AI学院 | 人工智能基本知识概览

人工智能会让我更多的去关注学习的过程是什么,让我们思考什么是人,什么是智能。

——李飞飞

什么是人工智能?

人工智能(Artificial Intelligence):缩写为AI,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、自然语言处理(包括语音和语义识别、自动翻译)、计算机视觉(图像识别)、知识表示、专家系统等。

《人工智能,一种现代的方法》中提到,人工智能是类人行为、类人思考、理性的思考、理性的行动。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。

人工智能有哪些形态?

⏩ANI(弱人工智能):它包含基础的、角色型任务,是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能,但是它只会下象棋,其他领域的知识或技能它就不会了。

⏩AGI(强人工智能):它包含人类水平的任务,涉及到机器的持续学习。强人工智能是指在各方面都能和人类比肩的人工智能,人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多,我们现在还做不到。Linda Gottfredson教授把智能定义为“一种宽泛的心理能力,能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。

⏩ASI(超人工智能):牛津哲学家,知名人工智能思想家Nick Bostrom把超人工智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多,包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点,也可以是各方面都比人类强万亿倍的。

人工智能技术四大分支

模式识别:是指对表征事物或者现象的各种形式(数值的、文字的、逻辑关系的,等)信息进行处理分析,以及对事物或现象进行描述分析分类解释的过程,例如汽车车牌号的辨识涉及到图像处理分析等技术。

机器学习:研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构,不断完善自身的性能,或者达到操作者的特定要求。

数据挖掘:知识库的知识发现,通过算法搜索挖掘出有用的信息,应用于市场分析、科学探索、疾病预测等。

智能算法:解决某类问题的一些特定模式算法,例如我们最熟悉的最短路径问题,以及工程预算问题等。

人工智能、机器学习和深度学习的关系

最先出现的是人工智能的理念,然后是机器学习,当机器学习繁荣之后就出现了深度学习,今天的AI大爆发是由深度学习驱动的。

机器学习是人工智能的一个方面,处于人工智能的算法层面。大体来讲,机器学习就是用算法真正解析数据,不断学习,然后对世界中发生的事做出判断和预测。在过去几年里,机器学习的最佳应用案例是“计算机视觉”,要实现计算机视觉,研究人员仍然需要手动编写大量代码才能完成任务。以识别停止标志为例,研究人员需要手动编写分级器,比如边缘检测滤波器,只有这样程序才能确定对象从哪里开始,到哪里结束;形状侦测可以确定对象是否有8条边;分类器可以识别字符“S-T-O-P”。通过手动编写的分组器,研究人员可以开发出算法识别有意义的形象,然后学会下判断,确定它是不是一个停止标志。这种办法可以用,但并不是很好。如果是在雾天,当标志的能见度比较低,或者一棵树挡住了标志的一部分,它的识别能力就会下降。直到不久之前,计算机视觉和图像侦测技术还与人类的能力相去甚远,因为它太容易出错了。

深度学习属于机器学习的一种,它的算法技术发展到一定程度之后依赖的是深度神经网络。“人工神经网络(Artificial Neural Networks)”是一种算法方法,它也是早期机器学习专家提出的,存在已经几十年了。神经网络(Neural Networks)的构想源自于我们对人类大脑的理解——神经元的彼此联系。二者也有不同之处,人类大脑的神经元是按特定的物理距离连接的,而人工神经网络有独立的层、连接,还有数据传播方向。

还以停止标志为例,我们会将停止标志图片切割,让神经元检测,比如它的八角形形状、红色、与众不同的字符、交通标志尺寸、手势等。神经网络的任务就是给出结论:它到底是不是停止标志。神经网络会给出一个“概率向量”,它依赖于有根据的推测和权重。在该案例中,系统有86%的信心确定图片是停止标志,7%的信心确定它是限速标志,有5%的信心确定它是一支风筝卡在树上,等等。然后网络架构会告诉神经网络它的判断是否正确。如果我们对网络进行训练,用大量的错误答案训练网络,调整网络,结果就会更好。研究人员需要做的就是训练,他们要收集几万张、甚至几百万张图片,直到人工神经元输入的权重高度精准,让每一次判断都正确为止——不管是有雾还是没雾,是阳光明媚还是下雨都不受影响。这时神经网络就可以自己“教”自己,搞清停止标志到底是怎样的;它还可以识别Facebook的人脸图像,可以识别猫——吴恩达(Andrew Ng)2012年在谷歌做的事情就是让神经网络识别猫。

