人工智能的基本观点是什么？机器学习是一门研究如何通过打算手段， 利用履历提升自身性能的学科。

1.基本观点

人工智能、机器学习与深度学习三者间的关系如图所示

什么事人工智能？

努力将常日由人类完成的智力任务自动化。

什么是机器学习定义？

是一种新的编程范式， 传统编程范式如图所示

机器学习的编程范式

机器学习的定义是：在预先定义好的可能性空间中，利用反馈旗子暗记的指引来探求输入数据的有用表示。

这个大略的想法可以办理相称多的智能任务，从语音识别到自动驾驶。

一个程序可以从履历E中学习，办理任务T, 达到性能度量值P, 当且仅当有了履历E过后，经由P评判，程序在处理T时性能有所提升。
(Tom Mitchell, 1998)

机器学习可以分成两部分：根据是否有标签

监督式学习： 知道利用法则可以在输入与输出之间输出数据。

非监督式学习： 当不知道结果的时候

监督式学习算法可以分成

回归问题

分类问题

非监督式学习算法

聚类

什么是深度学习？

对深度的定义

从数据中学习表示的一种数学框架，强调从连续的层中进行学习，这些层对应于越来越故意义的表示。

“深度学习”中的“深度”指一系列连续的表示层，数据模型中包含多少层，这被称为模型的深度(depth)。

如图是一个数字分类的深度学习网络框架

深度学习： 学习数据表示的多级方法。

深度学习从数据中进行学习时有两个基本特色：

第一， 通过渐进的、逐层的办法进行越来越繁芜的表示；

第二，对中间这些渐进的表示共同进行学习，每一层的变革都须要同时考虑高下两层的须要。

强化学习：

通过不断的试错进行学习

人工智能的发展进程又是若何的呢？

20世纪五十年代中后期，“连接主义”

20世纪五十年代至七十年代，人工智能研究处于推理期，范例代表，逻辑理论家，通用问题求解

20世纪七十年代中期，人工智能进入知识期

与此同时，基于逻辑的“符号主义”

机器学习研究划分为

从样例中学习

在问题求解和方案中学习

通过不雅观察和创造学习

从指令中学习

20世纪80年代以来，被研究最广的为从样例中学习，涵盖了监督学习与无监督学习等。

20世纪90年代中期，统计学习，代表技能是支持向量机，与枋方法

21世纪初， 连接主义卷土重来，以深度学习为名的热潮，即有很多层的网络。

人工智能从上世纪80年代发展到现在遍及人工智能，虽然经历的韶光不长，但是技能的进步很快。
如果我们不学习就会被远远地甩开，以是学习人工智能的同学们不要放弃学习，要贯彻终生学习的精神。

本日的分享只是对人工智能的一个初步认识，下一期将连续讲解人工智能。
我也是最近才在上发布关于编程的文章，如果喜好博主的请多多点赞评论支持博主。
你们的支持是我更新的动力。
下期见。