人工智能正快速侵入我们的生活的方方面面,推荐我们看到的社交媒体故事,在照片中识别我们的朋友和宠物,甚至确保我们避免在路上发生意外。如果你想了解人工智能,你需要从支撑它的专用术语开始。
因此,现在我提出了人工智能技术的5个关键词,你只需要知道这几个术语,就可以保证下次吃饭的时候跟别人聊起人工智能而不会哑口无言。
首先,声明的是,并不是所有人都同意这些词的准确定义,所以你可能会看到他们在网上的其他地方表达了不同的意义。我提出的只是使用最频繁的定义,但随着新技术的出现,总会有一些不一致的地方。
1、算法
著名的(或臭名昭著的)算法。算法是计算机程序遵循规则的基础。比如,如果你最好的朋友在微博上发布了你的照片,那么规则说应该出现在你浏览的页面中。或者,如果你需要使用百度地图从A到B,一个算法可以帮助你找到最快的路线。
这些规则是由计算机来执行的,但通常是由人类设定的——因此,微博或百度的工程师们选择了让哪些故事变得重要,或者哪条道路是最快的。人工智能的开始是利用机器学习来调整这些算法,而且现在计算机程序已经开始为自己调整这些规则。百度地图就会这样做,如果它得到一个特定道路关闭的反馈数据。
当图像识别系统出错时,使用同样的规则,但是得到错误的结果,比如你得到的是像猫的狗,而不是真正的猫。在许多方面,算法是机器学习的基础。
2、人工智能
到底什么是人工智能?定义的不同取决于你问的是谁,但从最广义的角度来说,它是被人为创造出来的任何一种智慧,这很明显。
所以当百度的虚拟助手小度像真人一样回复你的时候,那就是人工智能。当百度的照片似乎知道猫的样子时,那也是人工智能。星球大战中的机器人BB-8也是人工智能,在某种程度上,人工智能看起来就像人类控制的一个会说话、思考的机器人。
这个定义真的很宽泛,所以你可以理解为什么它应该被解读。人工智能有许多不同的类型和方法,所以要确保你理解其中的区别——当某些东西被描述为具有内置AI的时候,这可能意味着涉及到广泛的技术。
3、深度学习
深度学习是机器学习的一个类型,这就是为什么这两个术语经常混杂在一起,并且可以正确地用于描述在许多情况下相同的人工智能。深度学习就是机器学习,但设计得更聪明,更有层次,更深入,更像是人类大脑的功能。
通过更多数据和更强大的硬件这两个关键技术的进步,实现了深度学习。这就是为什么它只是最近才流行起来的原因,尽管它最初的根源可以追溯到几十年前。如果你把它看成是机器学习的加强版也可以,它为什么变得更聪明了?因为电脑变得更强大了。
深度学习常常利用神经网络,来增加这一层智能。例如,深度学习和机器学习都可以通过扫描上百万只猫的图像来识别图片中的一只猫——但是,机器学习需要被告知什么特征组成了猫,深度学习只要有足够的原始数据,就能计算出猫的样子。
4、机器学习
机器是为自己学习的,而不是每一次都为他们详细说明。
其中最著名的例子是图像识别。给一个机器学习系统足够多的猫的图片,它最终将能够自己发现一只猫的新图片,没有任何来自人类操作员的提示。你可以把它看作是人工智能网络超越了它们最初的编程,首先是对大量数据进行培训。
谷歌的AlphaGo程序是另一个很好的例子:由人类教授,但能够根据自己的训练做出自己的决定。AlphaGo还表明,许多类型的人工智能都是非常具体的——这台引擎在玩围棋时非常出色,但在无人驾驶汽车上几乎是毫无用处的。
5、神经网络
与深度学习紧密相关,神经网络试图模仿人类大脑的过程,或者像我们现在所理解的那样,是人类大脑的一部分。此外,在过去几年中,只有高端处理器才真正实现了神经网络的发展。
在做出最终决定之前,神经网络考虑的是图像和猫的各种不同的特征,而不是看图像判断它是不是猫。最终的结果是一个更准确的猫识别引擎(这就是为什么图像识别在最近几年变得更好了)。
如果你不能完全理解这个想法,不要担心——神经网络不是一个你可以从一个简短的几段话就能完全理解的概念。但如果你认为它是另一种机器学习工具,旨在利用人类智慧创造一些的微妙的工具,那么你就掌握了基本知识。
-
神经网络
+关注
关注
42文章
4771浏览量
100719 -
算法
+关注
关注
23文章
4607浏览量
92840 -
人工智能
+关注
关注
1791文章
47183浏览量
238266 -
深度学习
+关注
关注
73文章
5500浏览量
121113
发布评论请先 登录
相关推荐
评论