[[269504]]

人們現(xiàn)在談?wù)摰娜斯ぶ悄芎孟襁€在遙遠(yuǎn)的未來，但實際上，它已經(jīng)在我們的生活中激增。從我們給孩子購買的***玩具機器人寵物到執(zhí)行預(yù)定手術(shù)的外科醫(yī)生機器人，再到十分了解我們對音樂、電影、廣告的偏好的推薦系統(tǒng)，我們實際上已經(jīng)進(jìn)入了人工智能，與它同在。

隨著“人工智能”變得更加智能和普遍，我們內(nèi)心會產(chǎn)生一種自然的恐懼。有人會擔(dān)心在我們的社會中沒有正確實施人工智能帶來的反烏托邦，有人會擔(dān)心AI會取代我們所有的工作，有人擔(dān)心我們對這些技術(shù)會過分沉迷，又或者，我們其實可以嘗試?yán)斫膺@一切，回過頭來真正評估我們的工作場所實施AI的成本和收益，從而使得每個人都可以在通過人工智能真正塑造自己的未來。

什么是人工智能?

從歷史上看，Alan Turing的“思考機器”和John McCarthy的“可以自主思考的機器”都是用于AI的定義。隨著人工智能系統(tǒng)的發(fā)展，我們現(xiàn)在將人工智能稱為“對與人類傳統(tǒng)反應(yīng)一致的刺激做出反應(yīng)的機器，具有人類思考、判斷和意圖的能力。”

人工智能就像這個詞暗示的那樣，智能是人為的，由人類編程來執(zhí)行人類活動。這種人工智能被整合到計算機系統(tǒng)中，以創(chuàng)建最終作為“思考機器”單元的AI系統(tǒng)。

• 一般AI Systems可以智能地解決問題。 (例如：人工智能股票交易系統(tǒng))
• 窄AI系統(tǒng)可以很好地執(zhí)行特定任務(wù)。 (例如：AI驅(qū)動的制造臂)

根據(jù)Darrell M. West的布魯金斯學(xué)會報告，這些系統(tǒng)有三個特征：意向性、智能和適應(yīng)性。

• 意向性 - 人類設(shè)計AI系統(tǒng)的目的是根據(jù)歷史或?qū)崟r數(shù)據(jù)或兩者兼而有之做出決策。這些AI系統(tǒng)包含預(yù)訂的響應(yīng)。
• 智能 - 人工智能系統(tǒng)通常將機器學(xué)習(xí)、深度學(xué)習(xí)和數(shù)據(jù)分析與人工智能相結(jié)合，從而實現(xiàn)智能決策。這種智能不是人類的智慧，只能說是對人類智能的***的近似。
• 適應(yīng)性 - 人工智能系統(tǒng)具有在編制信息和做出決策時學(xué)習(xí)和適應(yīng)的能力。隨著AI系統(tǒng)從實時數(shù)據(jù)中學(xué)習(xí)，AI系統(tǒng)可以改進(jìn)其決策能力以提高結(jié)果。 

人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)

人工智能系統(tǒng)通常采用人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)來創(chuàng)建一個復(fù)雜的智能機器，可以很好地執(zhí)行給定的人類功能。這三個單元越來越多地成為整個人工智能系統(tǒng)的智力拼圖的獨立部分。

機器學(xué)習(xí) - 它是人工智能的一種應(yīng)用，它為AI系統(tǒng)提供了自動學(xué)習(xí)環(huán)境的能力，并應(yīng)用該學(xué)習(xí)來做出更好的決策。機器學(xué)習(xí)使用各種算法來迭代學(xué)習(xí)、描述和改進(jìn)數(shù)據(jù)，以便預(yù)測更好的結(jié)果。這些算法使用統(tǒng)計技術(shù)來發(fā)現(xiàn)模式，然后對這些模式執(zhí)行操作。

深度學(xué)習(xí) - 它是下一代機器學(xué)習(xí)。它是機器學(xué)習(xí)的一個子集，深度學(xué)習(xí)模型可以使他們自己的預(yù)測完全獨立于人類。在許多情況下，過去的機器學(xué)習(xí)模型仍需要人為干預(yù)才能達(dá)到***結(jié)果，深度學(xué)習(xí)模型使用人工神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)的設(shè)計靈感來自于人腦的生物神經(jīng)網(wǎng)絡(luò)，它分析數(shù)據(jù)的邏輯結(jié)構(gòu)類似于人類得出結(jié)論的方式。

監(jiān)督機器學(xué)習(xí)VS非監(jiān)督機器學(xué)習(xí)VS強化學(xué)習(xí)

機器學(xué)習(xí)的基礎(chǔ)包括從環(huán)境中學(xué)習(xí)，然后將學(xué)習(xí)應(yīng)用于決策。為了有效地做到這一點，有一些機器學(xué)習(xí)算法使之成為可能。

監(jiān)督機器學(xué)習(xí) - 在監(jiān)督學(xué)習(xí)中，目標(biāo)是提出一種映射函數(shù)(f)，它將***地描述輸入數(shù)據(jù)(x)以結(jié)束輸出數(shù)據(jù)(Y)。我們知道x和Y，但是，我們必須找到能夠達(dá)到一定性能水平的映射函數(shù)(f)。然后，我們可以將映射函數(shù)(f)應(yīng)用于新數(shù)據(jù)以獲得類似的結(jié)果，訓(xùn)練數(shù)據(jù)用于查找函數(shù)f。

Y = f(X) 

