人工智慧、機器學習和神經網絡 你真的知道它是什麼意思嗎(1)

2020-12-20 中華網科技

PingWest / 光譜

隨著「人工智慧」走出實驗室、逐漸有了實際的應用場景，它成為了一項可能在不久的將來徹底改變人類社會的基礎技術，也成為了很多人最愛討論的話題。但是，AI(人工智慧)、機器學習、神經網絡，這些詞看著潮，究竟是指什麼呢？

別慌，我們試著舉幾個簡單的例子來解釋一下。

人工智慧

「科技潮人」小明愛玩各種數碼產品，生活裡也經常使用打車和訂餐軟體。每天回家前他都會用手機遙控打開家裡的空調，和朋友約飯的時候也會在地圖軟體上查好地址通過微信群發。

小明喜歡的幾項功能，比如用手機遙控空調，其實是通過幾套程序實現的。

簡單來說，編寫一個普通的程序，其實是告訴計算機一套處理方法。比方說一個計算器，編寫的時候就告訴它加減乘除法和開平方的定義，告訴它一個長算式裡哪種計算優先級高(比如乘除>加減)。編寫好了之後，這個程序就是計算器了，然而它除了加減乘除和開平方之外，別的什麼都不能做。你不能用它來編寫文檔，也不能用它來叫車和訂餐——因為編寫者沒告訴它除了算數以外的事。

但小明不想要一個程序控制空調、一個程序導航、一個程序刷臉記考勤，他希望所有的問題都能一站、自發地解決，這就需要人工智慧。

這種新的電腦程式像人腦一樣，是可以舉一反三的。比如去年美國 MIT 的研究者就開發出了一種人工智慧，先讓它學習幾個來自梵文的字母，它就能從之後數千個各種語言字母當中找出所有的梵文字母。

它們可以認字、聽懂人說的話、識圖，甚至通過一張圖中所有的物體和他們的位置關係，來判斷圖中正在發生什麼。比如，人工智慧有能力識別下圖中摩託車、駕駛者、頭髮的顏色、圍觀群眾、馬路等元素，回答一些基本的問題。在未來經過訓練後，它也有能力做出「這是一次同性戀驕傲大遊行活動」的判斷。

這樣的人工智慧系統，都是「弱人工智慧」。 人類對於人工智慧的終極企圖是全知全能，也叫做「強人工智慧」，它不但善於思考，學習能力超強，還能夠自我進化。如果你看過電影《超驗駭客》，約翰尼·德普實驗的人工智慧學家威爾·卡斯特在自己生命的遺留之際，將自己的大腦上傳到了電腦裡。這個人工智慧只用了幾個小時就幾乎接管了全球所有最主要的網絡系統，包括政府、軍方、銀行等等；過了幾年，它已經統治了世界，用極高的效率開發出革新的醫療技術，不但能夠控制全球所有人的思維，還用智能化的生物微粒直接捏出了一個活的威爾·卡斯特。

儘管強人工智慧至今還沒有誕生，但是弱人工智慧也已經非常了不起，它是怎樣實現的呢？

機器學習

機器學習是目前實現人工智慧最主要的方式。再拿小明舉個例子：

小明喜歡吃橙子，他總結出一個規律：顏色越深，個頭越大，橙子越甜。但他新嘗試了美國加州大臍橙之後，發現之前的經驗不管用了：新的橙子，顏色越淺越甜。而小明的室友喜歡吃汁多的橙子，於是小明又學到一條：越軟的橙子汁越多。

