人工智能、机器学习、深度学习有何区别？

要说当下科技圈最炙手可热的词汇，一定非"人工智能"莫属。都说中关村的咖啡馆是科技圈的晴雨表，想知道现在什么技术最流行，只需要去听听喝咖啡的创业者都在讨论什么。不过，人工智能毕竟是当下的前沿科技，一般人还真不一定都能听懂。而且，创业者们在讨论"人工智能"时，往往还会带上"机器学习"和"深度学习"。

所以"人工智能"到底是什么？"机器学习"又是什么鬼，"深度学习"跟前面两者又有何关联。为了让你成为咖啡馆中万众瞩目的焦点，今天我们就来帮你掰扯清楚它们之间的关系。

Artificial Intelligence：人工智能；Machine Learning：机器学习；Deep Learning：深度学习

概括地说，AI 目前主要用于描述一些可以进行智能化行为的设备或机器，机器学习是它的子集，而深度学习是机器学习的一个子集。如上图所示，最外层的是人工智能，中间层是机器学习，最里层则是深度学习。换句话说，机器学习和深度学习属于人工智能范畴，但人工智能不一定是机器学习或深度学习。

先说"人工智能"，也就是 AI。"人工智能"一词最早由认知科学家约翰·麦卡锡在研究中提出，他写到，"这项研究基于一种推测，即任何学习行为或其它智力特征，在原则上都可以被精确地描述，从而可以制造出一台机器来模拟它。"这种描述在今天仍然适用。

从广义上讲，"人工智能"描述一种机器与周围世界交互的各种方式。通过软件和硬件的结合——一台"人工智能"设备可以模仿人类的行为或像人一样执行任务。

从根源上看，配备人工智能的机器会模仿人类的思维过程，比如分辨苹果和橙子的能力。

举个例子，假如你手机里存了你女朋友和你妈的照片，你想把它们区分开，这时就可以把任务交给"人工智能"，在分辨人脸这类应用中，"人工智能"能比人更高效地执行任务。正因为此，"人工智能"目前也被应用到了许多其他领域，从计算机视觉和自然语言处理，到各种终端，如智能手机和汽车上的恶意软件侦测。

那么一台智能手机是如何做到能区分人脸的呢？它用了什么方法？

这就涉及到了"机器学习"。简单说，"机器学习"是实现人工智能的一种途径，"机器学习"的基本做法是通过复杂的算法来分析大量的数据，识别数据中的模式，并据此做出预测。这就像人类学习的过程——我们在学校学到知识，然后在生活中应用。只不过这一过程的主体，是机器。

通过机器学习，一个系统可以从自身的错误中学习来提高它的模式识别能力。

前面提到，机器学习需要用到各种复杂的算法，"深度学习"就是其中的一种。

"深度学习"作为近十年来人工智能领域取得的重大突破，推动了计算机智能取得长足进步。它用大量的数据和计算能力来模拟深度神经网络。从本质上说，这些网络模仿人类大脑的连通性，对数据集进行分类，并发现它们之间的相关性。

通过深度学习，机器可以处理大量数据，识别复杂的模式，并提出深入的见解。

还是以识别女朋友和老妈为例，深度学习的工作就是自动分析图像中人物的年龄、表情、姿态等信息，这过程中不需要人的参与，而传统的机器学习算法，往往需要人工调整参数，因此参数的数量十分有限，而"深度学习"可以从大数据中自动获得成千上万的参数。

得益于现代终端设备对大量数据的掌握，以及在算法和处理能力方面的提升，人工智能成为了快速增长的普遍趋势。不过，这也对终端侧的计算能力提出了挑战。十多年来，Qualcomm 一直专注于在移动终端的功耗、散热和尺寸限制之内，高效地处理多种计算工作负载。通过在适宜的计算引擎上运行各种机器学习任务（如 CPU、GPU 和 DSP 等），我们能提供最高效的解决方案。

目前，Qualcomm 人工智能平台可通过高效的终端侧机器学习，提供高度响应、高度安全且直观的用户体验。并且在未来还有更多可能。