简析机器学习和深度学习之间的区别

[[379353]]

随着人工智能浪潮席卷现代社会，不少人对于机器学习、深度学习、计算机视觉、自然语言处理等名词已经耳熟能详。可以预见的是，在未来的几年里，无论是在业界还是学界，拥有深度学习和机器学习能力的企业都将扮演重要角色。

　　假设你对人工智能领域的基础知识比较感兴趣，你就会发现很多人工智能技术中常见的两个概念：机器学习和深度学习。如何理解两者间的区别非常重要，本文将对此做简要的解析。

　　深度学习：一种实现机器学习的技术

　　所谓深度学习，简单来说是机器学习的一个子集，用于建立、模拟人脑进行数据处理和分析学习的神经网络，因此也可以被称作是深度神经网络。其基本特点是模仿大脑的神经元之间传递和处理信息的模式。

　　深度学习的优势在于：

　　l 不需要手动设计特征，其自动学习的功能对于当前的任务来说最佳；

　　l 任务自动获得对抗数据自然变化的鲁棒性；

　　l 很强的泛化性，相同的深度学习方法可以用于不同的应用程序和不同的数据类型；

　　l 使用多GPU可以执行巨大的并行计算。当数据量很大时，会产生更好的输出结果；

　　l 其体系结构有可扩展性，具备适应新问题的潜能。

　　机器学习：一种实现人工智能的方法

　　所谓机器学习，通俗来说是一种实现人工智能的方法，它赋予系统从经验中自动学习和发展的能力。与传统的为解决特定任务、硬编码的软件程序不同，研究人员会用大量的数据和各种算法来“训练”机器，让机器学习如何执行并完成任务。

　　机器学习的优势在于：

　　l 解决垃圾邮件检测的问题；

　　l 在制造领域优化设备功能，改善生产效率；

　　l 简化营销手段，协助预测销售量；

　　l 提升预测性维护功能；

　　l 提高安全性和网络性能

　　未来的可能性

　　许多企业利用机器学习和深度学习从大量数据中获取洞见，实现智能自动化、商业智能、优化运营，达成最小化问题和最大化利润。通常来说，深度学习从大量的非结构化数据（文本、视频、图像、传感器数据）中获取知识，用于解决更复杂的任务。它驱动了计算机视觉、语音解读、自然语言处理等领域机器学习方法的发展。如果您的组织正持续不断地生成海量数据流，那么使用深度学习就非常值得考虑。

　　迄今而至，深度学习和机器学习都已经发展了一段时间。为了创造更多的收入，不少行业开始采用深度学习和机器学习算法，同时培训员工学习这种能力，为企业做出贡献。很多公司正在推出创新的深度学习技术，以解决复杂的挑战。未来，人工智能的边界仍将随着人类想象力和技术的延展迎来更多的可能。

　　原文：UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING，

　　by Monomita Chakraborty

【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】