Artificial Intelligence

Logic-based AI，也稱為符號主義AI，能夠解決良定義的邏輯問題well defined logical problems比如國際象棋。

但對解決更復雜、模糊問題，比如圖像分類，語音識別或者翻譯，就束手無策了。

通常說來，AI非常廣泛，包含了機器學習和深度學習，但也包含很多沒有學習的那些領域分支。

Machine Learning

Alan Turing是早期思考機器能否學習和創新的人之一，他曾經引用AdaLovelace的話來表達自己對于設計通用機器具備學習和創造的思考。

Machine Learning由下面這個問題而生：計算機能否從“我們讓它干什么”變成“自己學會執行一個特定的任務”？

面向工程的方向——engineering-oriented
解決實際問題——real world complex problems

Representational Learning

上例子是手工設計的，但是我們能夠搜索不同的可能的坐標變換，利用正確分類點的比例去調整。

機器學習中的“學習”其實描述了一種對更好的表示的自動搜索過程。

所有機器學習算法包含自動發現變換的過程：可以是坐標變換，線性投影，平移變換，非線性變化等等。

機器學習算法在這方面并無“創造力”，僅僅是搜索操作的預設集合——假設空間。

Deep Learning

Deep Learning是一種學習表示的方式，能夠連續型地獲取更加有意義的表示。

其中的Deep表示的是整個模型的深度——加深神經網絡的層次。

目前數十層到數百層的表示甚至更多，算法自動學習這些表示。

對應的淺層的結構常常稱為“Shallow Learning”。

深度學習不是真實大腦的模型。

其中常用的神經網絡的術語來自于神經生物學，主要是最初的發展受到這方面的啟發。

深度學習其實是學習表示的數學框架。

連接主義學派發展

總結

以上是生活随笔為你收集整理的PaddlePaddle训练营——公开课——AI核心技术掌握——第1章迈入现代人工智能的大门——深度学习简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。