你应该知道的人工智能三大分类

大数据文摘作品 转载具体要求见文末

来源|adenin technoledges

选文|Aileen 翻译|蒋晔 校对|Mirra

人工智能进入了一切领域——从自动驾驶汽车,到自动回复电子邮件,再到智能家居。 你似乎可以获得任何商品(例如医疗健康,飞行,旅行等),并通过人工智能的特殊应用使其更加智能。所以除非你相信事件具有终结者般的转折,你可能会问自己,人工智能能够预示着工作场所或整体的业务线的什么利益。

人工智能主要有三个分支:

◆ ◆ ◆

1) 认知AI (cognitive AI)

认知计算是最受欢迎的一个人工智能分支,负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性,同时还持续不断地在数据挖掘、NLP(自然语言处理)和智能自动化的经验中学习。

现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定,用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性,并生成更快、更可靠的答案。

◆ ◆ ◆

2) 机器学习AI (Machine Learning AI)

机器学习(ML)AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿,但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”,然后在没有过多的人为解释的情况下,用这些模式来预测结果,而这些模式在普通的统计分析中是看不到的。

然而机器学习需要三个关键因素才能有效:

a) 数据,大量的数据

为了教给人工智能新的技巧,需要将大量的数据输入给模型,用以实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特征,同时发送它所收集的所有数据、驾驶员的干预措施、成功逃避、错误警报等到总部,从而在错误中学习并逐步锐化感官。 一个产生大量输入的好方法是通过传感器:无论你的硬件是内置的,如雷达,相机,方向盘等(如果它是一辆汽车的话),还是你倾向于物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感器、公共数据库等只是越来越多的通过互联网连接的传感器中的一小部分,这些传感器可以生成大量数据(多到让任何正常的人来处理都太多)。

b) 发现

为了理解数据和克服噪声,机器学习使用的算法可以对混乱的数据进行排序、切片并转换成可理解的见解。(如果你想吓跑你的同事,请先听听常用的不同排序算法)

视频全长5:50,请在WiFi条件下观看,土豪随意

视频内容

从数据中学习的算法有两种,无监督算法和有监督算法。

无监督算法只处理数字和原始数据,因此没有建立起可描述性标签和因变量。该算法的目的是找到一个人们没想到会有的内在结构。这对于深入了解市场细分,相关性,离群值等非常有用。

另一方面,有监督算法通过标签和变量知道不同数据集之间的关系,使用这些关系来预测未来的数据。这可能在气候变化模型、预测分析、内容推荐等方面都能派上用场。

c) 部署

机器学习需要从计算机科学实验室进入到软件当中。越来越多像CRM、Marketing、ERP等的供应商,正在提高嵌入式机器学习或与提供它的服务紧密结合的能力。

◆ ◆ ◆

3) 深度学习(Deep Learning)

如果机器学习是前沿的,那么深度学习则是尖端的。这是一种你会把它送去参加智力问答的AI。它将大数据和无监督算法的分析相结合。它的应用通常围绕着庞大的未标记数据集,这些数据集需要结构化成互联的群集。深度学习的这种灵感完全来自于我们大脑中的神经网络,因此可恰当地称其为人工神经网络。

深度学习是许多现代语音和图像识别方法的基础,并且与以往提供的非学习方法相比,随着时间的推移具有更高的准确度。

希望在未来,深度学习AI可以自主回答客户的咨询,并通过聊天或电子邮件完成订单。 或者它们可以基于其巨大的数据池在建议新产品和规格上帮助营销。或者也许有一天他们可以成为工作场所里的全方位助理,完全模糊机器人和人类之间的界限。

人工智能通过在其上使用的数据规模来生存和改进,这意味着不但我们能够随着时间的推移看到更好的人工智能,而且它们的发展将会围绕着那些可以挖掘最大数据集的组织。

来源:http://blog.adenin.com/blog/the-3-genres-of-ai-you-should-know-about?utm_source=medium-blog&utm_campaign=3-genres-of-ai-you-should-know-about&utm_medium=blog

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2016-11-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

深度学习哪家强?吴恩达、Udacity和Fast.ai的课程我们替你分析好了

翻译 | AI科技大本营(rgznai100) 参与 | reason_W 引言 过去2年,我一直积极专注于深度学习领域。我对深度学习的兴趣始于2015年初,那...

4136
来自专栏新智元

《深度学习革命》作者:GAN令我惊艳,现在的人们对AI操之过急了

近日,计算神经科学家、《深度学习革命》一书作者Terrence Sejnowski在接受采访时表示,现在像“深度学习”和“神经网络”这样的流行语无处不在,但是大...

1043
来自专栏人工智能头条

大伽「趣」说AI:腾讯云在多个场景中的AI落地实践

AI技术已经家喻户晓。不论是移动终端设备,还是企业系统平台,都开始集成AI能力,现阶段看,AI融合到各个行业的潜力非常巨大,能够在众多场景中发挥作用,比如云计算...

1534
来自专栏机器之心

观点 | 人工智能的三个阶段:我们正从统计学习走向语境顺应

选自DataScienceCentral 作者:William Vorhies 机器之心编译 参与:黄小天、微胖、李泽南 我们处在人工智能的哪个阶段?我们将要去...

3609
来自专栏人工智能

2 分钟论文:语音生成表情包背后的技术原理

AI 科技评论出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。 来源 /Two Minute Papers 翻...

2505
来自专栏钱塘大数据

【周末漫谈】人工智能的原理,技术和未来

? 星期二早上8:00。你已经醒了,扫了一眼手机上的标题,回复了一个在线帖子,为你妈妈订购了一件假日毛衣,锁上屋子开车上班,路上听一些好听的曲子。 在这个过...

3467
来自专栏AI科技评论

观点 | UC伯克利教授迈克尔·乔丹采访:人类对机器学习期待过高,机器学习的发展还应当更广阔

AI 科技评论按:2017年6月21日至22日,腾讯·云+未来峰会在深圳举行。在主题为“机器学习:创新视角,直面挑战”的演讲 - AI 科技评论后,AI 科技评...

3056
来自专栏CDA数据分析师

【扫盲】如何区分人工智能,机器学习和深度学习

我们都熟悉“人工智能”这一概念。毕竟,这个词常常在热门电影中出现,如《终结者》、《黑客帝国》、《机械姬》。 但最近你也可能常常听到其他术语,如“机器学习”和“深...

21810
来自专栏企鹅号快讯

2 分钟论文:语音生成表情包背后的技术原理

AI 科技评论出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。 来源 /Two Minute Papers 翻...

2215
来自专栏大数据挖掘DT机器学习

如何用爬虫和挖掘技术设计一款数据舆情产品?(附开发源码)

网址:http://www.kesci.com/apps/home_log/index.html#!/competition ? 一. 动机与问题背景 ...

7076

扫码关注云+社区

领取腾讯云代金券