要說當下科技圈最炙手可熱的詞匯，一定非“人工智能”莫屬。都說中關村的咖啡館是科技圈的晴雨表，想知道現(xiàn)在什么技術最流行，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)者們在討論“人工智能”時，往往還會帶上“機器學習”和“深度學習”。

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

Artificial Intelligence：人工智能；Machine Learning：機器學習；Deep Learning：深度學習

概括地說，AI 目前主要用于描述一些可以進行智能化行為的設備或機器，機器學習是它的子集，而深度學習是機器學習的一個子集。如上圖所示，最外層的是人工智能，中間層是機器學習，最里層則是深度學習。換句話說，機器學習和深度學習屬于人工智能范疇，但人工智能不一定是機器學習或深度學習。

先說“人工智能”，也就是 AI?！叭斯ぶ悄堋币辉~最早由認知科學家約翰·麥卡錫在研究中提出，他寫到，“這項研究基于一種推測，即任何學習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機器來模擬它。”這種描述在今天仍然適用。

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

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

舉個例子，假如你手機里存了你女朋友和你媽的照片，你想把它們區(qū)分開，這時就可以把任務交給“人工智能”，在分辨人臉這類應用中，“人工智能”能比人更高效地執(zhí)行任務。正因為此，“人工智能”目前也被應用到了許多其他領域，從計算機視覺和自然語言處理，到各種終端，如智能手機和汽車上的惡意軟件偵測。

那么一臺智能手機是如何做到能區(qū)分人臉的呢？它用了什么方法？

這就涉及到了“機器學習”。簡單說，“機器學習”是實現(xiàn)人工智能的一種途徑，“機器學習”的基本做法是通過復雜的算法來分析大量的數(shù)據(jù)，識別數(shù)據(jù)中的模式，并據(jù)此做出預測。這就像人類學習的過程——我們在學校學到知識，然后在生活中應用。只不過這一過程的主體，是機器。

通過機器學習，一個系統(tǒng)可以從自身的錯誤中學習來提高它的模式識別能力。

前面提到，機器學習需要用到各種復雜的算法，“深度學習”就是其中的一種。

“深度學習”作為近十年來人工智能領域取得的重大突破，推動了計算機智能取得長足進步。它用大量的數(shù)據(jù)和計算能力來模擬深度神經網(wǎng)絡。從本質上說，這些網(wǎng)絡模仿人類大腦的連通性，對數(shù)據(jù)集進行分類，并發(fā)現(xiàn)它們之間的相關性。

通過深度學習，機器可以處理大量數(shù)據(jù)，識別復雜的模式，并提出深入的見解。

還是以識別女朋友和老媽為例，深度學習的工作就是自動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)的機器學習算法，往往需要人工調整參數(shù)，因此參數(shù)的數(shù)量十分有限，而“深度學習”可以從大數(shù)據(jù)中自動獲得成千上萬的參數(shù)。

得益于現(xiàn)代終端設備對大量數(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。不過，這也對終端側的計算能力提出了挑戰(zhàn)。十多年來，Qualcomm 一直專注于在移動終端的功耗、散熱和尺寸限制之內，高效地處理多種計算工作負載。通過在適宜的計算引擎上運行各種機器學習任務（如 CPU、GPU 和 DSP 等），我們能提供最高效的解決方案。

目前，Qualcomm 人工智能平臺可通過高效的終端側機器學習，提供高度響應、高度安全且直觀的用戶體驗。并且在未來還有更多可能。