程序员在吗？三分钟了解机器学习与深度学习！

什么是机器学习？

这是机器学习的基本定义：“解析数据，从数据中学习，然后运用他们学到的知识做出明智决策的算法”。

机器学习算法的简单示例是按需音乐流服务。 对于服务来决定向听众推荐哪些新歌或艺术家，机器学习算法将听众的偏好与具有相似音乐品味的其他听众相关联。

机器学习推动了各种自动化任务，跨越多个行业，从追踪恶意软件的数据安全公司到寻求有利交易的金融专业人士。 它们的设计就像虚拟个人助理一样，而且效果很好。

机器学习是一种复杂的数学和编码，在一天结束时，它可以像手电筒，汽车或电视一样提供机械功能。当某些东西能够“机器学习”时，它意味着它正在使用给定的数据执行功能，并且在该功能上逐渐变得更好。就像你手持一个手电筒，只要你说“它很暗”，它会识别出包含“黑暗”这个词的不同短语。

现在，当我们开始谈论深度学习时，机器学习新技巧的方式变得非常有趣（而且令人兴奋）。

深度学习与机器学习

实际上，深度学习只是机器学习的一个子集。从技术上讲，它是机器学习，并以类似的方式运行（因此这些术语有时会松散地互换），但它的功能却不同。

基本的机器学习模型无论其功能如何都会逐渐变得更好，但它们仍然有一些指导。如果ML算法返回不准确的预测，则工程师需要介入并进行调整。但是使用深度学习模型，算法可以自己确定预测是否准确。

让我们回到手电筒的例子：它可以被编程为当它识别某人说出“黑暗”这个词的可听提示时打开。最终，它可以拾取包含该单词的任何短语。现在，如果手电筒有一个深度学习模型，它可能会发现它应该打开“我看不见”或“灯开关不起作用”的提示。如果你愿意的话，深度学习模型能够通过自己的计算方法 - 自己的“大脑”来学习。

深度学习如何运作？

深度学习模型旨在通过类似于人类得出结论的逻辑结构来持续分析数据。为实现这一目标，深度学习使用称为人工神经网络（ANN）的分层算法结构。人工神经网络的设计灵感来自人脑的生物神经网络。这使得机器智能比标准机器学习模型更强大。

确保深度学习模型不会得出错误的结论（这可能是让Elon在晚上工作的原因）是一个棘手的前景，但是当它按预期工作时，功能深度学习是一个科学奇迹和潜在的骨干。真正的人工智能。

深度学习的一个很好的例子是谷歌的AlphaGo。谷歌创建了一个计算机程序，学习如何玩一个名为Go的抽象棋盘游戏，这个游戏以需要敏锐的智慧和直觉而闻名。通过与专业的Go玩家对战，AlphaGo的深度学习模型学会了如何在人工智能中达到前所未有的水平，并且没有被告知应该何时进行特定的移动（就像使用标准机器学习模型一样）。当AlphaGo击败多位世界知名的游戏“大师”时，它引起了不小的轰动。机器不仅能够掌握游戏的复杂和抽象方面，它还成为游戏中最伟大的玩家之一。

就如谷歌在今年的I/O大会上，号召开发者们，共同为开发社区做出贡献。与此同时，Model Play团队也正在向全球开发者发出了AI模型召集令，征集基于 TensorFlow、可在 Google Coral Dev Board 上运行的深度学习模型，以鼓励更多开发者们参与活动，与全球千万 AI 开发者，分享创意和想法。