人工智能(Artificial Intelligence)是最早提出的一個專有名詞,早在50多年前就有幾個計算機科學家提出了人工智能的概念,希望可以制造出可以和人類擁有類似智慧的機器.幾十年來這個概念被不斷的擴散至各行各業(yè).當然也就帶來了各種濫用,一些帶了些許自動化算法的軟件也被稱為人工智能.而通常人們心中的人工智能是美國大片終結(jié)者里面的存在.或者至少是鋼鐵俠盔甲級別的存在才叫人工智能.而目前業(yè)界的真實的人工智能還處于早期人工智能階段,或者叫做弱人工智能,終結(jié)者這樣的機器人應該才算強人工智能.不過目前離這個目標還有些遙遠.人工智能往往結(jié)合著制造業(yè),因此說人工智能的時候往往會說機器人.筆者目前在西湖大學的實驗中心就是西湖大學人工智能與機器人中心.將人工智能結(jié)合機械臂,仿生機器人,納米機器人甚至是無人機等均屬于人工智能與制造業(yè)結(jié)合的產(chǎn)物.

        機器學習(Machine Learning)是實現(xiàn)人工智能的一種手段.也是目前被認為比較有效的實現(xiàn)人工智能的手段.目前在業(yè)界使用機器學習比較突出的領(lǐng)域很多,例如計算機視覺,自然語言處理,推薦系統(tǒng),文本分類等,大家生活中經(jīng)常用到的比如高速上ETC的車牌識別,蘋果手機上的Siri,看今日頭條時給你推薦的新聞,再比如大家用天貓買東西看評論的時候的評價描述

可以看到通過機器學習的算法,在8W多條評價中篩選出關(guān)鍵詞,紅色的是正面的評價,綠色的是反面的評價,這些都是通過語義分析算法歸類得出的.機器學習本質(zhì)上是通過數(shù)學算法來解析數(shù)據(jù)的規(guī)律,學習相關(guān)的規(guī)律并且用來預測和決策.機器學習主要分為監(jiān)督學習,無監(jiān)督學習和半監(jiān)督學習三種.從算法上來說有貝葉斯分類,決策樹,線性回歸,決策樹和隨機森林,主成分分析,流行學習,k-means聚類,高斯混合模型等等.

        深度學習(Deep Learning)是一種機器學習的技術(shù),由于深度學習在現(xiàn)代機器學習中的比重和價值非常巨大,因此常常將深度學習單獨拿出來說.最初的深度學習網(wǎng)絡(luò)是利用神經(jīng)網(wǎng)絡(luò)來解決特征層分布的一種學習過程.通常我們了解的DNN(深度神經(jīng)網(wǎng)絡(luò)),CNN(卷積神經(jīng)網(wǎng)絡(luò)),RNN(循環(huán)神經(jīng)網(wǎng)絡(luò)),LSTM(長短期記憶網(wǎng)絡(luò))都是隸屬于深度學習的范疇.也是現(xiàn)代機器學習最常用的一些手段.通過這些手段,深度學習在視覺識別,語音識別,自然語言處理(NLP)等領(lǐng)域取得了使用傳統(tǒng)機器學習算法所無法取得的成就.

        強化學習(Reinforcement Learning),又稱再勵學習或者評價學習.也是機器學習的技術(shù)之一.所謂強化學習就是智能系統(tǒng)從環(huán)境到行為映射的學習，以使獎勵信號(強化信號)函數(shù)值最大,由于外部給出的信息很少,強化學習系統(tǒng)必須依靠自身的經(jīng)歷進行自我學習.通過這種學習獲取知識,改進行動方案以適應環(huán)境.強化學習最關(guān)鍵的三個因素是狀態(tài),行為和環(huán)境獎勵.關(guān)于強化學習和深度學習的實例,最典型的莫過于谷歌的AlphaGo和AlphaZero兩位了,前者通過深度學習中的深度卷積神經(jīng)網(wǎng)絡(luò),在訓練了大約三千萬組人類的下棋數(shù)據(jù),無數(shù)度電的情況下才搞出來的模型,而后者使用強化學習的方式,通過自己和自己下棋的方式搞出來的模型.而最終的實驗結(jié)果也很讓人震撼.AlphaGo干敗了人類圍棋頂尖高手,而AlphaZero干敗了AlphaGo.