有兩種類型的監(jiān)督機器學(xué)習(xí)問題：分類和回歸取決于輸出變量的類型。如果輸出變量是分類的，則它是分類問題。(例如：顏色可以是紅色、藍(lán)色、紫色等......)如果輸出變量是實數(shù)值，那么它就是回歸問題。 (例如：高度可以是0英尺到10英尺)

監(jiān)督機器學(xué)習(xí)算法列表包括：

• 線性回歸
• 支持向量機
• Logistic回歸
• 樸素貝葉斯
• 線性判別分析
• 決策樹
• K-最近鄰算法

無監(jiān)督機器學(xué)習(xí) - 與監(jiān)督機器學(xué)習(xí)不同，無監(jiān)督機器學(xué)習(xí)不假設(shè)正確的輸出集合“Y”。沒有輸出。這里的目標(biāo)是呈現(xiàn)最有趣的結(jié)構(gòu)，***地描述輸入數(shù)據(jù)。

有兩種類型的無監(jiān)督機器學(xué)習(xí)問題：聚類和關(guān)聯(lián)。當(dāng)您在輸入數(shù)據(jù)中發(fā)現(xiàn)分組時，聚類問題就出現(xiàn)了。(示例：按性別對投票行為進(jìn)行分組)關(guān)聯(lián)是指您在輸入數(shù)據(jù)中發(fā)現(xiàn)規(guī)則。 (例如：女性選民傾向于為女性候選人投票)

無監(jiān)督機器學(xué)習(xí)算法列表包括：

• 分層聚類
• K均值聚類
• 混合模型
• DBSCAN
• 局部異常因子
• 神經(jīng)網(wǎng)絡(luò)
• 期望***化算法
• 主成分分析
• 非負(fù)矩陣分解

強化學(xué)習(xí) - 與受監(jiān)督的ML和無監(jiān)督的ML不同，強化學(xué)習(xí)的重點是找到***路徑，以便在某種情況下***化獎勵。該決定是按順序進(jìn)行的。在每個步驟中，算法都采用總獎勵的路徑，它將具有正面或負(fù)面獎勵。總獎勵是沿著路徑的所有正面和負(fù)面獎勵的總和。目標(biāo)是找到***化獎勵的***途徑。 (一個很好的例子是支持AI的股票交易系統(tǒng)。)

• Q學(xué)習(xí)
• 策略迭代
• State-Action-Reward-State-Action(SARSA)
• 深Q網(wǎng)絡(luò)
• 深度確定性策略梯度

深度學(xué)習(xí)是下一代機器學(xué)習(xí)

深度學(xué)習(xí)是下一代機器學(xué)習(xí)算法，它使用多個層逐步從原始輸入中提取更高級別的特征(或理解)。例如，在圖像識別應(yīng)用中，深度學(xué)習(xí)算法不僅僅識別矩陣像素，而是識別某個級別的邊緣，另一個級別的鼻子，并且面向另一個級別。由于能夠從上層一直向上理解數(shù)據(jù)，深度學(xué)習(xí)算法可以隨著時間的推移改善其性能，并在任何給定的時刻做出決策。

深度學(xué)習(xí)算法的強大之處在于它能夠承擔(dān)監(jiān)督學(xué)習(xí)任務(wù)以及無監(jiān)督學(xué)習(xí)任務(wù)。它也近似于人類大腦的許多大腦發(fā)育理論。

深度學(xué)習(xí)算法現(xiàn)在被計算機視覺系統(tǒng)，語音識別系統(tǒng)，自然語言處理系統(tǒng)，音頻識別系統(tǒng)，生物信息學(xué)系統(tǒng)和醫(yī)學(xué)圖像分析系統(tǒng)使用。

進(jìn)一步了解深度學(xué)習(xí)算法的基礎(chǔ)知識：

• 卷積神經(jīng)網(wǎng)絡(luò)
• 人工神經(jīng)網(wǎng)絡(luò)
• 前饋神經(jīng)網(wǎng)絡(luò)
• 多元線性回歸
• 梯度下降
• Logistic回歸

現(xiàn)實生活中的應(yīng)用

在現(xiàn)實生活中，問題很少是簡單的。 AI最適合解決某些問題。通常，AI最適合在解決問題時執(zhí)行某些步驟，而將其余部分留給人類。例如，AI啟用的聊天機器人可能能夠跟蹤員工的項目，獲得狀態(tài)的更新，但是，管理人員仍然需要構(gòu)建團(tuán)隊、激勵團(tuán)隊并引導(dǎo)團(tuán)隊朝著正確的方向前進(jìn)。

適合AI解決的問題：

• 重復(fù)性任務(wù) - 按照邏輯步驟得出結(jié)論的手動任務(wù)。 (例如：包裝貨物，準(zhǔn)備在倉庫交貨)
• 數(shù)據(jù)密集型任務(wù) - 涉及分析大量數(shù)據(jù)以查找模式和異常的任務(wù)。 (例如：從財務(wù)記錄中發(fā)現(xiàn)欺詐行為。)
• 超級人類任務(wù) - 需要超人能力的任務(wù)，并說明人類感官技能和精細(xì)運動技能的局限性。 (例如：機器人外科醫(yī)生可以使用最精確的動作進(jìn)行非侵入性手術(shù)。精細(xì)調(diào)整的計算機視力可以在人眼無法進(jìn)行MRI檢查時發(fā)現(xiàn)腫瘤。)

隨著人工智能系統(tǒng)的發(fā)展，我們面臨的挑戰(zhàn)是面對人類自身的局限性。雖然人工智能為我們的生活帶來了更多的效率，但我們面臨著將人工智能融入我們生活所帶來的新問題。 只有更多的理解和更少的恐懼，我們才能授權(quán)自己在人工智能時代前進(jìn)。