掌握了這條規律，小明跑去希臘旅遊時，按照之前的經驗買了橙子，卻一點都不好吃！原來，這裡賣的橙子是從別的地方進口的，綠色的好吃橙色的不好吃。

這種不斷嘗試的辦法實在太笨了，不如寫一個程序來搞定？這就到了機器學習的範疇。其實真實的程序很複雜，但其邏輯並不難理解：

相關焦點

  • 人工智慧,機器學習和深度學習之間的差異是什麼?
    ，你經常會聽到人工智慧，機器學習，甚至是深度學習。他們都是一樣的意思嗎？然而更多時候，人們總是混淆的使用它們。人工智慧，機器學習和深度學習都是屬於一個領域的一個子集。但是人工智慧是機器學習的首要範疇。機器學習是深度學習的首要範疇。深度學習是機器學習的一個子集，機器學習是人工智慧的一個子集這個領域的興起應該歸功於深度學習。
  • 人工智慧發展史,機器學習/神經網絡與其關係
    人工智慧是指讓機器獲得像人類一樣思考與處理事情能力的技術，最早出現在 1956 年召開的達特茅斯會議上。這次會議主要討論著一個在當時看來完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。人工智慧是一項極具挑戰性的任務。
  • 《Deep Learning with Python》第一章 1.1 人工智慧、機器學習和深度學習
    接著解決這幾個問題：目前深度學習能實現什麼？深度學習的意義如何？人類下一步該如何做？你相信關於人工智慧的宣傳嗎？本章介紹人工智慧、機器學習和深度學習相關知識。1.1 人工智慧、機器學習和深度學習首先，當人們討論AI時要清楚談論的是什麼？
  • 人工智慧、機器學習和深度學習的區別?
    這是商城根據你往期的購物記錄和冗長的收藏清單，識別出這其中哪些是你真正感興趣，並且願意購買的產品。這樣的決策模型，可以幫助商城為客戶提供建議並鼓勵產品消費。機器學習直接來源於早期的人工智慧領域，傳統的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。
  • 都在談人工智慧,但你知道它的潛力、實踐意義、障礙是什麼嗎?
    然而，就像很多其他新技術一樣，人工智慧也催生出了一大批不切實際的期望。我們看到有大量商業計劃隨意揮灑在機器學習、神經網絡，以及各種其他形式的技術方面，但卻幾乎與其真正的功能沒有聯繫。舉個例子來說，簡單地把一個約會網站叫做「人工智慧驅動的網站」，並不能讓它變得更高效，但那或許有助於網站融資。
  • 機器學習必知的8大神經網絡架構和原理
    什麼是神經網絡？神經網絡是一種通用機器學習模型，是一套特定的算法集，在機器學習領域掀起了一場變革，本身就是普通函數的逼近，可以應用到任何機器學習輸入到輸出的複雜映射問題。一般來說，神經網絡架構可分為3類：前饋神經網絡：是最常見的類型，第一層為輸入，最後一層為輸出。
  • 人工神經網絡
    隨著科技的快速發展，人工智慧這個詞變得越來越熱門了，今天，小創君想給大家分享一個與人工智慧有關的主題——人工神經網絡。那麼，什麼是人工神經網絡呢？看到這個主題，相信很多理工科的學生的腦海裡都會自然而然地想到三個熟悉的詞：人工智慧、機器學習與深度學習。那他們之間到底具有怎樣的一個關係呢？
  • 人工智慧、機器學習和深度學習的區別和聯繫
    這是商城根據你往期的購物記錄和冗長的收藏清單，識別出這其中哪些是你真正感興趣，並且願意購買的產品。這樣的決策模型，可以幫助商城為客戶提供建議並鼓勵產品消費。機器學習直接來源於早期的人工智慧領域，傳統的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。
  • 一文講清人工智慧、機器學習和深度學習的區別
    相信大家對人工智慧、機器學習和深度學習三個詞語並不陌生，最近研習社的資產配置系列也曾提及，那你認為，它們是一回事嗎？文章轉自丨PINTEC品鈦原文來自丨blogs.nvidia作者丨Micheal Copeland翻譯丨小羊還記得年初的那場人機大戰嗎？
  • 【深度】機器學習進化史:從線性模型到神經網絡
    大約在2005年左右，神經網絡又開始捲土重來。神經網絡其實算是上世紀80年代的技術，一些人甚至認為它起源於上世紀60年代，得益於計算機視覺的技術的最新進展，讓（卷積）神經網絡的使用顯得卓有成效。事實上，神經網絡已經開始在其他應用上「大展宏圖」，包括自然語言處理和機器翻譯等領域。但是有一個問題：在所有提及的機器學習分布式模型中，神經網絡可能是最具挑戰性的。
  • 神經網絡算法使機器學習透明化
