boost学习笔记 人工智能、机器学习、深度学习的关系是什么？
人工智能、机器学习、深度学习的关系是什么？
人工智能、机器学习、深度学习和监督学习的联系和区别，以及它们的应用场景？让 下面从概念、区别与联系、应用场景三个方面来详细分析。
一.概念
1.人工智能
人工智能简称AI。人工智能是计算机科学的一个分支，它试图理解智能的本质，并产生一种新的智能机器，能够以类似于人类智能的做出反应。它是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新的技术科学。
人工智能目前分为弱人工智能和强人工智能、超级人工智能。
1)弱人工智能(Weak artificial intelligence):弱人工智能(ANI)，只专注于一项特定的任务，如语音识别、图像识别、翻译等，擅长人工智能的某一方面。它们只是用来解决具体的任务问题，大部分是统计数据，从中可以总结出模型。弱人工智能仍然属于 "工具 "因为它处理的问题相对单一，发展水平还没有达到模拟人脑思维的水平，与传统的 "产品和服务。
2)强人工智能:强人工智能(AGI)属于人类级别的人工智能，各方面都可以和人类相提并论。它可以思考、计划、解决问题、抽象思考、理解复杂的想法、快速学习和借鉴经验，和人类一样得心应手。
3)超级人工智能:人工超级智能/ASI几乎在所有领域都比最聪明的人脑聪明得多，包括科学创新、通用知识和社交技能。在超级人工智能阶段，人工智能已经跨越了 "奇点 "，其计算和思维能力远超超人大脑。这个时候，人工智能已经超出了人类的理解和想象。人工智能将打破人脑的维度限制，其观察和思考的内容不再能被人脑理解，人工智能将形成一个新的社会。
目前我们还处于人工智能弱的阶段。
2.机器学习
Machin
人工智能的发展前景？
人工智能发展趋势？要真正理解这个问题，首先要明白支撑人工智能发展的核心技术是什么。答案很简单。
第一是算法，第二是算力，第三是数据，第四是网络。很容易弄清楚这些主要制约因素的发展状况和趋势。
算法方面，以深度学习为代表的机器学习近年来有了实质性的突破，新算法据说用之不竭，未来可期！
在计算能力方面，随着gpu和云存储技术的快速发展，Moore 美国的法律已经被打破，道路是光明的。
网络方面，5g未来的必然趋势越来越清晰，没有太大问题。
那真的没问题吗？叶飞
问题出现在名为人工智能滋养的数据上。问题出在哪里？
目前数据收集没有问题。
问题在于数据预处理、数据质量、数据一致性、处理时间，尤其是与工业机理密切相关的数据预处理。为什么，既懂行业又懂数据科学的人太少，积累的机制和经验太少，这是人工智能发展的最大瓶颈！！！！
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