吴恩达的突破之处在于:让神经网络变得无比巨大,不断增加层数和神经元数量,让系统运行大量数据,训练它。吴恩达的项目从1000万段YouTube视频调用图片,他真正让深度学习有了“深度”。

到了今天,在某些场景中,经过深度学习技术训练的机器在识别图像时比人类更好,比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤。谷歌AlphaGo学习围棋,它自己与自己不断下围棋并从中学习。有了深度学习,机器学习才有了许多实际的应用,它还拓展了AI的整体范围。 深度学习将任务分拆,使得各种类型的机器辅助变成可能。无人驾驶汽车、更好的预防性治疗、更好的电影推荐……要么已经出现,要么即将出现。

人工智能市场生态格局

基础支撑:人工智能芯片、云计算平台、大数据平台

核心技术:自然语言处理、计算机视觉、智能语音

主要应用领域:

⏩机器人领域:人工智能机器人,它能理解人的语言,用人类语言进行对话,并能够用特定传感器采集分析出现的情况、调整自己的动作来达到特定的目的。

⏩语言识别领域:该领域其实与机器人领域有交叉,设计的应用是把语言和声音转换成可进行处理的信息,如语音开锁(特定语音识别)、语音邮件以及未来的计算机输入等方面。

⏩图像识别领域:利用计算机进行图像处理、分析和理解,以识别各种不同类型模式的目标和对象的技术,例如人脸识别、汽车牌号识别等。

⏩专家系统:具有专门知识和经验的计算机智能程序系统,后台采用的数据库相当于人脑,具有丰富的知识储备,采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。

*内容综合整理自:张子良老师课程《人工智能:决胜未来之道》、知乎网友洋葱办刘主任、CSDN《一张图看懂AI、机器学习和深度学习的区别》

*图片均来自于网络

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

Nature再发DeepMind研究:AI复现大脑网格细胞模拟导航!

18040
来自专栏AI科技大本营的专栏

2017深度学习展望

---- 作者: James Kobielus 编译: AI100 原文地址: http://www.kdnuggets.com/2016/12/ibm-...

25950
来自专栏目标检测和深度学习

别再提程序员应届年薪20万了,人工智能已经年薪60万了!

对人工智能而言,2017是不平凡的一年: AlphaGo再胜人类 腾讯宣布进军AI 百度无人驾驶汽车上五环 AI教育要从娃娃抓起 寒武纪成全球AI芯片首个独角兽...

417100
来自专栏新智元

Andrej Karpathy:监督学习、无监督学习、人脑模拟和AGI的未来(83 PPT下载)

【新智元导读】Andrej Karpathy是深度学习和计算机视觉专家、特斯拉人工智能部门主管,他最近在 Y Conf 作题为《通用人工智能从何处来?》的演讲,...

39380
来自专栏人工智能快报

科学家提出超越传统机器学习的量子算法

来自瑞士、英国和新加坡的科学家提出了一种新的量子算法,其进行数据分析的速度可超越传统机器学习算法,相关成果已发表在《物理评论快报》上。 计算机“思考”的一种方法...

30290
来自专栏吉浦迅科技

NVIDIA研究员如何进行机器人的抓取研究(附Deep Object Pose Estimation 代码)

英伟达的机器人研究人员开发了一种基于深度学习的新系统,该系统允许机器人在其环境中感知家居物体,以获取物体并与之互动。通过这种技术,机器人能够对已知的家用物体进行...

27920
来自专栏机器之心

业界 | 机器阅读理解打破人类记录,解读阿里iDST SLQA技术

355100
来自专栏企鹅号快讯

IBM Watson提出人机推理网络HuMaINs,结合人机两者优势

选自arXiv 机器之心编译 参与:刘晓坤、黄小天 人机交互可以用机器的优势弥补人类决策的非理性缺陷。近日,IBM Watson 研究中心联合多家研究机构提出了...

22490
来自专栏量子位

视频版ImageNet?快手搞了一场用户兴趣建模大赛 | 附前三名干货

或许你多少有些了解,在以深度学习为核心的AI算法大杀四方,机器在理解图像、语音等方面都取得了很大的进步时,理解视频内容仍还是一件很困难的事情。

24230
来自专栏机器之心

前沿 | 经典计算的天花板:科学家找到只有量子计算才能解决的问题

Oracle Separation of BQP and PH:https://eccc.weizmann.ac.il/report/2018/107/

13010

扫码关注云+社区

领取腾讯云代金券