当前位置：人工智能入门指南
2020/04/23 11:41 分类： 行业新闻 浏览：1
什么是人工智能？
人工智能是对人类行为的模拟，涉及到解决问题的智力过程。这些过程包括学习、分析、计划、感知、推理、纠正、语音识别、语言学和其他人类认知科学的发展。
为什么人工智能很重要
AI通过让机器从过去的经验中学习、将努力和行动映射到结果、识别错误、纠正错误、适应新的和随机的输入值以及通过深入分析场景轻松地执行类似人类的任务来简化任务。为此，AI使用自然语言处理来理解自然人类交流，并将其内部翻译为机器理解的代码。人工智能也依赖于深度学习来完成这一任务。通过这些技术的应用，人工智能通过处理大量的数据和识别熟悉的或新的数据模式，训练计算机在最少的人工干预下执行特定的任务。
人工智能的目标
- 建立专家系统：它涉及到自动系统的创建，该系统展示了智能行为，并建议人们选择正确的行动路线。
- 在计算机中实现人类智能：它将有助于在计算机中创造相同的认知模式，帮助他们像人类一样行为，并采取适当的行动来解决复杂的问题。这将通过算法的应用使自动化过程和减少人工工作量成为可能。
- 多域应用程序：人工智能将在计算机科学、认知科学、统计学、心理学、医学、工程、伦理学、自然科学、医疗保健、空间技术、逻辑、语言学、电子商务等多个实施领域提供帮助。
- 计算机科学应用：人工智能有助于解决计算机科学领域的许多难题，如搜索和优化、逻辑、控制理论、语言分析、神经网络、分类器和统计学习方法，以及不确定推理的概率方法。
人工智能的演化
1956年由一位名叫约翰麦卡锡(JohnMcCarthy)的科学家发明的“人工智能”(ArtificialIntelligence)一词，由于数据量大、算法和编程先进，以及计算机存储和电源方面的进步，如今变得越来越重要。
人工智能系统的实现和建设取决于以下技术：
- 自然语言处理：它是研究计算机如何与一种自然的人类语言互动，并获得一种理解，以采取适当的行动。语音识别和合成是两种NLP应用。语音助理，如Siri，谷歌助理，亚马逊的Alexa等等，都是NLP实现的例子。使用的其他机制包括解析、文本识别、词性标注、文本挖掘、机器翻译和信息检索.
- 向量机：这些机器有助于根据参数值进行信息分类。区分的使用在向量机的实现中起着重要的作用。图像识别、人脸识别和文本识别系统是向量机的实现。
- 启发式：在学习理解错误和避免错误的过程中，基本的人类行为被启发式所采纳，这种行为是在尝试和错误上起作用的。这涉及到与人类大脑相似的错误和纠正的映射。
- 人工神经网络：人工神经网络(ANN)技术通过识别数据输入中的模式，对人脑的布线和行为进行建模。ANN处理大量的数据来识别模式，并映射它们来做出类似于人脑所做的决定。为此，它采用监督学习、无监督学习、模式识别、强化学习、机器学习和深度学习等方法来模仿人类的学习行为。
AI的类型
各种类型的人工智能分为两类：第一类(基本)和第二类(预支)。1型人工智能系统是基于输入和基于可变参数的程序输出的智能机器。第二类人工智能系统考虑决策时存在的实时事件、场景和实体，并采取相应的行动。观察和动态情况影响第二类人工智能系统，也被称为感觉系统，因为它们识别、分析和反应就像人类有情感一样。
- 弱人工智能或狭义人工智能：该方法通过一系列相关任务的通用自动化，将重点放在一个狭窄的任务上，而不是一个任务数组上。这是一种机制，使能力有限的不那么智能的机器在不影响其智能处理能力的情况下遵循这种机制。一个例子是纸牌游戏，其中所有的机器指令、规则和有效的动作都被输入到机器中，当机器与人类对抗时。
- 强大的人工智能：在该系统中，计算机通过人工智能对弱人工智能进行分析和推理，并在解决更复杂的问题上表现出类似的行为。机器似乎更有感觉，因为它们使用复杂的内部算法来响应查询。像Siri&Google助手这样的语音助理以更真实的方式回答随机问题就是强人工智能的例子。
- 反应性机器：这些机器目前并不根据过去的信息采取行动。它们是最基本的类型，可以根据各种参数的当前值来预测某个结果，而不依赖于存储的过去的数据或内存。棋类游戏软件是一个反应机器的例子，它是基于动作的响应，而不是用事先的知识来操作它。
- 有限内存：这些人工智能系统可以利用基于过去经验的信息来影响未来的决策。驾驶助手是根据随机和动态参数值进行现场决策的例子.他们利用以前去过的地方的记忆来显示最好的穿越路线。
- 思想理论：这些人工智能机器对基于情绪、信念、想法、情景等的反应做出反应。它们对社会互动和人类行为观察都很有用。
- 自我意识：这些系统使用自己的容性思维，称为“超级智能”，基于对内在特征、状态、机会和条件的自我意识。这只是一种可能性，有未来实现的空间。
