|
|
|
| 您目前的位置:网站首页 => |
 |
| |
| 关于人工智能 你必须要知道的那些事儿 |
| 发布时间：2015/7/6 15:58:27 来源：鑫泰科技 发布者：manni123 |
|
国外媒体报道，经过几十年发展，人工智能已经从科幻小说里的一个概念，变成了当今科技发展的主流。苹果的语音控制系统Siri、亚马逊的智能助手Alexa、IBM的沃森超级电脑、谷歌大脑等等，能够理解这个世界并且给出高效反馈的智能机器似乎就在眼前。关于人工智能，你必须要知道的二十件事。
有关人工智能：
1.过去二十年，在大数据集的数字化、建立管理大数据集的基础框架和大数据计算范式上的进展，是解释本世纪先后将重点放在数据科学和人工智能上的主要原因。
2.一旦我们数字化了数据，使得他们可以被程序处理，下一步就是撬动自动化和对未来的预测。随着预测能力的增加，似乎更多“智能”的方面展现了出来。于是我们将“数据科学”这样的术语改为“人工智能”。事实上这二者之间并没有什么明显的差别，只是感觉上的新奇和困难程度不同而已。新奇度和难度随着时间是呈正态分布。今天“人工智能”给人的感觉就和昨天的“数据科学”一样。
3.从数据中学习的AI叫做机器学习(MachineLearning)。传统的机器学习从原始数据中提取人们可以识别的特征，然后通过学习这些特征产生一个最终的模型。
有关深度学习鑫泰数控加工中心：
4.过去十年中，神经网络，一种类似哺乳动物大脑突触连接关系的机器学习结构，得以复兴。神经网络不需要人为提取特征。原始数据进入学习算法之后不需要任何的人为工作，我们把它称之为“深度学习”。
5.尽管深度学习技术和学习模型已经存在了几十年了，但是我们现在才看到其理论创新和基于经验的突破，因为基础架构和数据的实用性才刚刚成熟。2006年，NVIDIA推出基于GPU的CUDA开发平台，成为了深度学习发展历史上的风水岭。
6.正是由于深度学习脱离了人为构建特征使其得以成为一种自然的学习工具。很多技能，早在有能力以复杂的数学方式提取特征之前，我们就已经学会了。这些技能是我们自然而然学会的，难以用高度的特征归纳。通过传统的机器学习手段，是很难凭人类的直觉得出，或是构造出高维的精确特征的。
7.早在我们有能力构建复杂的语义(semantic)之前，我们就已经在机器视觉和自然语言处理等方面取得了很好的成绩。但是学会这些技能不需要我们有数学推理的能力，更不要说人为有意构建的高层语义了。
8.深度学习在广义的高维机器学习问题上已经展现了突破性的成果。其中覆盖的领域包括基因组学，油气，数位病理学甚至是公共市场。 |
|
