监督学习
当开发人员可以控制计算机的学习行为时，它就被归类为监督学习。例如，用户可以从我们在各种设备中使用的屏幕键盘的自动建议词典中添加或删除单词，因此用户可以控制键盘应用程序的行为。
无监督学习
搜索引擎的爬虫会浏览网络上大量可用的数据，并了解搜索查询与互联网上映射数据的相关性。
很明显，人工智能 (AI) 训练模型需要大量数据才能适应我们日常生活中遇到的用例场景。机器学习是人工智能的一个子集，深度学习是机器学习的一个子集。
，而人工智能神经网络与深度学习相关。
机器学习
机器学习是人工智能的一种方式，将过去的经验中的旧数据输入到这些模型中。这些经验用于训练 AI（人工智能）模型以完成一组特定的任务，训练数据越多，准确性越高。人工智能中机器学习模型最 阿联酋电报筛查 好的部分是这些模型不一定需要大量数据，因此可以在短时间内解决不太复杂的问题。
深度学习
深度学习不仅仅专注于解决一组问题，它为计算机带来了广泛的知识水平和智能。深度学习模型使用人工智能神经网络进行训练，以各种可能的方式解决问题，因为计算机可以比我们更快地解决问题，所以一段时间后，计算机能够绘制出一种模式，它知道如何进行下一步以成功解决问题。想象一下一场国际象棋比赛，计算机在每一步中与自己对弈，了解对手可能采取的每一种动作，然后在分析完每场比赛后，计算机知道如何操纵对手，使计算机每次都获胜。
深度学习可用于分析人类 DNA，了解导致我们患上绝症的模式，从而找出需要采取哪些措施来避免患上绝症的情况。
为什么我们不能更早地实现AI（人工智能）的突破？
想象一下一辆使用高辛烷值燃料的超级跑车，如果没有大量优质燃料，汽车就无法发挥其最大性能。1950 年，我们既没有超级跑车，即 AI 训练模型，也没有经过严格训练达到准确度的数据。在 2000 年代，我们有了超级跑车，但燃料，即数据既不高质量，也不丰富。因此，这个时代进行的实验无法引起人们的关注，因为结果缺乏准确性。现在，高速数据连接、由 Web 应用程序、独立应用程序、移动应用程序和复杂的高速计算机收集的大量数据使这一切成为可能。