5分钟介绍各种类型的人工智能技术

简介: 5分钟介绍各种类型的人工智能技术

640.png


人工智能是一个广泛的术语,涵盖了许多技术,所有这些技术使计算机能够显示类似于我们人类的某种程度的智能。

通用AI

人工智能最流行的用途是在许多不同任务上类似于超人的机器人。他们可以战斗,飞行,并可以就几乎任何主题进行深入的对话。电影中有很多机器人,有好有坏,例如Vision,Wall-E,Terminator,Ultron等。尽管这是AI研究的终极目标,但我们目前的技术离达到AI水平还很遥远, 我们称之为通用AI。

640.png

Narrow AI 窄人工智能

相反,我们今天拥有的AI是称为Narrow AI的人工智能子集。

Narrow AI在部分任务中可以达到甚至超越现有人类的水平

举个例子,几年前,你可能在新闻上看到谷歌的人工智能程序DeepMind AlphaGO非常擅长围棋,它打败了当时的世界冠军!然而,这个程序除了玩“围棋”游戏外,什么也做不了。“它肯定不能玩像PUBG或Fortnite这样的游戏了。它甚至不能告诉你当前时间是多少。

目前来说,我们接触到的基本上都窄AI,而窄AI有两种类型。让我们一个一个来看。

  • 符号人工智能(SymbolicAI)
  • 数字人工智能(Numeric AI),一般来说数字人工智能又被称作机器学习ML

Symbolic AI 符号人工智能

符号人工智能也被称为老式AI(GOFAI),因为它已经存在了数十年。程序员必须手动编写控制符号AI系统的所有规则。因此,很难建立正确的解决方案。但是,它仍被用于某些人类需要了解为什么AI程序在给定情况下做出特定决定的用例。例如,如果AI法官判某人入狱,则必须说明其决定的原因。

ML 机器学习

ML比Symbolic AI相对新,但功能要强大得多。Google DeepMind的AlphaGO是一种ML系统。

在ML中,AI程序不是使用人工编写所有规则的程序员,而是使用大量示例或数据为自己“学习”我们想要做的事情。

这类似于人类如何“学习”新信息。当我们要教孩子狗的外观时,我们不会告诉他/她,如果动物矮小,耳朵下垂,尾巴摆动的话,那就是狗。取而代之的是,我们向孩子展示一些“狗”的图片,随着时间的流逝,孩子自然会明白什么是狗。ML程序遵循相同的范例。

随着智能手机和传感器的出现,我们每天都会产生大量数据,以至于机器学习方法现在已经拥有了足够的数据来接受训练。多年来,诸如多核CPU和GPU之类的电子芯片的成本也在下降。创建的数据量的激增以及廉价硬件的可用性,是当前AI革命的重要原因。

今天,主要有三种类型的机器学习。

640.png

1.传统机器学习

传统的ML使用基于统计方法的算法来执行ML,其中最著名的算法有线性回归、支持向量机、决策树等。这些技术的大多数数学和统计数据都有几十年的历史了,而且已经很好理解了。直到过去十年,它们才被广泛称为ML或AI。

要学习这些算法背后的数学,一个很好的参考是《The Elements of Statistical Learning》一书。Python sklearn和xgboost软件包基本上可以包括上面所说的使用Python进行传统ML所需要的全部。

2.深度学习(DL)

DL彻底改变了计算机视觉(CV)和自然语言处理(NLP)领域。

在深度神经网络中,将多层人工神经网络链接在一起,可以根据通用逼近定理近似任意数学函数。人工神经网络的每一层都由一个线性操作和一个非线性操作组成。。

通过向算法提供有关我们要学习的任务的大量数据,可以“学习”线性运算的参数。在内部,使用一种称为“梯度下降”的学习算法来逐步调整参数,直到获得最佳精度为止。

640.png

目前有两个主要的用于开发深度学习应用程序的Python框架:Tensorflow和Pytorch

3.强化学习(RL)

在我看来,强化学习是三种ML中最复杂的一种。谷歌DeepMind AlphaGO程序打败了世界上最好的“围棋”选手就是一个RL的例子。

在传统的ML和DL中,人工智能系统从过去的数据中学习,而在RL中,人工智能系统通过采取一些行动并衡量其回报来学习,类似于训练我们的宠物狗狗学新技能。在像“AlphaGO”这样的游戏中,奖励是做出决定以最大化分数。

640.png

如何选择?

