深度学习和机器学习_深度学习算法

这是一份写给非技术岗的产品经理/运营的机器学习和深度学习的简单指南，帮助我们可以听到技术人员的话～在“大热的AIGC究竟是什么”的文章中，我们聊到了人工智能以及生成式人工智能。

 

这是一份写给非技术岗的产品经理/运营的机器学习和深度学习的简单指南，帮助我们可以听到技术人员的话～

在“大热的AIGC究竟是什么”的文章中，我们聊到了人工智能以及生成式人工智能这篇文章我们想继续聊下两个经常会和“人工智能”一起被提到的概念，那就是机器学习（Machine Learning）和深度学习（Deep Learning）。

一、什么是机器学习（Machine Learning）机器学习（ML）是人工智能的一个研究领域，主要涉及开发和研究统计算法，这些算法可以从数据中学习，并泛化到未见过的数据，从而在没有明确指令的情况下执行任务。

请记一下关键字：学习机器学习到底在学什么呢？我们在之前的文章中也有提到，机器学习的本质就是要让机器找一个函数我们读书的时候都学过，y=f（x）=ax+b，其中a和b就是参数（Parameter），也就是我们要找出来的未知数。

当我们找到这两个未知数之后，我们再输入x，自然而然就能得到y是不是勾起了你读书时的回忆了？机器学习其实就在学习怎么自动把这些参数找出来，但是通常它的函数非常复杂，所以要找的参数量也非常大，可能是上万个参数，可能是数十万个参数，甚至可能更多。

那机器如何学习呢？举个例子：还是用我经常用的例子，我要做一个应用，当输入一个图片，这个应用可以分辨出图片里的是柯南还是新一那我就要找一个函数，这个函数输入是一张图片，输出要么是柯南，要么是新一这个函数显然会非常复杂，复杂到有大量的参数。

假设有上万个参数我们会告诉机器，输入第一张图，输出是柯南，输入第二张图，输出是新一……

有了这些输入输出，机器就可以把上万个参数找出来，学习把上万个参数找出来的过程，也叫做训练（Training）而帮助你把这上万个参数找出来的输入输出，叫做训练资料但当机器找到这上万个参数后，也就意味着我们找到了这个函数。

当我再输入一张新的图片，看看机器能不能回答对，这叫做测试（Testing）当尝试输入如下图片，机器会给出“新一”的输出正解！

这就是概念中所说的“泛化到未见过的数据，从而在没有明确指令的情况下执行任务”因为可能机器以前也没有见过这张图片所以，如果说人工智能是一个目标，因为每个人对于机器做到什么程度才算是“智能”可能都会有自己的理解，那机器学习就是实现这个目标的手段。

二、什么是深度学习（Deep Learning）深度学习是机器学习的一个分支，主要利用神经网络执行分类、回归和表征学习等任务该领域的灵感来源于生物神经科学，其核心是将人工神经元堆叠成层，并 “训练 ”它们处理数据。

形容词 “深度 ”指的是在网络中使用多层（从三层到数百或数千层不等）在今天机器学习的领域，有大量参数的函数往往会被表示成一个神经网络，而把这些参数解出来的技术，就叫做深度学习（Deep Learning）。

也就是如果你用神经网络来表示，你就是在做深度学习所以，如果说机器学习是实现人工智能目标的手段，那深度学习是机器学习的一种，是一种更厉害的手段而现在绝大多数生成式人工智能都是用深度学习来达成的举个例子，大家最耳熟能详的ChatGPT。

如果我们把ChatGPT想象成一个函数，它的输入是一段文字，输出是ChatGPT给你的回复如果要达到你问什么都可以得到不错的回复，那背后的参数非常之巨大我们需要准备非常非常多的输入和输出，才能找出这个函数里巨大量的参数。

这个有大量参数的函数表示成一个神经网络，在这个场景下会有一个专门的名字，叫Transformer，感兴趣的小伙伴可以自己去学习相关的内容~本文由 @AI 实践干货 原创发布于人人都是产品经理未经作者许可，禁止转载。

题图来自 Unsplash，基于CC0协议该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务