一、AI，機器學習和深度學習之間的區(qū)別是什么

曾被MIT技術評論列為2013年十大突破性技術（Deep Learning居首），它是以ML中的神經(jīng)網(wǎng)略學習算法存在的。人工智能現(xiàn)階段分為弱人工智能和強人工智能，神經(jīng)網(wǎng)絡搖身一變成了如今的DL。學界對DL一般有兩種看法，實際上當下科技能實現(xiàn)的所謂“人工智能”都是弱AI，僅僅用起提取powerful feature；而另一種則希望將其發(fā)展成一個新的學習分支，即end-to-end）說不定就是實現(xiàn)未來強AI的突破口1。或者換句話說. 深度學習與AI。在DL還沒有火起來的時候。DL與ML兩者其實有著某種微妙的關系，隨著計算資源和big data的興起，奧創(chuàng)那種才是強AI（甚至是boss級的），也就是我上面說的end-to-end的“深度學習的思想”。本質(zhì)上來講，人工智能相比深度學習是更寬泛的概念，深度學習這種技術（我更喜歡稱其為一種思想。 2。而深度學習，一種是將其視作feature extractor，是AI中的一種技術或思想. 深度學習與ML

二、如何正確理解深度學習的概念

深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基于統(tǒng)計的概率模型。在對各種模式進行建模之后，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那么這種識別便可以理解為語音識別

三、深度學習有哪些優(yōu)點和缺點

深度學習的主要優(yōu)點如下：

1：學習能力強

深度學習具備很強的學習能力。

2：覆蓋范圍廣，適應性好

深度學習的神經(jīng)網(wǎng)絡層數(shù)很多，寬度很廣，理論上可以映射到任意函數(shù)，所以能解決很復雜的問題。

3：數(shù)據(jù)驅(qū)動，上限高

深度學習高度依賴數(shù)據(jù)，數(shù)據(jù)量越大，它的表現(xiàn)就越好。在圖像識別、面部識別、NLP 等領域表現(xiàn)尤為突出。

4：出色的可移植性

由于深度學習的優(yōu)異表現(xiàn)，很多框架都可以使用，而且這些框架可以兼容很多平臺。

深度學習的缺點：

只能提供有限數(shù)據(jù)量的應用場景下，深度學習算法不能夠?qū)?shù)據(jù)的規(guī)律進行無偏差的估計。為了達到很好的精度，需要大數(shù)據(jù)支撐。由于深度學習中圖模型的復雜化導致算法的時間復雜度急劇提升，為了保證算法的實時性，需要更高的并行編程技巧和更多更好的硬件支持。因此，只有一些經(jīng)濟實力比較強大的科研機構或企業(yè)，才能夠用深度學習來做一些前沿而實用的應用。

四、深度學習是不是一定就比機器學習好

1、機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。 2、深度學習本來并不是一種獨立的學習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學習方法來訓練深度神經(jīng)網(wǎng)絡。但由于近幾年該領域發(fā)展迅猛，一些特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。 3、機器學習最基本的做法，是使用算法來解析數(shù)據(jù)、從中學習，然后對真實世界中的事件做出決策和預測。與傳統(tǒng)的為解決特定任務、硬編碼的軟件程序不同，機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。 拓展資料： 1、機器學習直接來源于早期的人工智能領域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學習方法上來分，機器學習算法可以分為監(jiān)督學習（如分類問題）、無監(jiān)督學習（如聚類問題）、半監(jiān)督學習、集成學習、深度學習和強化學習。傳統(tǒng)的機器學習算法在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領域的應用基本達到了商業(yè)化的要求或者特定場景的商業(yè)化水平，但每前進一步都異常艱難，直到深度學習算法的出現(xiàn)。 2、最初的深度學習是利用深度神經(jīng)網(wǎng)絡來解決特征表達的一種學習過程。深度神經(jīng)網(wǎng)絡本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡結(jié)構。為了提高深層神經(jīng)網(wǎng)絡的訓練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應的調(diào)整。其實有不少想法早年間也曾有過，但由于當時訓練數(shù)據(jù)量不足、計算能力落后，因此最終的效果不盡如人意。深度學習摧枯拉朽般地實現(xiàn)了各種任務，使得似乎所有的機器輔助功能都變?yōu)榭赡堋o人駕駛汽車，預防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實現(xiàn)。