菜单图标

人工智能(AI)

人工智能使计算机和机器能够模仿人类思想的感知,学习,解决问题和决策能力。

什么是人工智能?

在计算机科学中,术语人工智能(AI)是指计算机,机器人或其他机器展出的任何人类智能。在流行的用法中,人工智能是指计算机或机器模仿人类思维能力的能力,从示例和经验,识别对象,理解和响应语言,做出决策,解决问题 - 以及组合这些和其他执行职能的能力可能会表现,例如征询酒店客人或驾驶汽车。

经过几十年来到科幻小说,今天,AI是我们日常生活的一部分。通过大量数据的突然可用性以及计算机系统的相应开发和广泛可用性,可以更快,更准确地比人类更准确地处理所有这些数据的突然可用性和计算机系统的相应开发和广泛可用性。 AI正在完成我们的单词,因为我们在我们询问,吸尘我们的地板时提供行车方向,并推荐我们应该购买的东西或狂欢。而且它正在推动应用程序 - 例如医学图像分析 - 帮助熟练的专业人员更快,更加成功。

作为人工智能的常见是今天,了解AI和AI术语可能是困难的,因为许多术语可互换使用;虽然它们在某些情况下实际上可以互换,但它们并不在其他情况下。人工智能和机器学习有什么区别?在机器学习和深度学习之间?语音识别和自然语言处理之间?弱ai和强壮的ai之间?本文将尝试通过这些和其他术语来帮助您解决AI如何工作的基础知识。

人工智能,机器学习和深度学习

了解人工智能(AI),机器学习和深度学习之间关系的最简单方法如下:

  • 考虑到 人工智能 作为整个计算技术的宇宙,展示了远程类似人类智力的东西。 AI系统可以包括来自专家系统的任何内容 - 解决问题的应用程序,该应用程序基于复杂规则或if /那么逻辑 - 与虚拟动物字符Wall-e相同的东西,它是一种开发智能的计算机,自由将和人类的情感。  
  • 机器学习 是自身学习的AI应用程序的子集。它实际上重新编程了自己,因为它会摘要更多数据,以执行旨在以越来越大的准确性执行的特定任务。  
  • 深度学习 是一种机器学习应用程序的子集,它教授自己以越来越大的准确性执行特定任务,没有人为干预。
人工智能,机器学习与深度学习关系的Diaga

让我们仔细看看机器学习和深度学习,以及它们的不同。

机器学习

机器学习应用(也称为机器学习模型)基于一个 神经网络, 这是一种算法计算网络,试图模仿人脑的感知和思维过程。在最基本的基本上,神经网络包括以下内容:

  • 一个 输入水平,数据进入网络。
  • 最后一个 隐藏的水平其中机器学习算法处理输入并应用重量,偏置和阈值到输入。
  • 一个 输出层,各种结论 - 该网络具有各种置信度出现。
基本神经网络的图。

不是深度学习模型的机器学习模型基于只有一个隐藏层的人工神经网络。这些模型是喂养的 标记数据-data增强了标签,以识别其特征,以帮助模型识别和理解数据。他们有能力 监督学习 (即,需要人类监督的学习),例如模型中的算法定期调整。

深度学习

深度学习 模型是基于的 深神经网络 - 具有多个隐藏层的神经网络,每个隐藏层进一步改进了前一层的结论。调用通过隐藏层到输出层的计算的这种转移 转发传播。另一个过程,称为 backpropagation.,识别计算中的错误,分配它们权重,并将它们推回之前的层以优化或培训模型。

深神经网络的图。

虽然一些深入的学习模型与标记数据有用,但许多人可以使用未标记的数据和许多。深度学习模型也有能力 无人监督的学习 - 以最少的人类监督为数据的数据和模式。

深度学习和其他机器学习之间的差异的简单说明是Apple的Siri或Amazon的Alexa(这识别您的语音命令而不训练的语音命令)以及十年前的语音应用程序,这需要用户“培训“在使用前通过将单词的分数发言来”程序(并标记数据)。但是深度学习模型电力远远更复杂的应用,包括图像识别系统,可以比人类更快速和准确地识别日常物体。

对于深入潜入这些技术之间的细致差异,阅读“AI与机器学习与深度学习与神经网络:有什么区别?

人工智能 - 弱AI与强壮AI的类型

弱ai-oi-oc叫窄的ai或人工狭窄的智能(ANI)-is ai培训并专注于执行特定任务。弱AI驱动今天我们周围的大部分AI。 '狭窄'是这个AI更准确的描述符,因为它是弱者的;它可以实现一些非常令人印象深刻的应用程序,包括Apple的Siri和亚马逊的Alexa,IBM Watson计算机征服人类竞争对手 危险和自驾车。

强壮的AI,也称为人工综合情报(AGI),是AI更完全复制人脑-AI的自主权,可以解决许多类型或类别的问题,甚至选择它想要解决的问题而没有人为干预。强壮的ai仍然是完全理论的,今天没有使用实际的例子。但这并不意味着AI研究人员还没有探索(魔术)人为超级智力(ASI),这是人工智能优于人类智力或能力。 ASI的一个例子可能是Hal,超人(和最终流氓)计算机助理 2001年:一个太空奥德赛。

人工智能应用

如前所述,人工智能在今天到处都是,但其中一些已经超过了你的想法。以下是最常见的例子中的一些:

