|
|
|
| 您目前的位置:網(wǎng)站首頁 => |
 |
| |
| 關(guān)于人工智能 你必須要知道的那些事兒 |
| 發(fā)布時(shí)間：2015/7/6 15:58:27 來源：鑫泰科技 發(fā)布者：manni123 |
|
國(guó)外媒體報(bào)道，經(jīng)過幾十年發(fā)展，人工智能已經(jīng)從科幻小說里的一個(gè)概念，變成了當(dāng)今科技發(fā)展的主流。蘋果的語音控制系統(tǒng)Siri、亞馬遜的智能助手Alexa、IBM的沃森超級(jí)電腦、谷歌大腦等等，能夠理解這個(gè)世界并且給出高效反饋的智能機(jī)器似乎就在眼前。關(guān)于人工智能，你必須要知道的二十件事。
有關(guān)人工智能：
1.過去二十年，在大數(shù)據(jù)集的數(shù)字化、建立管理大數(shù)據(jù)集的基礎(chǔ)框架和大數(shù)據(jù)計(jì)算范式上的進(jìn)展，是解釋本世紀(jì)先后將重點(diǎn)放在數(shù)據(jù)科學(xué)和人工智能上的主要原因。
2.一旦我們數(shù)字化了數(shù)據(jù)，使得他們可以被程序處理，下一步就是撬動(dòng)自動(dòng)化和對(duì)未來的預(yù)測(cè)。隨著預(yù)測(cè)能力的增加，似乎更多“智能”的方面展現(xiàn)了出來。于是我們將“數(shù)據(jù)科學(xué)”這樣的術(shù)語改為“人工智能”。事實(shí)上這二者之間并沒有什么明顯的差別，只是感覺上的新奇和困難程度不同而已。新奇度和難度隨著時(shí)間是呈正態(tài)分布。今天“人工智能”給人的感覺就和昨天的“數(shù)據(jù)科學(xué)”一樣。
3.從數(shù)據(jù)中學(xué)習(xí)的AI叫做機(jī)器學(xué)習(xí)(MachineLearning)。傳統(tǒng)的機(jī)器學(xué)習(xí)從原始數(shù)據(jù)中提取人們可以識(shí)別的特征，然后通過學(xué)習(xí)這些特征產(chǎn)生一個(gè)最終的模型。
有關(guān)深度學(xué)習(xí)鑫泰數(shù)控加工中心：
4.過去十年中，神經(jīng)網(wǎng)絡(luò)，一種類似哺乳動(dòng)物大腦突觸連接關(guān)系的機(jī)器學(xué)習(xí)結(jié)構(gòu)，得以復(fù)興。神經(jīng)網(wǎng)絡(luò)不需要人為提取特征。原始數(shù)據(jù)進(jìn)入學(xué)習(xí)算法之后不需要任何的人為工作，我們把它稱之為“深度學(xué)習(xí)”。
5.盡管深度學(xué)習(xí)技術(shù)和學(xué)習(xí)模型已經(jīng)存在了幾十年了，但是我們現(xiàn)在才看到其理論創(chuàng)新和基于經(jīng)驗(yàn)的突破，因?yàn)榛A(chǔ)架構(gòu)和數(shù)據(jù)的實(shí)用性才剛剛成熟。2006年，NVIDIA推出基于GPU的CUDA開發(fā)平臺(tái)，成為了深度學(xué)習(xí)發(fā)展歷史上的風(fēng)水嶺。
6.正是由于深度學(xué)習(xí)脫離了人為構(gòu)建特征使其得以成為一種自然的學(xué)習(xí)工具。很多技能，早在有能力以復(fù)雜的數(shù)學(xué)方式提取特征之前，我們就已經(jīng)學(xué)會(huì)了。這些技能是我們自然而然學(xué)會(huì)的，難以用高度的特征歸納。通過傳統(tǒng)的機(jī)器學(xué)習(xí)手段，是很難憑人類的直覺得出，或是構(gòu)造出高維的精確特征的。
7.早在我們有能力構(gòu)建復(fù)雜的語義(semantic)之前，我們就已經(jīng)在機(jī)器視覺和自然語言處理等方面取得了很好的成績(jī)。但是學(xué)會(huì)這些技能不需要我們有數(shù)學(xué)推理的能力，更不要說人為有意構(gòu)建的高層語義了。
8.深度學(xué)習(xí)在廣義的高維機(jī)器學(xué)習(xí)問題上已經(jīng)展現(xiàn)了突破性的成果。其中覆蓋的領(lǐng)域包括基因組學(xué)，油氣，數(shù)位病理學(xué)甚至是公共市場(chǎng)。 |
|
