1.3 人工智能、机器学习、神经网络及深度学习之间的关系

新闻媒体在报道AlphaGo的时候，可能将人工智能、机器学习、神经网络和深度学习这几个词都用到过。对于初学者来说，难免容易混淆。

1.人工智能

人工智能——我们先说说人工智能，人工智能是这几个词中最早出现的。1956年，在美国达特茅斯会议（Dartmouth Conference）上被提出。人工智能其实是一种抽象的概念，并不是指任何实际的算法。人工智能可以对人的意识和思维进行模拟，但又不是人的智能。有时候我们还会把人工智能分为弱人工智能（Weak AI）和强人工智能（Strong AI）。

弱人工智能是擅长于单个方面技能的人工智能。例如，AlphaGo能战胜了众多世界围棋冠军，在围棋领域所向披靡，但它只会下围棋，做不了其他事情。目前人工智能相关的技术，如图像识别、语言识别和自然语言处理等，基本都是处于弱人工智能阶段。

强人工智能指的是在各方面都能和人类智能差不多的人工智能，人类能干的脑力劳动它都能干。创造强人工智能比创造弱人工智能难度要大很多，我们现阶段还做不到，只有在一些科幻电影中才能看到。著名的教育心理学教授Linda Gottfredson把智能定义为：“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该跟人类一样得心应手。

2.机器学习

机器学习——机器学习是最近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近学、凸分析和计算复杂性理论等多门学科。关于机器学习，上一小节我们已经做了一些讨论说明，我们可以发现机器学习包含很多具体的算法。既然人工智能是飘在天上的概念，那我们就需要一些具体的算法使得人工智能可以落地应用，而一般来说，这些具体的智能算法可以统称为机器学习算法。

3.神经网络

神经网络——神经网络是众多机器学习算法中的其中一个，是模仿人类大脑神经结构构建出来的一种算法，构建出来的网络称为人工神经网络（Artificial Neural Networks, ANN）。神经网络算法在机器学习中并不算特别出色，所以一开始的时候并没有引起人们的特别关注。神经网络的发展已经经历了3次发展浪潮：20世纪40年代到20世纪60年代，神经网络的雏形出现在控制论（Cybernetics）中；20世纪80年代到20世纪90年代，表现为连接主义（Connectionism）。直到2006年，神经网络重新命名为深度学习，再次兴起。

4.深度学习

深度学习——深度学习的基础其实就是神经网络，之所以后来换了一种叫法，主要是由于之前的神经网络算法中网络的层数不能太深，也就是不能有太多层网络，网络层数过多会使网络无法训练。随着神经网络理论的发展，科学家研究出了多种方式使得训练深层的网络也成为可能，深度学习由此诞生，如卷积神经网络（Convolutional Neural Network, CNN）、长短时记忆网络（Long Short Term Memory Network, LSTM）和深度残差网络（Deep Residual Network）等都属于深度学习，其中深度残差网络的深度可以到达1000层，甚至更多。深层的网络有助于挖掘数据中深层的特征，可以使网络拥有更强大的性能。

如图1.14所示，描绘了人工智能、机器学习、神经网络和深度学习之间的关系。

图1.14 人工智能、机器学习、神经网络和深度学习之间的关系