深度学习|人工智能vs机器学习vs深度学习( 二 )

深度学习
2017 年 10 月， Google Brain 负责人 Jeff Dean 在伯克利的 VB 峰会上表示——

如果你有 10 个样本，那么深度学习将很难工作。但是，如果您有 100000 条记录或您关心的任何内容，那么您可以期望深度学习技术发挥作用。

今天，基于深度学习开发的图像识别系统比人类更好——从识别猫到识别 MRI 扫描中的血癌和肿瘤指标。
谷歌 AlphaGo在围棋游戏（比国际象棋复杂得多）上进行了训练，它通过一遍又一遍地与自己对战来推进其神经网络。 2016 年 3 月，它成为第一个击败职业人类围棋选手的计算机程序。
可视化 AI ML 和 DL思考 AI、ML 和 DL 关系的最简单方法是将它们可视化为同心圆，其中首先是人工智能，然后是机器学习，最后是推动当前 AI爆炸的深度学习。
从萧条到繁荣自1956年以来，人工智能一直是人类想象力的一部分，并在研究实验室中酝酿。自 2012 年以来的 7 年中，我们在文本低估、信号处理、语音和图像等众多关键 AI 问题上取得了比过去 25 年更多的进步认可。
过去几年 AI 爆炸式增长的主要原因是 GPU 的广泛可用性，这使得并行处理速度更快、成本更低。它还与几乎无限的存储和整个大数据运动有关——文本、图像、交易，应有尽有。
如今，所有科技巨头都在大力投资人工智能项目，每天有数十亿人通过网络搜索引擎、社交媒体和电子商务平台与人工智能软件进行交互。我们与之互动最多的人工智能类型之一是机器学习。到 2025年，全球人工智能市场的收入将超过 59 万亿美元。
人工智能是未来，这要归功于深度学习【深度学习|人工智能vs机器学习vs深度学习】深度学习通过以使所有类型的机器辅助似乎成为可能的方式分解任务，实现了机器学习的几个实际应用。更好的产品推荐和故事建议、更好的预防保健、无人驾驶汽车—今天，所有这些事情都是可能的。在深度学习的帮助下，人工智能甚至可能达到人类长期以来想象的那种科幻状态。