机器学习与深度学习 / 系统课时
区分人工智能与深度学习
区分人工智能与深度学习
学习目标
完成本课后,你将能够:
- 说明人工智能、机器学习和深度学习的层级关系
- 识别三类术语在实际项目中的准确含义
- 避免把所有智能功能都称为深度学习
三个概念的层级关系
人工智能是一个总称,机器学习是实现人工智能的一类方法,深度学习又是机器学习中的一个分支。
text
人工智能
└── 机器学习
└── 深度学习- 人工智能关注“让机器完成通常需要人类智能的任务”。
- 机器学习关注“从数据中学习预测或决策规律”。
- 深度学习关注“使用多层神经网络自动学习复杂表示”。

不要把三者当成同义词
| 功能或方法 | 更准确的归类 | 说明 |
|---|---|---|
| 固定规则的游戏角色 | 人工智能应用 | 不一定使用机器学习 |
| 决策树识别客户流失 | 机器学习 | 不属于深度学习 |
| 卷积神经网络识别图片 | 深度学习 | 同时属于机器学习和人工智能 |
| 大语言模型生成文本 | 深度学习 | 通常基于 Transformer 神经网络 |
一个系统可以表现出“智能”,但内部只使用搜索、规则或优化算法。只有模型通过数据训练得到规律时,才属于机器学习。
什么时候会使用深度学习
深度学习通常适用于图像、语音、自然语言和大规模复杂数据。它能够自动学习特征,但代价是需要更多数据、算力、训练时间和调试经验。
对于字段数量有限的表格数据,线性模型、决策树、随机森林和梯度提升树往往更容易训练和解释。项目选型不应按照“模型越复杂越先进”,而应按照效果、成本、可解释性和上线约束综合判断。
术语判断练习
判断下面说法是否准确:
- “使用规则判断密码强度,所以系统使用了机器学习。”
- “随机森林属于机器学习,但不属于深度学习。”
- “所有人工智能系统都必须训练神经网络。”
- “深度学习项目通常也是机器学习项目。”
验收标准:能够指出第 2、4 项正确,并解释其余说法的问题。
按自己的节奏,确认真正理解。