Google|人工智能vs機器學習vs深度學習( 二 ) 谷歌pixel

深度學習
2017 年 10 月， Google Brain 負責人 Jeff Dean 在伯克利的 VB 峰會上表示——

如果你有 10 個樣本，那么深度學習將很難工作。但是，如果您有 100000 條記錄或您關心的任何內容，那么您可以期望深度學習技術發揮作用。

今天，基于深度學習開發的圖像識別系統比人類更好——從識別貓到識別 MRI 掃描中的血癌和腫瘤指標。
谷歌 AlphaGo在圍棋游戲（比國際象棋復雜得多）上進行了訓練，它通過一遍又一遍地與自己對戰來推進其神經網絡。 2016 年 3 月，它成為第一個擊敗職業人類圍棋選手的計算機程序。
可視化 AI ML 和 DL思考 AI、ML 和 DL 關系的最簡單方法是將它們可視化為同心圓，其中首先是人工智能，然后是機器學習，最后是推動當前 AI爆炸的深度學習。
從蕭條到繁榮自1956年以來，人工智能一直是人類想象力的一部分，并在研究實驗室中醞釀。自 2012 年以來的 7 年中，我們在文本低估、信號處理、語音和圖像等眾多關鍵 AI 問題上取得了比過去 25 年更多的進步認可。
過去幾年 AI 爆炸式增長的主要原因是 GPU 的廣泛可用性，這使得并行處理速度更快、成本更低。它還與幾乎無限的存儲和整個大數據運動有關——文本、圖像、交易，應有盡有。
如今，所有科技巨頭都在大力投資人工智能項目，每天有數十億人通過網絡搜索引擎、社交媒體和電子商務平臺與人工智能軟件進行交互。我們與之互動最多的人工智能類型之一是機器學習。到 2025年，全球人工智能市場的收入將超過 59 萬億美元。
人工智能是未來，這要歸功于深度學習深度學習通過以使所有類型的機器輔助似乎成為可能的方式分解任務，實現了機器學習的幾個實際應用。更好的產品推薦和故事建議、更好的預防保健、無人駕駛汽車—今天，所有這些事情都是可能的。在深度學習的幫助下，人工智能甚至可能達到人類長期以來想象的那種科幻狀態。