要說當(dāng)下科技圈最炙手可熱的詞匯，一定非“人工智能”莫屬。都說中關(guān)村的咖啡館是科技圈的晴雨表，想知道現(xiàn)在什么技術(shù)最流行，只需要去聽聽喝咖啡的創(chuàng)業(yè)者都在討論什么。不過，人工智能畢竟是當(dāng)下的前沿科技，一般人還真不一定都能聽懂。而且，創(chuàng)業(yè)者們?cè)谟懻摗叭斯ぶ悄堋睍r(shí)，往往還會(huì)帶上“機(jī)器學(xué)習(xí)”和“深度學(xué)習(xí)”。

所以“人工智能”到底是什么？“機(jī)器學(xué)習(xí)”又是什么鬼，“深度學(xué)習(xí)”跟前面兩者又有何關(guān)聯(lián)。為了讓你成為咖啡館中萬眾矚目的焦點(diǎn)，今天我們就來幫你掰扯清楚它們之間的關(guān)系。

Artificial Intelligence：人工智能；Machine Learning：機(jī)器學(xué)習(xí)；Deep Learning：深度學(xué)習(xí)

概括地說，AI 目前主要用于描述一些可以進(jìn)行智能化行為的設(shè)備或機(jī)器，機(jī)器學(xué)習(xí)是它的子集，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集。如上圖所示，最外層的是人工智能，中間層是機(jī)器學(xué)習(xí)，最里層則是深度學(xué)習(xí)。換句話說，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)屬于人工智能范疇，但人工智能不一定是機(jī)器學(xué)習(xí)或深度學(xué)習(xí)。

先說“人工智能”，也就是 AI。“人工智能”一詞最早由認(rèn)知科學(xué)家約翰·麥卡錫在研究中提出，他寫到，“這項(xiàng)研究基于一種推測，即任何學(xué)習(xí)行為或其它智力特征，在原則上都可以被精確地描述，從而可以制造出一臺(tái)機(jī)器來模擬它。”這種描述在今天仍然適用。

從廣義上講，“人工智能”描述一種機(jī)器與周圍世界交互的各種方式。通過軟件和硬件的結(jié)合——一臺(tái)“人工智能”設(shè)備可以模仿人類的行為或像人一樣執(zhí)行任務(wù)。

從根源上看，配備人工智能的機(jī)器會(huì)模仿人類的思維過程，比如分辨蘋果和橙子的能力。

舉個(gè)例子，假如你手機(jī)里存了你女朋友和你媽的照片，你想把它們區(qū)分開，這時(shí)就可以把任務(wù)交給“人工智能”，在分辨人臉這類應(yīng)用中，“人工智能”能比人更高效地執(zhí)行任務(wù)。正因?yàn)榇耍叭斯ぶ悄堋蹦壳耙脖粦?yīng)用到了許多其他領(lǐng)域，從計(jì)算機(jī)視覺和自然語言處理，到各種終端，如智能手機(jī)和汽車上的惡意軟件偵測。

那么一臺(tái)智能手機(jī)是如何做到能區(qū)分人臉的呢？它用了什么方法？

這就涉及到了“機(jī)器學(xué)習(xí)”。簡單說，“機(jī)器學(xué)習(xí)”是實(shí)現(xiàn)人工智能的一種途徑，“機(jī)器學(xué)習(xí)”的基本做法是通過復(fù)雜的算法來分析大量的數(shù)據(jù)，識(shí)別數(shù)據(jù)中的模式，并據(jù)此做出預(yù)測。這就像人類學(xué)習(xí)的過程——我們?cè)趯W(xué)校學(xué)到知識(shí)，然后在生活中應(yīng)用。只不過這一過程的主體，是機(jī)器。

通過機(jī)器學(xué)習(xí)，一個(gè)系統(tǒng)可以從自身的錯(cuò)誤中學(xué)習(xí)來提高它的模式識(shí)別能力。

前面提到，機(jī)器學(xué)習(xí)需要用到各種復(fù)雜的算法，“深度學(xué)習(xí)”就是其中的一種。

“深度學(xué)習(xí)”作為近十年來人工智能領(lǐng)域取得的重大突破，推動(dòng)了計(jì)算機(jī)智能取得長足進(jìn)步。它用大量的數(shù)據(jù)和計(jì)算能力來模擬深度神經(jīng)網(wǎng)絡(luò)。從本質(zhì)上說，這些網(wǎng)絡(luò)模仿人類大腦的連通性，對(duì)數(shù)據(jù)集進(jìn)行分類，并發(fā)現(xiàn)它們之間的相關(guān)性。

通過深度學(xué)習(xí)，機(jī)器可以處理大量數(shù)據(jù)，識(shí)別復(fù)雜的模式，并提出深入的見解。

還是以識(shí)別女朋友和老媽為例，深度學(xué)習(xí)的工作就是自動(dòng)分析圖像中人物的年齡、表情、姿態(tài)等信息，這過程中不需要人的參與，而傳統(tǒng)的機(jī)器學(xué)習(xí)算法，往往需要人工調(diào)整參數(shù)，因此參數(shù)的數(shù)量十分有限，而“深度學(xué)習(xí)”可以從大數(shù)據(jù)中自動(dòng)獲得成千上萬的參數(shù)。

得益于現(xiàn)代終端設(shè)備對(duì)大量數(shù)據(jù)的掌握，以及在算法和處理能力方面的提升，人工智能成為了快速增長的普遍趨勢(shì)。不過，這也對(duì)終端側(cè)的計(jì)算能力提出了挑戰(zhàn)。十多年來，Qualcomm 一直專注于在移動(dòng)終端的功耗、散熱和尺寸限制之內(nèi)，高效地處理多種計(jì)算工作負(fù)載。通過在適宜的計(jì)算引擎上運(yùn)行各種機(jī)器學(xué)習(xí)任務(wù)（如 CPU、GPU 和 DSP 等），我們能提供最高效的解決方案。

目前，Qualcomm 人工智能平臺(tái)可通過高效的終端側(cè)機(jī)器學(xué)習(xí)，提供高度響應(yīng)、高度安全且直觀的用戶體驗(yàn)。并且在未來還有更多可能。