了解人工智能的能力、限制、原因和方法。
当我开始学习人工智能（AI）时，我经常看到这样一幅插图（图1），它描述了三个重要概念之间的关系：人工智能（AI）、机器学习（ML）和深度学习（DL）。我确信你仍然可以在某个地方看到它。在这样的插图中，看起来AI包括ML，ML包括DL。然而，这样的推断可能是错误的。
如果你阅读的一篇研究论文的标题或摘要中有关ML的词语，你可以有把握地认为作者使用了浅层的非深度学习模型，如线性回归、随机森林、梯度提升、支持向量机、单层感知器等。这是因为如果作者使用了DL模型，他们会直接声明他们的论文是关于DL的，而不会考虑使用ML来描述他们的论文。事实证明，在从业者中存在将ML和DL视为互斥概念的倾向。
关于AI和ML之间的关系也存在很多混淆。从插图中，我们看到ML是AI的一个子集，这是有问题的。作为VoAGI读者，我相信你已经见过一些作者将自己标记为“AI/ML作家”。”AI/ML”的表示方式可能意味着AI和ML要么是不同的，要么是可以互换的，但绝对没有包容关系的暗示。尽管一个作家的真实意图如何，我们都可以看到这种混淆。加州理工学院的计算机科学教授Yaser Abu-Mostafa，以他在ML领域的研究和教育活动而闻名，他这样区分AI和ML：
ML是我们做的事情，AI是我们实现的目标。
我非常喜欢这个定义，因为它明确了这两个概念的区别，尽管很多时候，按照惯例，它们可能是可以互换使用的。
为什么在人工智能领域的这三个基本概念存在如此多的混淆？我的理解是，人工智能领域的知识扩展得如此之快，以至于每天都会出现数千个新概念，而人们没有…