人工智能、机器学习和深度学习之间到底有什么关系？

岳鸿

• 人工智能是计算机学科的一个分支，一个技术领域和方向的统称。
  
• 机器学习是人工智能的一个子领域，从过去的数据样本中获得知识的过程，并利用这些知识来做出未来的预测，它可以作为一种数据挖掘技术使用。
  
• 深度学习是机器学习的一个子领域，它是一种具有更多功能的机器学习技术，因为它试图模仿人脑中的神经元，它是一种将现象学习为概念的嵌套层次结构，每个概念都与更简单的概念有关，例如，卷积神经网络。
  

看到这里，应该很清楚的区分数据挖掘和后两者之间的区别，下面再详细的从特征工程、方法等方面解释一下机器学习和深度学习的区别。
特征工程

这是一个利用领域知识提取数据的重要特征，然后将其输入学习算法的过程。这个过程确保数据中的模式对学习算法更加明显。
在机器学习中，大多数应用的特征需要由专家来识别。这个过程需要大量的时间和精力。
在深度学习中，算法会自行提取特征。
解决问题的方法

当使用传统的机器学习算法解决问题时，建议将问题分解成更小的部分，解决它们，然后将它们的输出结合起来，得到最终结果。
而深度学习则建议从头到尾，端到端的解决这个问题。
例如，假设有一个动物识别问题，一张图片可能有多种动物。
机器学习首先会识别图像中可能存在的物体，然后分别预测或识别它们中的每一个。
而深度学习会输入完整的图像并一次性输出物体的位置和名称。
数据

与传统的机器学习算法相比，深度学习算法通常需要更多的数据才能给出较好的表现。
硬件

与传统的机器学习相比，深度学习是计算密集型的（因为有更多的矩阵乘法），因此对硬件和计算性能有更高的要求。
训练时间

基于前两点，深度学习在数据量、计算量都要比传统机器学习大很多，因此，深度学习在训练模型方面也会耗费更多时间。