人工智能的過去、現在和未來

2018-07-10  來自: 西安朗通科技發展有限公司 瀏覽次數:793

人工智能(Artificial Intelligence,AI)是指計算機像人一樣擁有智能能力,是一個融合計算機科學、統計學、腦神經學和社會科學的前沿綜合學科,可以代替人類實現識別、認知,分析和決策等多種功能。如當你說一句話時,機器能夠識別成文字,并理解你話的意思,進行分析和對話等。

人工智能的過去、現在和未來

另外,了解一下AI的發展歷史,有哪些關鍵里程碑?AI 在五六十年代時正式提出,90 年代,卡斯帕羅夫與"深藍" 計算機決戰,"深藍"獲勝,這是人工智能發展的一個重要里程碑。而 2016 年,Google 的 AlphaGo 贏了韓國棋手李世石,再度引發 AI 熱潮。今年,騰訊推出圍棋軟件"絕藝"大放異彩,這些都代表了特定時期 AI 發展的技術水平。

人工智能的過去、現在和未來

AI 不斷爆發熱潮,是與基礎設施的進步和科技的更新分不開的,從 70 年代 personal 計算機的興起到 2010 年 GPU、異構計算等硬件設施的發展,都為人工智能復興奠定了基礎。

人工智能的過去、現在和未來

同時,互聯網及移動互聯網的發展也帶來了一系列數據能力,使人工智能能力得以提高。而且,運算能力也從傳統的以 CPU 為主導到以 GPU 為主導,這對 AI 有很大變革。算法技術的更新助力于人工智能的興起,早期的算法一般是傳統的統計算法,如 80 年代的神經網絡,90 年代的淺層,2000 年左右的 SBM、Boosting、convex 的 methods 等等。隨著數據量增大,計算能力變強,深度學習的影響也越來越大。2011 年之后,深度學習的興起,帶動了現今人工智能發展的高潮。

AI 有哪些研究領域和分支?

人工智能研究的領域主要有五層,底層是基礎設施建設,包含數據和計算能力兩部分,數據越大,人工智能的能力越強。往上一層為算法,如卷積神經網絡、LSTM 序列學習、Q-Learning、深度學習等算法,都是機器學習的算法。第三層為重要的技術方向和問題,如計算機視覺,語音工程,自然語言處理等。還有另外的一些類似決策系統,像 reinforcement learning(或像一些大數據分析的統計系統,這些都能在機器學習算法上產生。第四層為具體的技術,如圖像識別、語音識別、機器翻譯等等。最頂端為行業的解決方案,如人工智能在金融、醫療、互聯網、交通和游戲等上的應用,這是我們所關心它能帶來的價值。

人工智能的過去、現在和未來值得一提的是機器學習同深度學習之間還是有所區別的,機器學習是指計算機的算法能夠像人一樣,從數據中找到信息,從而學習一些規律。雖然深度學習是機器學習的一種,但深度學習是利用深度的神經網絡,將模型處理得更為復雜,從而使模型對數據的理解更加深入。機器學習有三類,類是無監督學習,指的是從信息出發自動尋找規律,并將其分成各種類別,有時也稱"聚類問題"。第二類是監督學習,監督學習指的是給歷史一個標簽,運用模型預測結果。如有一個水果,我們根據水果的形狀和顏色去判斷到底是香蕉還是蘋果,這就是一個監督學習的例子。最后一類為強化學習,是指可以用來支持人們去做決策和規劃的一個學習方式,它是對人的一些動作、行為產生獎勵的回饋機制,通過這個回饋機制促進學習,這與人類的學習相似,所以強化學習是目前研究的重要方向之一。

人工智能的過去、現在和未來

再則,AI 有哪些應用場景?應用場景主要有以下幾個方面:在計算機視覺上,2000 年左右,人們開始用機器學習,用人工特征來做比較好的計算機視覺系統。如車牌識別、安防、人臉等技術。而深度學習則逐漸運用機器代替人工來學習特征,擴大了其應用場景,如無人車、電商等領域。

關鍵詞: 智能鎖   指紋鎖   密碼鎖   指紋鎖十大品牌  
极速快3技巧