【51CTO.com快譯】　　

[[379353]]

隨著人工智能浪潮席卷現代社會，不少人對于機器學習、深度學習、計算機視覺、自然語言處理等名詞已經耳熟能詳。可以預見的是，在未來的幾年里，無論是在業界還是學界，擁有深度學習和機器學習能力的企業都將扮演重要角色。

　　假設你對人工智能領域的基礎知識比較感興趣，你就會發現很多人工智能技術中常見的兩個概念：機器學習和深度學習。如何理解兩者間的區別非常重要，本文將對此做簡要的解析。

　　深度學習：一種實現機器學習的技術

　　所謂深度學習，簡單來說是機器學習的一個子集，用于建立、模擬人腦進行數據處理和分析學習的神經網絡，因此也可以被稱作是深度神經網絡。其基本特點是模仿大腦的神經元之間傳遞和處理信息的模式。

　　深度學習的優勢在于：

　　l 不需要手動設計特征，其自動學習的功能對于當前的任務來說最佳；

　　l 任務自動獲得對抗數據自然變化的魯棒性；

　　l 很強的泛化性，相同的深度學習方法可以用于不同的應用程序和不同的數據類型；

　　l 使用多GPU可以執行巨大的并行計算。當數據量很大時，會產生更好的輸出結果；

　　l 其體系結構有可擴展性，具備適應新問題的潛能。

　　機器學習：一種實現人工智能的方法

　　所謂機器學習，通俗來說是一種實現人工智能的方法，它賦予系統從經驗中自動學習和發展的能力。與傳統的為解決特定任務、硬編碼的軟件程序不同，研究人員會用大量的數據和各種算法來“訓練”機器，讓機器學習如何執行并完成任務。

　　機器學習的優勢在于：

　　l 解決垃圾郵件檢測的問題；

　　l 在制造領域優化設備功能，改善生產效率；

　　l 簡化營銷手段，協助預測銷售量；

　　l 提升預測性維護功能；

　　l 提高安全性和網絡性能

　　未來的可能性

　　許多企業利用機器學習和深度學習從大量數據中獲取洞見，實現智能自動化、商業智能、優化運營，達成最小化問題和最大化利潤。通常來說，深度學習從大量的非結構化數據（文本、視頻、圖像、傳感器數據）中獲取知識，用于解決更復雜的任務。它驅動了計算機視覺、語音解讀、自然語言處理等領域機器學習方法的發展。如果您的組織正持續不斷地生成海量數據流，那么使用深度學習就非常值得考慮。

　　迄今而至，深度學習和機器學習都已經發展了一段時間。為了創造更多的收入，不少行業開始采用深度學習和機器學習算法，同時培訓員工學習這種能力，為企業做出貢獻。很多公司正在推出創新的深度學習技術，以解決復雜的挑戰。未來，人工智能的邊界仍將隨著人類想象力和技術的延展迎來更多的可能。

　　原文：UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING，

　　by Monomita Chakraborty

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】