人工智能、机器学习、深度学习和计算机视觉将开启世界历史上最大的技术革命。尽管关于这四种技术有诸多讨论，但这些术语经常互换使用，而没有对其定义进行过明确的界定。

为了更好地理解这几个概念之间的关系，建议从外部看看它们是如何联系的。

人工智能是计算机科学的一个分支，通过运行程序，实现机器智能化。这是一个非常宽泛的概念，涵盖了从购物中心的自动门到目前最智能的系统。从这组程序中，我们可以进一步细化这个分支。

机器学习就是为计算机制定一套规则和任务，然后让它制定一种方法来完成这些任务。本质上，开始机器是没有知识的，通过试验和错误找到合适的解决方案。机器学习的核心是神经网络。

神经网络是一种算法和数据结构，其设计旨在使机器根据一系列输入对输出数据进行分类和预测。神经网络是一种类似于大脑的结构。它由节点（脑细胞）、连接和重量组成，并根据梯度下降原理工作。网络有两种运行模式：训练和推理。在训练模式中，大量的未知数据接入输入节点，并对重量进行调整。在推理模式中，未知数据接入输入节点，并且系统建议输出。对神经网络还有很多理解，但这是一个非常宽泛的概念。神经网络通常非常复杂，需要大量的计算能力来训练。

深度学习网络使用内部神经网络。深度学习网络和神经网络体系结构有很多共同点。它们既有输入输出层，又有训练和推理模式。但在Convolution和Max Pooling这样的深度学习网络中通常存在一些新的变化，使算法运行得更快，并且允许以更大的深度进行计算。简而言之，深度学习网络可以看作是神经网络的一个网络。

计算机视觉通过传感器给机器周围的物理世界提供知识。过去，这是一个非常脆弱和复杂的任务，需要特定的量身定制的算法来分析像素。这些算法不灵活，必须在特定的情况下使用，并且对旋转和光照特别敏感。硬件GPU近期发展的速度和规模支持计算机视觉利用深度学习网络，深度学习网络有助于减轻标准计算机视觉算法所经历的问题。

威盛Mobile360家族硬件采用先进的深度学习网络以及计算机视觉技术，可为任何需求提供客制化的解决方案，从利用警示驾驶员潜在危险的威盛Mobile360 ADAS系统到识别入侵者或验证进入大楼人员身份的威盛智能人脸识别系统。

了解更多关于如何客制化威盛Mobile360 ADAS及威盛智能人脸识别系统，请联系我们，为您提供业务帮助。

 
關於作者

Jason Lee Gillikin在IoT產業已有六年的經歷，並協助開發更好更智慧化的產品。他擁有北卡羅來納州大學電腦科學和資訊系統碩士學位，以及物理和化學方面的學位。目前，他任職於威盛電子的業務開發經理，並將這些產品推廣於市場上。可透過LinkedIn 或是 email聯繫他。