AI｜AI的層次分類及技術簡介

出處：Generative AI on LinkedIn

這張圖片展示了AI的層次分類，並以圓形結構來說明AI的各種層次和相關技術。讓我們逐層來解釋這些概念是否符合現有的AI分類：

1. Artificial Intelligence（AI）：最外層的「人工智慧」涵蓋了所有模擬人類智慧的技術，包括自然語言處理（NLP）、視覺感知、智慧機器人、自動推理、知識表示等。這部分包含所有能模擬人類智能的技術，這樣的分類是符合目前的AI定義的。

2. Machine Learning（機器學習）：在AI範疇內，機器學習專指那些通過數據進行學習的演算法和方法，如線性/邏輯回歸、K-Means（K均值聚類）、支援向量機（SVM）、k近鄰（k-NN）、決策樹等。這些方法能夠讓模型基於資料學習特徵並進行預測，這也符合當前機器學習的定義。

3. Neural Networks（神經網路）：在機器學習的範疇內，神經網路是一種受生物神經網路啟發的模型結構。這一層提到了Boltzmann神經網路、多層感知器（MLP）等，這些都是基本的神經網路結構和技術。這一層次的分類在當前的AI技術分類中是合理的。

4. Deep Learning（深度學習）：最內層是深度學習，是神經網路的更高階應用，專指多層神經網路的技術。這裡列舉了幾種主要的深度學習架構：卷積神經網路（CNN）、生成對抗網路（GAN）、循環神經網路（RNN）、深度置信網路（DBN）。這些都是深度學習中的關鍵技術，屬於神經網路中較高階的應用層次。

總結

這張圖表中的分類結構符合當前AI領域的主要分類架構，將AI分層為「人工智慧」包含「機器學習」，「機器學習」中包含「神經網路」，再到最內層的「深度學習」。這樣的分層能幫助理解AI各領域的關係和範疇，是目前公認且符合邏輯的分類方式。

感謝您的收看，喜歡這篇文章，可以按讚、留言、加入沙龍。