AI 与 机器学习 与 深度学习

所有的缩写词

理解人工智能 (AI) 相关的所有缩写词，几乎比理解 AI vs. 机器学习 vs. 深度学习的底层技术还要困难。再加上 AI 的不同学科以及应用领域，普通人很容易感到困惑。这就是为什么在比较诸如机器学习 vs. AI 或 NLP vs. 机器学习等复杂技术的科学原理时，首先看看每一项如何被清晰定义是一个好主意。

下面我们尝试解释人工智能的重要组成部分以及它们如何协同工作。在 Sonix，我们专注于自动语音识别，因此我们在解释这些关键技术时会以此为核心。我们提供的关于 AI vs. ML vs. DL 应用的见解与我们为客户执行的工作直接相关。

首先，让我们从一些最常用的缩写及其定义开始：

• Artificial Intelligence (AI) — 创建智能机器的广泛学科
• Machine Learning (ML) — 指可以从经验中学习的系统
• Deep Learning (DL) — 指可以在大型数据集上从经验中学习的系统
• Artificial Neural Networks (ANN) — 指旨在帮助计算机学习的人工神经网络模型
• Natural Language Processing (NLP) — 指可以理解语言的系统
• Automated Speech Recognition (ASR) — 指利用计算机硬件和基于软件的技术来识别和处理人类声音

人工智能 (AI) 是涵盖任何使机器智能化相关内容的整体学科。无论是机器人、冰箱、汽车还是软件应用，如果你让它们变得智能，那就是 AI。机器学习 (ML) 通常与 AI 一起使用，但它们并不是同一回事。ML 是 AI 的一个子集。ML 指的是可以自我学习的系统，即随着时间的推移，无需人工干预就能变得越来越智能的系统。深度学习 (DL) 也是 ML，但应用于大型数据集。现在大多数 AI 工作都涉及 ML，因为智能行为需要大量的知识，而学习是获取这些知识最简单的方式。下图展示了机器学习 vs. AI vs. DL 之间的关系。

ML 有许多技术和方法。其中一种方法是人工神经网络 (ANN)，有时简称为神经网络。一个很好的例子是亚马逊的推荐引擎。亚马逊使用人工神经网络为客户生成推荐。亚马逊通过向您展示“浏览过此商品的顾客也浏览了”和“购买过此商品的顾客也购买了”来建议产品。亚马逊吸收了所有用户的浏览体验数据，并利用这些信息进行有效的产品推荐。

在 Sonix，我们使用机器将音频转换为文本。底层的核心技术是自动语音识别 (ASR) 和自然语言处理 (NLP)。ASR 是将语音处理为文本，而 NLP 则是处理文本以理解其含义。由于人类说话带有口语和缩写，因此需要对自然语言进行广泛的计算机分析才能产出准确的结果。

ASR 和 NLP 都属于 AI 范畴。ML 和 NLP 有一些重叠，因为 ML 经常被用于 NLP 任务。ASR 同样与 ML 重叠。从历史上看，它一直是许多机器学习技术背后的驱动力。在比较 AI vs. 机器学习时，了解图表中的重叠和差异至关重要。

总之，DL 是 ML 的一个子集，而两者都是 AI 的子集。ASR 和 NLP 属于 AI，并与 ML 及 DL 重叠。它们之间的交织程度令人惊叹。这不仅仅是关于机器学习 vs. AI 的比较，更多的是关于这些相对较新的技术如何创建和改进实时解决高级问题的方法。