最后,有了各种各样的窄人工智能技术,你如何选择技术来解决你的问题?

首先,从业务角度理解问题。然后,尝试各种技巧,直到达到你的商业目标。使用企业可以使用的方法达到80%的准确率要比使用企业不能使用的方法达到99.9%的准确率要好!

因为“业务第一,业务第一,业务第一!!!”

这就是我今天要讲的全部内容。感谢您的阅读!

目录
打赏
0
0
0
0
538
分享
相关文章
推动人工智能技术和产业变革,啥是核心驱动力?生成式人工智能认证(GAI认证)揭秘答案
人工智能(AI)正以前所未有的速度重塑世界,其发展离不开领军人才与创新生态的支持。文章探讨了AI领军人才的核心特质及培养路径,强调构建产学研深度融合的创新生态,并通过教育变革与GAI认证提升全民AI素养,为技术与产业变革提供持续动力。这不仅是推动社会高质量发展的关键,也为个人与企业带来了更多机遇。
人工智能技术对未来就业的影响
人工智能大模型技术正在重塑全球就业市场,但其核心是"增强"而非"取代"人类工作。虽然AI在数据处理、模式识别等标准化任务上表现出色,但在创造力、情感交互和复杂决策等人类专属领域仍存在明显局限。各行业呈现差异化转型:IT领域人机协同编程成为常态,金融业基础分析岗位减少但复合型人才需求激增,医疗行业AI辅助诊断普及但治疗决策仍依赖医生,制造业工人转向技术管理,创意产业中人类聚焦高端设计。未来就业市场将形成人机协作新生态,要求个人培养创造力、情商等AI难以替代的核心能力,企业重构工作流程。AI时代将推动人类向更高价值的认知活动跃升,实现人机优势互补的协同发展。
362 2
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
人工智能平台年度技术趋势
阿里云智能集团研究员林伟在年度技术趋势演讲中,分享了AI平台的五大方面进展。首先,他介绍了大规模语言模型(LLM)训练中的挑战与解决方案,包括高效故障诊断和快速恢复机制。其次,探讨了AI应用和服务的普及化,强调通过优化调度降低成本,使AI真正惠及大众。第三,提出了GreenAI理念,旨在提高AI工程效率,减少能源消耗。第四,讨论了企业级能力,确保数据和模型的安全性,并推出硬件到软件的全面安全方案。最后,介绍了整合多项核心技术的Pai Prime框架,展示了阿里云在自主可控AI核心框架下的整体布局和发展方向。
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
118 7
技术与人性:探索人工智能伦理的边界####
本文深入探讨了人工智能技术飞速发展背景下,伴随而来的伦理挑战与社会责任。不同于传统摘要直接概述内容,本文摘要旨在引发读者对AI伦理问题的关注,通过提出而非解答的方式,激发对文章主题的兴趣。在智能机器逐渐融入人类生活的每一个角落时,我们如何确保技术的善意使用,保护个人隐私,避免偏见与歧视,成为亟待解决的关键议题。 ####
深度探索人工智能中的自然语言处理技术#### 一、
【10月更文挑战第28天】 本文旨在深入剖析人工智能领域中的自然语言处理(NLP)技术,探讨其发展历程、核心算法、应用现状及未来趋势。通过详尽的技术解读与实例分析,揭示NLP在智能交互、信息检索、内容理解等方面的变革性作用,为读者提供一幅NLP技术的全景图。 #### 二、
277 1
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
420 6

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等