人工智能系列博客：人工智能--（04.基本理解）
对于什么是人工智能？
以简单的方式来说：让机器拥有人类的思维方式，能够像人类一样思考和处理问题。
官方的来说：研究、开发用于模拟、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。企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
人工神经网络（Artificial Neural Network）：
是人工智能的一种实现方式，早期机器学习中的一个重要的算法；是一种模仿人脑神经元结构和功能的计算模型，用于解决各种复杂的问题。神经网络通过学习和适应数据来改善自身的性能，从而实现自主决策和智能行为。人工神经网络是众多问题解决方案中的一种。
想要了解人工智能，首先我们要知道人的思维方式是怎样的；
人的思维是我们认知世界和解决问题的过程，它是人类独有的智能表现。思维是由大脑神经元之间的复杂电化学信号传递所产生的。
但是，具体思维如何产生仍然是科学界的一个尚未完全解决的问题。相当于是一个黑匣子，我们尚且不知道思维的具体实现方式，那么我们如何实现人工的思维呢？
从神经学的角度来看：大脑中的神经元是思维产生的基础。人类大脑神经元细胞的树突接收来自外部的多个强度不同的刺激，并在神经元细胞体内进行处理，然后将其转化为一个输出结果。神经元之间通过突触连接，形成复杂的神经网络。
人工神经网络基于上述的网络结构，搭建起来的网络。如下图所示：人工神经网络的构造图
深度学习（Deep Learning）：
是机器学习领域中一个新的研究方向，通过使用大型多层人工神经网络形成类似于人脑中神经元的层次结构，计算它们之间连续变化的权值。这是当今机器学习各种方法中应用最为成功的方法。无论数据集合大小还是计算能力消耗量，它都能够很好的推广。
人的大脑越简单，智商就越低，处理问题的能力就越差；对于人工神经网络而言，网络越复杂，层数越多，那么它就越强大。
而训练深度神经网络的过程就叫做深度学习。 人工神经网络和深度学习之间的关系可以简单表示为下图：
机器学习（Machine Learning）：
是人工智能核心，是使计算机具有智能的根本途径。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。特别是如何在经验学习中改善具体算法的性能，机器学习是对能通过经验自动改进的计算机算法的研究，是用数据或以往的经验，以此优化计算机程序的性能标准。
人工智能，机器学习，深度学习三者之间的关系可以简单表示为：
机器学习，深度学习的流程区别：
本篇文章是博主在人工智能学习时，自己对人工智能的一些的感受和理解而写下的笔记，若有不当和不正确之处，还望理解与指出。
如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。