首頁熱門文章
新世界中的機器學習與人工智能
發布時間：2018-07-06 分類：交通百科
對一些人來說，提到人工智能(AI)會喚起機器人瘋狂奔跑的畫面，因為人類勇敢地試圖把精靈放回瓶子里。但現實情況是，如今的人工智能機器從經驗中學習的能力，以及只為人類完成任務的能力，這已經成為現實，并充滿了豐富和改善人類生活的可能性。
機器學習是人工智能的關鍵組成部分之一，自20世紀50年代以來一直是技術世界的一部分，當時最早的程序員要求計算機理解大量數據。程序員日益提高機器學習數據的能力，以便發現模式，使計算機能夠組織信息、識別關系、作出預測和發現異常。如今，人工智能的現代應用已經為我們提供了自動駕駛汽車和虛擬助手，并幫助我們發現欺詐和更有效地管理電力等資源。
零售、體育、銀行、制造業和醫療保健等多個行業都在機器學習和人工智能領域找到了應用。
現在的機器能夠非常精確地執行精確定義的任務，但是-這是一個重要的警告-精度只與驅動模型的數據的質量以及在某些情況下的數量一樣好。目前機器學習的發展狀況，加上經過仔細考慮的數據的輸入，將使現有產品有可能得到無數的改進，并最終開發出獨立的人工智能，盡管不是完全自主的“瘋狂運行的機器人”類的人工智能設備。
但隨著機器學習的深入，我們正朝著日益復雜的人工智能邁出下一步：深入學習。對深度學習的復雜分析是通過神經網絡實現的，因為它們松散地模仿人腦的相互聯系的結構，提供了多層次的功能。
事實上，這些神經網絡是如此復雜，以至于機器得出結論的路徑還不容易理解。深度學習使用巨大的、自我完善的神經網絡-只有在最近的計算能力的進步下才有可能實現更廣泛的可訪問性-以實現極其復雜的模式識別，比如識別語音或圖像。
只有在真正有意義的情況下才會使用深度學習，在這種情況下，它可以很快地發現隱藏在大量數據中的復雜的、可變的關系，而這些數據是我們還無法以任何其他方式提取出來。但是深度學習意味著機器可以通過與人類完全不同的分析視角來觀察問題。它可以用來處理各種問題。我們每天收集的所有數據的潛力尚未實現。
在人工智能的第二個關鍵組成部分-自然語言處理(NLP)-如何演變為自然語言理解(NLU)方面也取得了進展。如果NLP是一種將口語或書面語翻譯成一種算法可以理解的形式，然后以人們能夠理解的口語或書面語做出反應的能力，那么NLU就更加熟悉了：能夠推斷語言中的含義，然后做出相應的反應，就像人們本能地做的那樣。Siri和Alexa是讓人工智能變得更簡單、更人性化的第一步。
