<如何区分 人工智能、机器学习、深度学习 >

在这里我们简单介绍一下定义什么是人工智能、深度学习、以及机器学习。

为了方便初学者理解都用比较易懂的方式做描述。

在这之前，我们必须要先了解程式(Program)是什么？

程式的组成其实简单来说就是

程式 = 指令 + 数据用中文来解释的话就好比动词(V.)+名词(N.)用一句话来解释就好比 "做家事"做就是指令，家事可能有很多种。所以做家事这句话就可以当做是一个简单的小程式。指令的功能就是在处理数据用的。数据可能有数字、字串、资料的基本型态等等...指令 =>> 处理数据

人工智能(Artificial Intelligence，AI):

人工智能名词概括图

我们先从範围最大的人工智能开始说起

流程大致上分为三个阶段
1. 数据进入到程式里面。
2. 程式本身必须具备学习能力筛选自己需要的条件。
3. 最后得到结果，结果不一定是正确的。

程式透过学习习得一项技能 = 人工智能
程式透过学习失败一项技能 = 人工智障

弱人工智能 =>>>> 只能完成(执行)"单一"的任务。弱与人类对比。
EX:目前大家所接触到的所走人工智能产品(扫地机器人/Alpha Go)
强人工智能 =>>>> 能完成(执行)"多项"的任务。
EX:和人类一样，凡是你能做的事情，他都能做。多功能的概念。

类神经网路(Artificial Neural Network，ANN):
在解释深度学习与机器学习之前，我想我必须先解释什么是类神经网路。
各位读者不用把他想得太难，其实他的概念很容易理解。
顾名思义就是模拟人类的神经网路系统。
相信大家初中生物都有学过神经

一个神经元有树突及轴突。
简单的说，树突就是传入讯号。轴突就是传出讯号。
于是就变成下图这样

上图就是一个类神经网路系统

深度学习(Deep Learning):

深度学习的概念源于人工神经网路的研究。含多隐层的多层感知器就是一种深度学习结构。
至于一般来说感知器要达3层以上，才能算是深度学习。
未达3层都算是类神经网路。
只是这是比较严谨的说法。

感知器越深 = 越多层 = 越聪明

机器学习(Machine Learning):

机器学习是实现人工智慧的一个途径

顾名思义，机器透过模型(Module)去学习

---

对于机器学习、深度学习有兴趣的读者们，可以去这个网站玩看看。
https://playground.tensorflow.org
未来会在补充关于机器学习、深度学习的相关笔记。

---

附注:如果对于上述的概念还不清楚，未来可能会在补充说明。__20190809