深度学习跟人工智能啥区别？

首先概念不同

人工智能是一个最广泛的概念，人工智能的目的就是让计算机这台机器能够象人一样思考，而机器学习(Machine Learning)是人工智能的分支，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，使之不断改善自身的性能。

深度学习是一种机器学习的方法，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层（神经网络）对数据进行高层抽象的算法。

其次呢

机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

最后就是，机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。我们就用最简单的方法——同心圆，可视化地展现出它们三者的关系。

综上所述，深度学习源于人工智能、高于人工智能，将是人工智能未来的实现方式，同时大家可以关注一下中公教育最近联合中科院专家新推出的深度学习课程，8大模块、6大项目支持。

要评判深度学习是否发生,应该从

人工智能的三大学派分别是：符号主义学派、连接主义学派和行为主义学派。

1、符号主义学派。

符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。

2、连接主义学派。

连接主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，基本思想是，既然生物智能是由神经网络产生的，那就通过人工方式构造神经网络，再训练人工神经网络产生智能。

3、行为主义学派。

行为主义，又称进化主义或控制论学派，是一种基于“感知——行动”的行为智能模拟方法，思想来源是进化论和控制论。其原理为控制论以及感知——动作型控制系统。

该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。

要评判深度学习是否发生,应该从如下：

要评判深度学习是否发生，可以从以下几个方面进行考虑：

模型复杂度：深度学习通常涉及复杂的神经网络结构，模型复杂度越高，说明深度学习的应用越广泛。因此，判断深度学习是否发生，需要考虑模型是否具备较高的复杂度。

数据规模：深度学习需要大量的数据进行训练，数据规模越大，越有利于模型的学习和泛化能力。因此，判断深度学习是否发生，需要考虑是否使用了大规模的数据集。

模型效果：深度学习的目标是提高模型的准确性和泛化能力，因此，判断深度学习是否发生，需要考虑模型是否达到了预期的效果。如果模型在测试集上表现良好，说明深度学习可能已经发生。

计算资源：深度学习需要大量的计算资源进行训练和推理，因此，判断深度学习是否发生，需要考虑是否使用了高性能计算机和大量的计算资源。

技术成熟度：深度学习技术已经逐渐成熟，应用领域越来越广泛。因此，判断深度学习是否发生，需要考虑技术的应用成熟度。如果技术已经得到了广泛应用，说明深度学习可能已经发生。

综上所述，要评判深度学习是否发生，可以从模型复杂度、数据规模、模型效果、计算资源和技术成熟度等多个方面进行考虑。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com