    我們怎麼知道 AI 為什麼做出這些決定？卡內基梅隆大學計算機科學教授 Manuela Veloso 是研究協作機器人的專家。他表示，能解釋自身行為的 AI 對贏得大眾對人工智慧的信任至關重要。「我們需要質疑為什麼算法程序會做出這樣那樣的決定，如果我們不在 AI 動機解釋上花功夫，就無法信任這個智能系統。」
  • 機器學習和人工智慧有什麼區別?未來人們看法可能和我們大相逕庭
    當今熱門的革命性技術正在改變商業格局，它們是機器學習(ML)和人工智慧(AI)。幾乎我們所有人都聽說過或讀到過它們，但我們真的知道它們是怎麼回事嗎? 　　這些企業正試圖利用先進算法，利用數字數據和計算能力的爆炸式增長，實現人與機器之間的協作和自然交互。然而，對於什麼是機器學習(ML)和人工智慧(AI)，公眾和媒體仍然有很多困惑。 　　機器學習是人工智慧誕生後出現的詞彙。這兩個術語經常被用作同義詞，在某些情況下還被當成是離散的、並行的發展。
  • 人工智慧、機器學習和深度學習的區別是什麼?
    你也許最近經常聽到「人工智慧」和另外幾個詞彙同時出現，特別是「機器學習」和「深度學習」。它們經常被互換使用，儘管它們存在關聯，但其實並非同一事物。　　這樣說可能會讓人感到困惑。我們通過一個經典的例子來解釋人工智慧、機器學習和深度學習之間的區別：比較蘋果和橙子。---  人工智慧   ---　　從廣義上講，人工智慧描述一種機器與周圍世界交互的各種方式。通過先進的、像人類一樣的智能——軟體和硬體結合的結果——一臺人工智慧機器或設備就可以模仿人類的行為或像人一樣執行任務。
  • 一篇文章分辨人工智慧、機器學習與深度學習
    機器智能的話題常會落入其獨特的術語和專業概念無底洞。這些術語將構成未來安全基礎設施中的重要部分，其間區別真的重要嗎？總的說來，機器 「智能」 就是一套系統，攝入數據，產出結果，並且隨著數據攝入量的增加而不斷變得更好、更快。整個機器 「智能」 大類下有三個標籤常被貼到系統上：機器學習、深度學習和人工智慧。每一種都有其獨有的數據處理方式和結果呈現方式。
  • 【科普】人工智慧、機器學習和深度學習有何不同?
    幾乎全球的媒體都在用瘋狂的篇幅來報導這場矚目的人機世紀大戰，而其中「人工智慧、機器學習、深度學習」這三個詞頻頻出現。上面三個詞都是AlphaGo獲勝的緣由。但對很多只是看過幾次報導的人來說，對這三個概念之間的關係，經常傻傻分不清楚！人工智慧、機器學習、深度學習之間，到底有什麼聯繫和區別？
  • 機器學習vs.人工智慧:定義和重要性
    編者按：機器學習，有時也稱為計算智能，近年來已經突破了一些技術障礙，並在機器人、機器翻譯、社交網絡、電子商務，甚至醫藥和醫療保健等領域取得了重大進展。機器學習是人工智慧的一個領域，其目標是開發學習計算技術以及構建能夠自動獲取知識的系統。
  • 人工智慧與設計(1)--人工智慧的發展和定義
    當時主要成就：1.人工神經網絡在30-50年代被提出，1951年Marvin Minsky製造出第一臺神經網絡機2貝爾曼公式（增強學習雛形）被提出3.感知器（深度學習雛形）被提出4.搜索式推理被提出5.自然語言被提出6.首次提出人工智慧擁有模仿智能的特徵，懂得使用語言，
  • 人工智慧、機器學習和深度學習之間的區別和聯繫
    與傳統的為解決特定任務、硬編碼的軟體程序不同，機器學習是用大量的數據來「訓練」，通過各種算法從數據中學習如何完成任務。機器學習直接來源於早期的人工智慧領域。傳統算法包括決策樹學習、推導邏輯規劃、聚類、強化學習和貝葉斯網絡等等。眾所周知，我們還沒有實現強人工智慧。早期機器學習方法甚至都無法實現弱人工智慧。
  • 一篇文章讀懂:人工智慧、機器學習和深度學習的區別
    但由於近幾年該領域發展迅猛，一些特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。最初的深度學習是利用深度神經網絡來解決特徵表達的一種學習過程。深度神經網絡本身並不是一個全新的概念，可大致理解為包含多個隱含層的神經網絡結構。為了提高深層神經網絡的訓練效果，人們對神經元的連接方法和激活函數等方面做出相應的調整。
  • C#與人工智慧(第3講)創建神經網絡
    神經網絡從本講開始，正式講述人工智慧編程。#人工智慧#筆者不想講述太多理論，而是側重於實際應用開發。對理論感興趣的讀者，建議去參考書籍《神經網絡與機器學習》，這本書非常經典。首先，按照《C＃與人工智慧（第2講）創建WinForm程序》所述，創建一個Windows窗體應用項目。然後，滑鼠右擊解決方案面板裡的項目名稱WindowsFormsApp3。從彈出菜單裡，選擇「管理NuGet程序包」。