第4章 深度学习典型结构

4.1 人工智能、机器学习、神经网络和深度学习的关系

人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。其缘于1956年8月美国东北部小镇汉诺威达特茅斯学院的人工智能夏季研讨会，会议第一次提出人工智能的概念及其需要研究的七个领域：（1）自动计算机；（2）编程语言；（3）神经网络；（4）计算规模的理论；（5）自我学习；（6）抽象能力；（7）顿悟与创新。人工智能是属于计算机学科的前沿发展技术，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），近三十年来获得了迅速的发展，在很多学科领域得到了广泛应用，并取得了丰硕的成果，人工智能已逐步发展成为一个独立的学科。人工智能的发展历程如图4-1所示。

图4-1 人工智能的发展历程

人工智能的发展由最初的简单的逻辑判断，发展到目前的智慧城市、智能智造、智慧医疗等，未来将进一步发展成为自我意识、自我思考、自我逻辑、自我判断、自我创造的人工智能，人工智能的发展路径如图4-2所示。

图4-2 人工智能的发展路径

机器学习（Machine Learning，ML）是一门多领域交叉学科，也是一门关于人工智能的科学。它是人工智能的核心，是使计算机具有智能的根本途径。机器学习以计算机系统为基础，研究模拟或实现人的行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能，其应用遍及人工智能的各个领域。机器学习是人工智能最重要的内容，这种学习后的逻辑可以用来处理新的数据，和人类的学习过程有些类似，如图4-3所示。

图4-3 机器学习过程

人工神经网络（Artificial Neural Network，ANN）简称神经网络（NN）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。典型的神经网络分类如图4-4所示。

图4-4 典型神经网络分类

深度学习的概念源于人工神经网络的研究，优点是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。它是机器学习研究中的一个新的领域，动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。

人工智能、机器学习、神经网络和深度学习的关系如图4-5所示。

图4-5 人工智能、机器学习、神经网络和深度学习的关系