1956年，在達(dá)特茅斯會(huì)議上，一群計(jì)算機(jī)科學(xué)家聚集在一起，探討著人工智能領(lǐng)域的未來(lái)，當(dāng)時(shí)的AI 也僅僅在醞釀中。到了2015年，不出所料，人工智能開始爆發(fā)能量，這主要是由于GPU開始廣泛應(yīng)用，強(qiáng)大的數(shù)據(jù)流涌現(xiàn)。成千上萬(wàn)個(gè)應(yīng)用促使人工智能得到了空前的發(fā)展。
01
機(jī)器詮釋人工智能
迎來(lái)了快速發(fā)展期
要想制造出擁有人類感覺、智慧的人工智能，其實(shí)有些困難，現(xiàn)在的通用人工智能機(jī)器都是人們現(xiàn)象出來(lái)了，比如《終結(jié)者》《星球大戰(zhàn)》等等。而我們現(xiàn)在只做到了狹義人工智能，能夠處理特殊任務(wù)，和人類處理的一樣好。
狹義人工智能案例有很多，比如圖像分類、圖像分割、人臉識(shí)別、語(yǔ)義分割等，那么這些實(shí)踐例子是如何做到的？這些智能來(lái)自哪里了？我們繼續(xù)來(lái)看。
02
用機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)人工智能
告別狹義人工智能
機(jī)器學(xué)習(xí)最早源自決策樹學(xué)習(xí)、歸納邏輯編程、強(qiáng)化學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)等，這些早期的機(jī)器學(xué)習(xí)方法都沒(méi)有實(shí)現(xiàn)通用人工智能，甚至連狹義人工智能都沒(méi)有實(shí)現(xiàn)。最早僅僅運(yùn)用分析數(shù)據(jù)，從學(xué)習(xí)中預(yù)測(cè)現(xiàn)實(shí)世界的某些事情。
后來(lái)慢慢開始手動(dòng)編碼特定指令，用軟件程序來(lái)完成某個(gè)特定的任務(wù)。經(jīng)過(guò)長(zhǎng)時(shí)間的證明，計(jì)算機(jī)視覺是機(jī)器學(xué)習(xí)的最佳領(lǐng)域之一。已經(jīng)有一些手寫分類器，使得程序識(shí)別對(duì)象。
但這還不夠好，計(jì)算機(jī)視覺和圖像檢測(cè)還是不能與人類媲美，因?yàn)樗菀壮鲥e(cuò)。
03
深度學(xué)習(xí)漸漸出現(xiàn)
人工智能迎來(lái)全新的高度
早些年，人工智能領(lǐng)域的探索在神經(jīng)網(wǎng)絡(luò)方面應(yīng)用廣泛，但是，研究多年后，效果甚微。因?yàn)榛镜纳窠?jīng)網(wǎng)絡(luò)屬于計(jì)算密集型，這并不是一個(gè)實(shí)用的方法。
但是，吳恩達(dá)突破了這一界限，他從根本上使用這些神經(jīng)網(wǎng)絡(luò) 并將它們變得龐大，增加了層數(shù)和神經(jīng)元的數(shù)量，然后通過(guò)系統(tǒng)運(yùn)行大量的數(shù)據(jù)來(lái)訓(xùn)練它。吳恩達(dá)使用了 1000 萬(wàn)個(gè) YouTube 視頻的圖像。他將“深度”運(yùn)用在深度學(xué)習(xí)中，這就描述了這些神經(jīng)網(wǎng)絡(luò)的所有層。
深度學(xué)習(xí)已經(jīng)實(shí)現(xiàn)了許多機(jī)器學(xué)習(xí)方面的實(shí)際應(yīng)用，還有一些人工智能領(lǐng)域也涉獵其中。目前金融、汽車、零售、大健康、安防、教育等領(lǐng)域都有涉及。抖音的精準(zhǔn)視頻推薦、淘寶的“猜你喜歡”推薦、等待就診時(shí)聽到的“請(qǐng)到診室就診”的語(yǔ)音……
聯(lián)系客服
