人工智能、机器学习、深度学习、强化学习

人工智能、机器学习、深度学习和强化学习

         “放眼”看世界，“机智”测大千。高视科技将各种先进的人工智能技术用于工业质检中，特别是近年来货源的深度学习和强化学习，在很多项目中高视科技都使用了这些技术。由下图可以看出：人工智能是一个很大的概念，机器学习是其中一个子集，而深度学习和强化学习又是机器学习的子集。

人工智能

人工智能(Artificial Intelligence)是一个最广泛的概念，人工智能的目的就是让计算机这台机器能够象人一样思考。通常将人工智能分为弱人工智能和强人工智能：弱人工智能让机器具备观察和感知的能力，可以做到一定程度的理解和推理；而强人工智能让机器获得自适应能力，解决一些之前没有遇到的问题。

机器学习

机器学习(Machine Learning)是人工智能的分支，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，使之不断改善自身的性能。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

深度学习

深度学习(Deep Learning)是一种机器学习的方法，它利用深度神经网络（DNN）来解决特征表达的一种学习过程。深度神经网络大致理解为包含多个隐含层的神经网络结构。目前DNN演化出许多不同的网络拓扑结构，包括卷积神经网络（CNN）、递归神经网络（RNN）、长期短期记忆网络（LSTM）、生成对抗网络（GAN）等。

强化学习

强化学习(reinforcement Learning)，又称再励学习或者评价学习，是机器自主探索环境状态，采取行为作用于环境并从环境中获得回报的过程。强化学习框架如下图所示。

强化学习是智能体以“试错”方式进行学习，通过与环境进行交互获得奖赏指导行为，目标是使智能体获得最大奖惩。不同于机器学习的监督学习和非监督学习，强化学习不要求预先给定任何数据，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。深度学习模型可以在强化学习中得到使用，形成深度强化学习。

从广泛意义的人工智能，到具体的深度学习和强化学习，先进的算法在工业检测领域得到越来越广泛的应用。工业质检设备必将由弱人工智能，走向具有自主决策和自我再学习的强人工智能。