【pre】
在看一篇公众号推文的时候,里面有这么一句话:
诶,看这意思,CV,NLP,RL,GNN是DL的纵向领域?其他三个尚且眼熟,但RL是什么呢?
于是我去阅读了1、2,把我觉得有用的简单整理一下。
【content】
1、AI、ML、RL、DL的关系
(1)AI:人工智能(Artificial Intelligence, AI)是研发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
(2)ML:机器学习(Machine Learning, ML)通过算法、使用历史数据进行训练,训练完成之后会产生模型。当提供新的数据时,将使用训练产生的模型进行预测。
(3)RL:表示学习(Representation Learning, RL)是学习一个特征的技术的集合——它将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦,允许计算机学习使用特征的同时,也学习如何提取特征:学习如何学习。也就是说,不用人工构建特征。
(4)DL:深度学习(Deep Learning, DL)就是表示学习RL的最好体现——深度学习就是用来解决人工构建特征麻烦而且不准确的问题,优点是机器自己会构建特征,缺点是看不出来是哪种因素对结果影响较大。
好了,一图胜千言。
2、CV、NLP、ASR、ES的关系
我们再来看下推文中的那句话:
被他这么一说,似乎是DL下有CV、NLP……这些领域。
但在了解后,我认为更应该是这样的关系:
计算机视觉(Computer Vision, CV)
自动语音识别(Automatic Speech Recognition,ASR)
自然语言处理( Natural Language Processing, NLP)
专家系统(Expert System,ES)
即,CV、ASR、NLP、ES等是AI领域的有关研究,而DL是一种对这些领域进行研究的方法。
【more】
题外话:顺手认识了一个会议,ICLR。
这是ICLR 中的热门词:
还有一个有趣的观点,某种程度上来说,这也算是trick吧:)。
看完之后,打算去学学啥是强化学习Reinforcement Learning,以及之前草草瞄了一眼的GNN……
如果觉得《【杂物间3】AI ML RL DL NLP CV…搞清了这些是啥》对你有帮助,请点赞、收藏,并留下你的观点哦!