随着人工智能浪潮席卷現代社會，不少人對于機器學習、深度學習、計算機視覺、自然語言處理等名詞已經耳熟能詳。可以預見的是，在未來的幾年裡，無論是在業界還是學界，擁有深度學習和機器學習能力的企業都将扮演重要角色。
假設你對人工智能領域的基礎知識比較感興趣，你就會發現很多人工智能技術中常見的兩個概念：機器學習和深度學習。如何了解兩者間的差別非常重要，本文将對此做簡要的解析。
深度學習：一種實作機器學習的技術
所謂深度學習，簡單來說是機器學習的一個子集，用于建立、模拟人腦進行資料處理和分析學習的神經網絡，是以也可以被稱作是深度神經網絡。其基本特點是模仿大腦的神經元之間傳遞和處理資訊的模式。
深度學習的優勢在于：
- 不需要手動設計特征，其自動學習的功能對于目前的任務來說最佳；
- 任務自動獲得對抗資料自然變化的魯棒性；
- 很強的泛化性，相同的深度學習方法可以用于不同的應用程式和不同的資料類型；
- 使用多GPU可以執行巨大的并行計算。當資料量很大時，會産生更好的輸出結果；
- 其體系結構有可擴充性，具備适應新問題的潛能。
機器學習：一種實作人工智能的方法
所謂機器學習，通俗來說是一種實作人工智能的方法，它賦予系統從經驗中自動學習和發展的能力。與傳統的為解決特定任務、寫死的軟體程式不同，研究人員會用大量的資料和各種算法來“訓練”機器，讓機器學習如何執行并完成任務。
機器學習的優勢在于：
- 解決垃圾郵件檢測的問題；
- 在制造領域優化裝置功能，改善生産效率；
- 簡化營銷手段，協助預測銷售量；
- 提升預測性維護功能；
- 提高安全性和網絡性能
未來的可能性
許多企業利用機器學習和深度學習從大量資料中擷取洞見，實作智能自動化、商業智能、優化營運，達成最小化問題和最大化利潤。通常來說，深度學習從大量的非結構化資料（文本、視訊、圖像、傳感器資料）中擷取知識，用于解決更複雜的任務。它驅動了計算機視覺、語音解讀、自然語言處理等領域機器學習方法的發展。如果您的組織正持續不斷地生成海量資料流，那麼使用深度學習就非常值得考慮。
迄今而至，深度學習和機器學習都已經發展了一段時間。為了創造更多的收入，不少行業開始采用深度學習和機器學習算法，同時教育訓練員工學習這種能力，為企業做出貢獻。很多公司正在推出創新的深度學習技術，以解決複雜的挑戰。未來，人工智能的邊界仍将随着人類想象力和技術的延展迎來更多的可能。
原文：UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING
本文轉自51CTO，本文一切觀點和機器智能技術圈子無關。
原文連結 線上免費體驗百種AI能力：【點此跳轉】