫的样貌。
  • 深度学习则将识别猫的任务分成不同的层次,例如一个层次学习识别眼睛,一个层次学习识别形状轮廓等。随后,各层次相互联系,产生机器学习能力。

机器学习和深度学习使 AI 更加智慧、更易于使用。

AI、ML 和 DL 在云端

云技术的进步使 AI、ML 和 DL 更加易于使用。AI 云服务提供商,例如 Amazon Machine Learning、Microsoft Azure 和 Google Cloud AI,可提供成本效益高、使用方便且具有可扩展性的共享资源(网络、计算、内存和磁盘)。

集成技术平台,如 IaaS、PaaS、SaaS 和 iPaaS,使中小企业也能够运用大数据存储和分析。将 AI API、ML 算法、深度学习、人脸识别、数据可视化、计算机视觉和自然语言处理技术集成到服务中,可实现在数据中心进行远程计算,无需经过数据科学方面的专门培训。

这些经改善的大数据集成解决方案和平台,不断促进着 AI、ML 和 DL 的发展。

人工智能和 Talend

如今,现有的具有影响力的 AI 业务应用程序依赖于具有相关性且可信赖的高质量数据,它们密不可分。随着大数据规模的增大、计算能力的增强,以及技术的不断进步,完全实现 AI 自主感知指日可待。

了解更多有关人工智能、机器学习和深度学习,以及通过 Talend 使用 Spark 机器学习组件的更多信息,请密切关注按需网络研讨会机器学习基础

| Last Updated: January 23rd, 2019