据中培小编了解到，不久前，来自重庆的中科云从科技在语音识别技术上取得重大突破，在全球最大的开源语音识别数据集Librispeech上刷新了世界纪录，错词率降到了2.97%，超过阿里、百度、约翰霍普金斯大学等企业及高校原先的纪录。

人工智能发展如此迅猛，其隐藏在人工智能下的机器学习与深度学习又有什么差异呢？

机器学习是人工智能的一个子集，是实现人工智能的一种途径，但并不是唯一的途径。它是近20多年兴起的一门多领域交叉学科，涉及统计学、概率论、逼近论、凸分析、算法复杂度理论等多门学科。它也是一门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，重新组织已有的知识结构使之不断改善自身的性能的学科。其应用十分广泛，如垃圾邮件检测、信用卡欺诈检测、数字识别、语音识别、人脸识别、医学分析、股票交易、产品推荐等实例。

深度学习是机器学习的子集，灵感来自人脑，由人工神经网络（ANN）组成，它模仿人脑中存在的相似结构。在深度学习中，学习是通过相互关联的“神经元”的一个深层的、多层的“网络”来进行的。“深度”一词通常指的是神经网络中隐藏层的数量。深度学习的概念并不新颖，它已经存在好几年了。但伴随着现有的所有的炒作，深度的学习越来越受到重视。因为海量的训练数据、性能强劲的计算架构，以及学术研究上的相关进展这三大因素，深度学习系统在图像分类、面部识别等任务上，不仅表现开始优于各类经典方法，而且超过人类的水平。这一切，为那些用深度学习来解决实际问题的颠覆性新业务创造了无限可能。

机器学习，重在用概率论统计学微分等数学基础的科学研究分析来检测与预测。比如奥巴马竞选时，请了一帮机器学习的科学家来帮助他成功竞选，还有微软识图识花，以及AI拍照等等都是使用这个技术。

深度学习基于神经网络，重在模拟人类的行为，并学会像人一样学习，自主学习，变得聪明。而深度学习的思想，来源于人脑的启发，但绝不是人脑的模拟。比如说，一个三四岁的小孩看过一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩也十有八九能做出那是一辆自行车的判断，也就是说，人类的学习过程往往不需要大规模的训练数据，而现在的深度学习方法显然不是对人脑的模拟。

不管机器学习和深度学习有何差异，它们都将对人类的发展产生巨大的助益，毕竟人工智能前进的步伐无人可挡。“展望未来，下一个大趋势将是”设备“的概念逐渐消失，”谷歌首席执行官Sundar Pichai表示，“随着时间的推移，计算机本身，无论它是何形，都将会成为一位智能助手，帮助你度过每一天。我们将从移动优先转移到到人工智能优先的世界。”

所以，我们坚信，在不久的将来，人工智能一定会彻底走入我们的生活，有兴趣入行未来前沿产业的朋友，可以关注中培教育官网，及时获取人工智能、大数据、企业架构和网络安全等的入门知识、资讯信息和课程培训，让我们一起携手，引领人工智能的未来！