最近開始了有關機器學習方面知識的學習，自己啃書本的時候一些概念枯燥無味，所以藉著做筆記的機會來簡單理解其中的一些概念，如有謬誤，還望指出。?
什麼是人工智慧？
我看過很多部落格解釋什麼是人工智慧，我覺得還不如一句話一張圖解釋的簡潔明瞭。讓機器實現原來只有人類才能完成的任務，這個操作就是人工智慧。
下圖所示就是讓機器模擬人各種能力的人工智慧領域示意圖：（圖片我是在逛知乎的時候發現的，地址貼在文末）
什麼是機器學習？
在解釋什麼是機器學習之前，我們先來舉一個讓每個程式設計師都頭疼的問題：
找物件
作為一個程式設計師，找物件自然是個非常緊迫的問題，那找物件總要有個要求吧?
啥？活的？能動？骨骼輕奇的我怎麼可能只有這兩點要求啊?顯然我是希望找一個好的女朋友啊（畢竟要帶出去撐場面的啊），所以應該怎麼找呢？
愛美之心，人皆有之。長得好看的妹子肯定比長得醜的妹子更優秀啊，所以這時我就有了一個簡單的規則了：只挑選長得好看的女生的當女朋友。所以還等什麼？快去朋友圈看看哪些漂亮的女生還是單身啊。是不是So easy？
當！然！不！是！
生活總是充滿了艱辛
張無忌的麻麻說過：
當你網戀奔現的時候你會發現，那些朋友圈裡的都是照騙，你懵逼了。。。很顯然，只看女生照片找物件這個方法是很片面的，找到一個好的女朋友的因素有很多而並不只是根據女生的顏值。
在經過了大量思考（並且參考了眾多好友的女朋友）之後，你又得出了一個結論：身材好同時顏值高的女生更容易吸引你。同時身材一般但顏值高的好友中只有一半左右能讓你感興趣。
這時你再帶著你得出的結論去找女生的時候，才知道原來妹子已經脫單好久，只是把你當朋友。。。但是心好的妹子為了安慰你便把她的閨蜜推給了你。然後你發現你之前的結論不適用了，所以只能重新開始約朋友圈的妹子。
假設過了好久好久之後，你成功的總結了一個找妹子的經驗，找到了一個優秀的另你滿意的妹子了，你很開心的和她在一起了。醜媳婦也要見公婆的，終於到了你把女朋友帶回家給家長見面的時候了，你爸媽說，這女生太漂亮了，你管不住，堅決反對。
在你爸媽的反對下，你只能選擇無奈的和妹子say goodbye?。最後的最後你和你爸媽攤牌，然後將你的擇偶規則告訴你的家人，在他們的篩選下，你終於找到了符合**“所有”**預期標準屬性的女朋友了。
是不是覺得很dan疼？
回想一下上述的場景，是不是覺得十分dan疼，雖然最終結果是你找到了一個滿意的女朋友，但是在找物件的過程中，你需要不斷的更換標準（屬性），而且每當你需要用一個新的標準（屬性）去衡量一個妹子的時候，你只能手動更改你自己的規則。並且你需要了解所有繁雜的影響女朋友質量的因素（比如顏值、身材、貼心程度、可愛程度等等）。如果這些因素足夠複雜，你很難手動分類所有型別的女生而做出精確的規則。
並且，不斷的和不同的女生談戀愛、試錯不僅浪費時間，名聲也不好。說不定還會被扣上一定渣男的帽子。
來類比下？
其實上述就是一個非常不典型的機器學習的例子，我們來類比下：
機器學習（ML）
你可以從朋友圈隨機挑選一些女生（假設你的異性緣足夠的好）作為樣本(training data)，然後列出所有女生的屬性，比如身高、顏值、身材、學歷、工作，等等(features)，以及是否貼心、黏人度、孝心，等等(output variables)。將這些抽象化的資料在機器學習演算法裡執行(classification/regression)，則ML演算法構建一個模型：女生的屬性——女生的質量。
然後等到下次你又遇見了一個女生了，你就可以用眼睛掃一下檢查女生的屬性（身材、顏值等）了(test data)，然後提供給ML演算法，他就會根據之前生成的模型（model）預測這個妹子最終和你走到一起的可能有多大。
其實在機器學習構建模型過程中，內部使用的規則也許和上述例子中類似，但是也有可能是更復雜的規則，不過這些你並不需要關心。
你現在再去找物件就有很大信心了，而且更重要的時候，隨著時間你的ML演算法會自我提升(reinforcement learning)，當預測錯誤的時候（戀愛談不下去就分手）矯正自身，隨著讀取更多的training data預測也會越來越精準。但是，最流弊的一點在於，你可以利用相同的演算法而訓練出不同的模型(model)，找女朋友可以用這個模型，那找祕書呢？（彷彿發現了什麼不得了的事情?，隨便你想要訓練出什麼模型只要你高興就好 )
所以說對機器學習的最簡單的理解，便是：
使用某種演算法來對已有資料進行解析、學習，然後對真實世界中的資料/事件作出決策/預測。
那深度學習又是啥？
深度學習，是實現機器學習的技術。對機器學習來說，特徵提取並不簡單。特徵工程往往需要大量的時間去優化，而此時，深度學習便可以自動學習特徵和任務之間的關聯，還能從簡單特徵中提取複雜的特徵。
深度學習是機器學習的許多方法之一，其他方法包括決策樹學習、歸納邏輯程式設計、聚類、強化學習和貝葉斯網路等。
那深度學習是如何尋找那些複雜特徵的呢？
他是通過建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，如圖象、聲音、文字。其產生的靈感來自於大腦的結構和功能，即許多神經元的互聯。
下圖是我在知乎上看見的一個非常有趣的回答：
推薦大家去閱讀下這個回答：?
人工智慧、機器學習和深度學習的區別? - 圖普科技的回答 - 知乎https://www.zhihu.com/question/57770020/answer/418117913
那他們三個有什麼關係呢？
人工智慧是為機器賦予人的智慧，而機器學習是實現人工智慧的手段之一，而深度學習則是機器學習的分支，所以三者之間的關係就如上圖所示。
教你一招快速分辨AI和ML
最後再教你一招如何快速分辨AI和ML：