|
|
|
| 您目前的位置:網站首頁 => |
 |
| |
| 關于人工智能 你必須要知道的那些事兒 |
| 發布時間：2015/7/6 15:58:27 來源：鑫泰科技 發布者：manni123 |
|
國外媒體報道，經過幾十年發展，人工智能已經從科幻小說里的一個概念，變成了當今科技發展的主流。蘋果的語音控制系統Siri、亞馬遜的智能助手Alexa、IBM的沃森超級電腦、谷歌大腦等等，能夠理解這個世界并且給出高效反饋的智能機器似乎就在眼前。關于人工智能，你必須要知道的二十件事。
有關人工智能：
1.過去二十年，在大數據集的數字化、建立管理大數據集的基礎框架和大數據計算范式上的進展，是解釋本世紀先后將重點放在數據科學和人工智能上的主要原因。
2.一旦我們數字化了數據，使得他們可以被程序處理，下一步就是撬動自動化和對未來的預測。隨著預測能力的增加，似乎更多“智能”的方面展現了出來。于是我們將“數據科學”這樣的術語改為“人工智能”。事實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間是呈正態分布。今天“人工智能”給人的感覺就和昨天的“數據科學”一樣。
3.從數據中學習的AI叫做機器學習(MachineLearning)。傳統的機器學習從原始數據中提取人們可以識別的特征，然后通過學習這些特征產生一個最終的模型。
有關深度學習鑫泰數控加工中心：
4.過去十年中，神經網絡，一種類似哺乳動物大腦突觸連接關系的機器學習結構，得以復興。神經網絡不需要人為提取特征。原始數據進入學習算法之后不需要任何的人為工作，我們把它稱之為“深度學習”。
5.盡管深度學習技術和學習模型已經存在了幾十年了，但是我們現在才看到其理論創新和基于經驗的突破，因為基礎架構和數據的實用性才剛剛成熟。2006年，NVIDIA推出基于GPU的CUDA開發平臺，成為了深度學習發展歷史上的風水嶺。
6.正是由于深度學習脫離了人為構建特征使其得以成為一種自然的學習工具。很多技能，早在有能力以復雜的數學方式提取特征之前，我們就已經學會了。這些技能是我們自然而然學會的，難以用高度的特征歸納。通過傳統的機器學習手段，是很難憑人類的直覺得出，或是構造出高維的精確特征的。
7.早在我們有能力構建復雜的語義(semantic)之前，我們就已經在機器視覺和自然語言處理等方面取得了很好的成績。但是學會這些技能不需要我們有數學推理的能力，更不要說人為有意構建的高層語義了。
8.深度學習在廣義的高維機器學習問題上已經展現了突破性的成果。其中覆蓋的領域包括基因組學，油氣，數位病理學甚至是公共市場。 |
|
