人工智能词汇含义及关系

人工智能、机器学习、深度学习、强化学习

1. 可以大致认为深度学习时机器学习中的一种方法，而机器学习则是人工智能的一个分支。
   

人工智能：除了机器学习外，还包括专家系统、进化计算、模糊逻辑、多代理、规划问题等。最近几年，人工智能的发展主要有机器学习领域的推动，尤其是深度学习上取得的突破。人工智能分为强人工智能和弱人工智能。
机器学习：图中上半部分是从学习方法上来分，可分为监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习。深度学习本来不是一种独立的方法，本身也会用到有监督和无监督的学习方法来训练深度神经网络，但最近其特有的学习手段相继被提出，故…..。俺学习目的来分，机器学习涵盖了回归、分类、聚类、异常监测、量纲学习和因果分析等
深度学习：利用深度神经网络来解决特征表达的一种学习过程。深度神经网络可理解为隐含层很多的一个神经网络结构
强化学习：一个代理（Agent）在一个环境里设计一系列动作（Actions）以获得最优的未来长期回报（Reward）
2. 急急急

数据挖掘、人工智能、大数据和云计算

1. 数据挖掘是从数据中挖掘知识的过程，人工智能和数据库技术可以作为挖掘工具，数据可以看作是土壤，云平台可以看作是承载数据和挖掘算法的基础设施
   

数据挖掘：挖掘过程中会用到基于数据库的挖掘方法或者机器学习的方法等。当数据量非常大时，数据挖掘需要借助云平台来承载数据，并利用其中的分布式计算单元来提高数据挖掘效率。挖掘完后，还需要对知识进行可视化和展现。
云计算：云计算平台一般是由第三方IT公司建立的涵盖基础设施、计算资源和平台操作系统的集成体。默认的云平台上并没有自带强大的机器学习和人工智能能力，也缺乏高效的索引机制（如时空索引算法）。因此，云平台并不等于大数据平台。
大数据：大数据是一种从数据的采集、管理、分析挖掘到服务提供的端到端的、解决行业问题的综合实力，是从数据生命周期这个维度来看的知识获取过程（数据库、机器学习和人工智能技术可以成为其中的一个环节），也是基于数据的思维方式。大数据不是指一个体量很大的单一数据，其关键在于多源数据融合（即把来自不同领域的数据的知识相互结合，形成1 + 1 > 2的合力）。分布式机器学习的重点是解决海量数据挖掘的问题，而不是解决多源数据融合的问题。要想融合多源数据，我们就需要在机器学习中设计新的多源数据融合算法（[1]是一篇关于多源数据融合的机器学习算法的综述），并为云平台设计特别的管理和索引方法。

1. 以城市大数据为例，说明大数据和数据挖掘以及人工智能之间的关系。城市大数据就是从城市数据的感知、管理、分析到服务提供端到端的、解决行业（如交通、环境等）问题的综合实力。在解决一个问题是，通常需要用到来自多个领域的数据（如预测空气需要考虑气象、交通和地理信息等），如何融合多源数据中的知识就是一个难点。这需要在数据挖掘过程中设计相应的数据管理算法和机器学习算法。因此，可以大致理解在图四的第二、三（管理和分析）层面是在做数据挖掘的事情，而在第三层里，又需要用到一些改良的机器学习和人工智能算法。
   

原文链接作者：微软亚洲研究院郑宇