人工智能的关键技术包括哪些

什么是人工智能

人类科技发展日新月异、突飞猛进，不断涌现令人激动的新技术。当前，人工智能（Artificial Intelligent）当属最热门的技术之一。

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它是一个构建能够推理、学习和行动的计算机和机器的科学领域，这种推理、学习和行动通常需要人类智力，或者涉及超出人类分析能力的数据规模。

下图中的人工智能、机器学习、深度学习、数据挖掘、模式识别等，这些非常相关的术语或知识我们经常看到，也见到很多关于它们之间关系的文章和讨论。一般来说，人工智能是一个很大的研究领域，是很多学科交叉形成的；机器学习是人工智能的一个分支，提供很多算法，深度学习又是机器学习的一个重要分支，它基于人工神经网络；而数据挖掘、模式识别是偏向算法应用的部分。它们之间相辅相成，另外也需要其他领域的知识支持。

人工智能的目标包括：推理、知识表示、自动规划、机器学习、自然语言理解、计算机视觉、机器人学和强人工智能共八个方面。

• 知识表示和推理包括：命题演算和归结、谓词演算和归结，可以进行一些公式或定理的推导。

• 自动规划包括机器人的计划、动作和学习，状态空间搜索，敌对搜索，规划等内容。

• 机器学习这一研究领域是由AI的一个子目标发展而来，用来帮助机器和软件进行自我学习来解决遇到的问题。

• 自然语言处理是另一个由AI的一个子目标发展而来的研究领域，用来帮助机器与真人进行沟通交流。

• 计算机视觉是由AI的目标而兴起的一个领域，用来辨认和识别机器所能看到的物体。

• 机器人学也是脱胎于AI的目标，用来给一个机器赋予实际的形态以完成实际的动作。

• 强人工智能是人工智能研究的最主要目标之一，强人工智能也指通用人工智能（Artificial General Intelligence，AGI），或具备执行一般智慧行为的能力。强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

人工智能的三要素：数据、算法、模型。

• 数据是基础，基于数据发现数据的规律。

• 算法是关键，如何用数据去求解模型，变成可以运行的程序。

• 模型是核心，用何种模型解释数据，发现数据规律。

人工智能之机器学习

机器学习是人工智能的一个重要分支，它通过计算的手段、学习经验（也可以说是利用经验）来改善系统的性能。它包括：有监督学习、无监督学习和强化学习。其中的算法有：回归算法（最小二乘法、LR等），基于实例的算法（KNN、LVQ等），正则化方法（LASSO等），决策树算法（CART、C4.5、RF等），贝叶斯方法（朴素贝叶斯、BBN等），基于核的算法（SVM、LDA等），聚类算法（K-Means、DBSCAN、EM等），关联规则（Apriori、FP-Grouth），遗传算法，人工神经网络（PNN、BP等），深度学习（RBN、DBN、CNN、DNN、LSTM、GAN等），降维方法（PCA、PLS等），集成方法（Boosting、Bagging、AdaBoost、RF、GBDT等）。

人工智能之深度学习

深度学习是机器学习的一个重要分支，它基于人工神经网络。深度学习的学习过程之所以是深度性的，是因为人工神经网络的结构由多个输入、输出和隐藏层构成。每个层包含的单元可将输入数据转换为信息，供下一层用于特定的预测任务。得益于这种结构，机器可以通过自身的数据处理进行学习。以两层网络为例，如下图，其中a是“单元”的值，w表示“连线”权重，g是激活函数，一般为方便求导采用sigmoid函数。采用矩阵运算来简化图中公式：a(2) = g( a(1) * w(1) ), z = g( a(2) * w(2) )。设训练样本的真实值为y，预测值为z，定义损失函数 loss = (z – y)2，所有参数w优化的目标就是使对所有训练数据的损失和尽可能的小，此时这个问题就被转化为一个优化问题，常用梯度下降算法求解。一般使用反向传播算法，从后往前逐层计算梯度，并最终求解各参数矩阵。

编辑：黄飞