  • 语音识别: 还称为文本的语音(STT),语音识别是AI技术,可识别口语单词并将它们转换为数字化文本。语音识别是驱动计算机听测软件,电视语音遥控器,启用语音信息的功能和GPS的能力,以及语音驱动的电话应答菜单。
  • 自然语言处理(NLP): NLP. 启用软件应用程序,计算机或计算机,以了解,解释和生成人类文本。 NLP是数字助理(如上述Siri和Alexa)的AI, 聊天以及其他基于文本的虚拟帮助。一些NLP使用 情绪分析 检测语言的情绪,态度或其他主观品质。
  • 图像识别(计算机视觉 或者 机器视觉): AI技术可以在静止或运动图像内识别和分类对象,人员,写作甚至行动。通常由深神经网络驱动,图像识别用于指纹ID系统,移动检查存款应用,视频和医学图像分析,自驾驶汽车等等。
  • 实时建议: 零售和娱乐网站使用神经网络以根据客户过去的活动,其他客户的过去的活动,以及其他客户的过去的其他因素,包括日常的其他因素,包括额外的购买或媒体,以提请额外的购买或媒体吸引客户。研究发现,在线建议可以增加5%至30%的任何地方。
  • 病毒和垃圾邮件预防: 一旦由基于规则的专家系统驱动,今天的病毒和垃圾邮件检测软件就可以使用深度神经网络,可以学会检测新类型的病毒和垃圾邮件,因为网络犯罪分子可以梦想它们。
  • 自动股票交易: 旨在优化股票投资组合,AI驱动的高频交易平台每天赚取数千甚至数百万个交易,而不会进行人为干预。
  • 乘坐股票服务: Uber,Lyft和其他乘坐服务使用人工智能与驾驶员匹配乘客以尽量减少等待时间和绕行,提供可靠的ETAS,甚至消除了在高流量期间对浪涌定价的需求。
  • 家用机器人: Irobot的Roomba真空使用人工智能来确定房间的大小,识别和避免障碍,并学习最有效的吸尘途径。类似的技术驱动机器人草坪割草机和泳池清洁剂。
  • 自动驾驶仪技术: 这一直是飞行商业和军用飞机。今天,AutoPilot使用传感器,GPS技术,图像识别,碰撞技术,机器人和自然语言处理的组合,以防止飞机通过天空安全,并根据需要更新人类飞行员。根据您提出的谁,今天的商业飞行员花费短短三个半分钟手动驾驶飞行。

人工智能史:关键日期和名称

“一台机器认为”可以追溯到古希腊的想法。但由于电子计算的出现(以及相对于本文中讨论的一些主题)人工智能演进中的重要事件和里程碑包括以下内容:

  • 1950: 艾伦图灵出版 计算机械和智力。 在论文中,为了在第二次世界大战期间打破纳粹的谜代码而着名 - 建议回答“可以机器的问题”?'并介绍这一点 图灵测试(链接驻留在IBM之外) 确定计算机是否可以展示与人类相同的智力(或相同智力的结果)。自来试验的价值已经争论。
  • 1956: John McCarthy在达特茅斯学院首次举行的“人工智能”一词。 (麦卡锡将继续发明Lisp语言。)当年晚些时候,Allen Newell,J.C.Shaw和Herbert Simon创建了逻辑理论家,是一家首次运行的AI软件程序。
  • 1967: Frank Rosenblatt将基于神经网络的第一台计算机构建Mark 1 Perceptron,这是“学习”的试验和错误。只有一年后,Marvin Minsky和Seymour Papert发布​​了一本名为 感知者,这成为神经网络上的地标工作,并且至少有一段时间是针对未来神经网络研究项目的争论。
  • 1980s: 神经网络以训练网络的训练算法为特色 - 广泛用于AI应用。
  • 1997: IBM的深蓝色节拍随后世界国际象棋冠军加里·卡斯帕罗娃,在国际象棋比赛(和重复)。
  • 2011: IBM WATSON. Beys Champions Ken Jennings和Brad Rutt 危险!
  • 2015: 百度的Minwa超级计算机使用一种特殊的深神经网络,称为卷积神经网络,以识别和分类比平均人类更高的精度率更高的图像。
  • 2016: 深入的alphango计划,由深度神经网络提供动力,在五场比赛中击败了世界冠军去球员的Lee Sodol。鉴于游戏的进展情况大量可能的举措(仅在四次移动后超过14.5万亿!),胜利是重要的。后来,谷歌为据报道了4亿美元购买了Deepmind。

人工智能和IBM云

IBM一直是一个领导者 推进AI驱动的技术 为企业并开创 机器学习系统的未来 对于多个行业。基于几十年的AI研究,多年与各种规模组织合作的经验,以及来自30,000多个IBM Watson参与的学习,IBM已开发 AI梯级成功人工智能部署:

  • 收藏: 简化数据收集和可访问性。
  • 分析: 构建可扩展且值得信赖的AI驱动系统。
  • 注入: 整合和优化整个业务框架的系统。
  • 现代化: 将您的AI应用程序和系统带到云端。

IBM WATSON. 为企业提供他们需要改变其业务系统和工作流程的AI工具,同时显着提高自动化和效率。有关IBM如何帮助您完成您的AI旅程的更多信息,请探索IBM PORTFOLIO 托管服务和解决方案

注册IBMID和 创建IBM云帐户.