人工智能的主要好处
人工智能的五大好处可以与其在现代商业和个人应用中的实现联系起来。
- 客户互动的自动化：大多数客户互动需要人工干预。人工智能可以用来自动化电子邮件、电话、在线聊天、查询响应、购买建议、社交媒体对话等。以前的客户互动模式都是内部存储的，以便分析和提供更好的客户体验。
- 实时援助：这对于那些需要实时满足大量客户需求、严格的时间限制的企业来说是非常有用的。例如，机票管理系统，那里的实时天气和航班状态信息需要与客户以个性化的方式共享。
- 数据挖掘能力：使用基于云的人工智能将在处理大数据后快速发现相关信息.这可以提供更好的洞察如何提高业务绩效和获得竞争优势。
- 预测能力：人工智能系统建立在对过去的数据分析的基础上，并根据它们所拥有的动态信息进行预测。许多库存管理系统和在线市场都利用人工智能的这一优势来利用它们的销售，并决定哪些产品需要储存以进行销售。
- 操作自动化：人工智能系统为操作自动化提供跨功能的智能。他们很容易与其他技术合作，从而在各个领域做到这一点。例如，家庭通风系统的温度控制和智能加热/冷却，以及消费食品行业的冷藏库。通过与RFID和云技术的协作，库存跟踪变得容易了。
ML与AI的差异
机器学习
机器学习是人工智能的一个分支，它定义了目标，并将实现这一目标的步骤与要考虑的规则和替代行动一起输入到系统中。这些信息是由根据经验改进自己的系统自动学习的。. 生成算法的程序集成了输入和输出，提高了效率。
- 主要目的是产生准确的结果，而不是产生想要的结果。
- 它不涉及基于改变参数的随机化，而是基于固定的值。
- ML的目标是从一组预定的数据中学习，并为机器性能提供更好的机械解决方案，而不涉及决策。
- 它完全基于算法，为输入和输出提供结构化的数据格式。
- 它涉及到知识的积累，而不考虑什么是对的或什么是错的。
- ML的重要功能包括在大型数据集中进行模式识别并对它们进行操作。
人工智能
人工智能是基于机器获取知识并根据各种真实场景和实时数据熟练地应用知识的能力。在人工智能中，目标是以类似人类的方式来代替人来执行特定的、独立的或相互依赖的任务。AI可以结合多种编程集成、验证和模式识别方法，以以预期的方式运行。
- 人工智能的主要目的是通过智能数据分析、挖掘和更深入的理解来产生结果。
- 它涉及到在参数是动态的情况下，基于智能实时处理和自动化产生结果。
- 人工智能的目标是通过更好的决策来模拟人类的智能，为复杂的问题提供现实的解决方案。
- 它基于机器对环境和复杂问题的响应，没有固定的算法。它涉及多个层次和形式的分析，以寻求最优解。
- 它导致了用智慧学习的智慧和自己强加的是非判断力。
- 人工智能包括计算机通过了解过去的迭代和应用需要不同能力的替代信息处理和认知分析来进行智能学习。
人工智能的Pros和Cons
Pros
- 通过分析、过滤、排序、预测、范围界定和确定大数据量来简化工作，以遵循产生最佳解决方案的最佳实现过程。
- 当人工智能系统有效地执行日常任务时，执行普通任务的速度更快、效率更高，错误减少。
- 在技术驱动的复杂任务和困难/不确定的探索中实现高度响应的人工智能系统可以获得精确的结果。
- 它们在所有环境中都能发挥作用，而不受物理、环境或情感上的束缚。
- 人工智能系统进行实时仿真，就好像它们是真实生活的场景，以获得更好、更真实的结果。
- 数据和关键信息的安全和保护由人工智能系统维护，漏洞自动修复或通知
- 高质量分析和结果是由与各种技术系统紧密结合的人工智能系统提供的。
Cons
- 相关费用很高，因为人工智能系统具有复杂的编程能力
- 维修和保养不仅昂贵，而且复杂，需要高水平的专门知识。
- 在各种关键情况下，人工智能系统缺乏人的判断力，比如战斗机例行程序中的目标选择或股票价值变化期间的投资呼叫。
- 人工智能系统将导致人类在未来失去工作，因为他们将接管，特别是在银行和零售领域。
- 这些系统可能因内部故障或外部系统漏洞而被滥用或更改。
- 人工智能系统无法改进功能或基础设施，除非这些系统是由人类开发的，这可能会使它们在某些情况下过时。
人工智能应用实例
- 云计算、api和开源技术都是人工智能的例子。
- 外科设备与医疗保健技术中的人工智能机器人
- 医学诊断中的图像处理
- 交通管理系统
- 气候变化探测
- 自然灾害预警系统
- 自动驾驶车辆包括汽车、公共汽车、两轮驱动、潜艇、自动驾驶仪飞行和无人驾驶飞机。
- 教育领域的分级制度
- 服务器上的欺诈和垃圾邮件检测
- 像谷歌翻译这样的语言翻译软件
- Netflix等产品和服务的推荐软件
- 机票预订系统
- 聊天机器人与个性化学习
人工智能的未来
赞 0
