人工智能的定義

人工智能是一個構(gòu)建能夠推理、學習和行動的計算機和機器的科學領域，這種推理、學習和行動通常需要人類智力，或者涉及超出人類分析能力的數(shù)據(jù)規(guī)模。

AI 是一個廣博的領域，涵蓋許多不同的學科，包括計算機科學、數(shù)據(jù)分析和統(tǒng)計、硬件和軟件工程、語言學、神經(jīng)學，甚至哲學和心理學。

在業(yè)務使用的操作層面上，AI 是一組主要基于機器學習和深度學習的技術，用于數(shù)據(jù)分析、預測、對象分類、自然語言處理、推薦、智能數(shù)據(jù)檢索等等。

AI 如何運作？

雖然不同 AI 技術的具體情況有所不同，但核心原則都是圍繞數(shù)據(jù)展開。AI 系統(tǒng)會通過接觸大量數(shù)據(jù)來學習和改進，以識別人類可能會忽視的模式和關系。

這個學習過程通常涉及算法，算法是指指導 AI 分析和決策的一組規(guī)則或指令。機器學習是 AI 的一個熱門細分領域，其算法基于已加標簽或未加標簽的數(shù)據(jù)進行訓練，以做出預測或?qū)π畔⑦M行分類。

深度學習是另一個專精領域，它利用多層人工神經(jīng)網(wǎng)絡來處理信息，模仿人類大腦的結(jié)構(gòu)和功能。通過持續(xù)學習和適應，AI 系統(tǒng)越來越擅長執(zhí)行從圖片識別到語言翻譯等特定任務。

人工智能的類型

人工智能可以采用多種方式進行組織，具體取決于開發(fā)階段或正在執(zhí)行的操作。

例如，AI 開發(fā)通常分為四個階段。

1. 反應式機器：有限的 AI，僅根據(jù)預編程規(guī)則對不同類型的刺激做出反應。不使用記憶，因此無法通過新數(shù)據(jù)進行學習。1997 年擊敗國際象棋冠軍加里·卡斯帕羅夫的 IBM 深藍超級計算機就是反應式機器的一個例子。
2. 有限記憶：人們認為大多數(shù)現(xiàn)代 AI 都擁有有限的記憶。它可以通過新數(shù)據(jù)（通常是通過人工神經(jīng)網(wǎng)絡或其他訓練模型）進行訓練，從而使用記憶隨著時間的推移進行改進。深度學習是機器學習的一個細分領域，它被視為具有有限記憶的人工智能。
3. 心智理論：心智理論 AI 目前不存在，但研究正在實現(xiàn)其可能性。它描述了可以模擬人類心智并具有與人類相同的決策能力的 AI，包括識別和記憶情感以及在社交場合中像人類一樣做出反應。
4. 自我意識：自我意識 AI 比心智理論 AI 前進了一步，它描述了一種神秘的機器，這種機器知道自己的存在并具有人類的智力和情感能力。與心智理論 AI 一樣，自我意識 AI 目前也不存在。

在對人工智能類型進行廣泛分類時，一種更有用的方法是按照機器可以做什么來分類。我們目前所說的所有人工智能都被認為是“窄”(narrow) 人工智能，因為它只能根據(jù)其編程和訓練來執(zhí)行一組范圍狹窄的操作。例如，用于對象分類的 AI 算法無法執(zhí)行自然語言處理。Google 搜索是一種窄 AI，預測分析或虛擬助理也是窄 AI。

Auri AI

Auri AI是一款人工智能寫作助手App

114

查看詳情

人工通用智能 (AGI) 是指機器可以像人類一樣“感知、思考和行動”。AGI 目前不存在。下一個等級將是人工超級智能 (ASI)，即機器可以在所有方面發(fā)揮出優(yōu)于人類的功能。

人工智能訓練模型

企業(yè)在談論 AI 時，通常會談論“訓練數(shù)據(jù)”?！坝柧殧?shù)據(jù)”是什么意思呢？請記住，擁有有限記憶的人工智能是利用新數(shù)據(jù)進行訓練，進而隨著時間的推移而改進的 AI。機器學習是人工智能的一個細分領域，它使用算法訓練數(shù)據(jù)來獲取結(jié)果。

概括來講，機器學習中經(jīng)常使用三種學習模型：

監(jiān)督式學習：一種使用帶標簽的訓練數(shù)據(jù)（結(jié)構(gòu)化數(shù)據(jù)）將特定輸入映射到輸出的機器學習模型。簡單來說，如需訓練可識別貓的圖片的算法，應向其提供標記為貓的圖片。

非監(jiān)督式學習：一種根據(jù)無標簽數(shù)據(jù)（非結(jié)構(gòu)化數(shù)據(jù)）學習模式的機器學習模型。與監(jiān)督式學習不同，最終結(jié)果不會提前知道。相反，算法會從數(shù)據(jù)中學習，并根據(jù)屬性將數(shù)據(jù)分類為多個組。例如，非監(jiān)督式學習擅長模式匹配和描述性建模。

除了監(jiān)督式和非監(jiān)督式學習之外，人們通常還會采用一種名為“半監(jiān)督式學習”的混合方法，其中只會對部分數(shù)據(jù)添加標簽。在半監(jiān)督式學習中，最終結(jié)果是已知的，但算法必須決定如何組織和構(gòu)造數(shù)據(jù)以獲得期望的結(jié)果。

強化學習：一種可以廣義地描述為“邊做邊學”的機器學習模型?！按怼蓖ㄟ^試錯（反饋環(huán)）學習執(zhí)行規(guī)定的任務，直到其表現(xiàn)處于理想范圍內(nèi)。當代理出色執(zhí)行任務時，它會獲得正強化；當代理表現(xiàn)不佳時，它會獲得負強化。強化學習的一個例子是教機械手撿球。