亚洲线精品一区二区三区,久久综合伊人77777麻豆,蜜桃视频直播APP

什么是人工智能？機(jī)器學(xué)習(xí)是什么意思？GAN又是什么呢？在本文，你會學(xué)習(xí)到常用技術(shù)術(shù)語的清晰定義與解釋。

如果你考慮計(jì)算機(jī)的未來，你就不能回避人工智能。人工智能如今無處不在，但我們今天所說的人工智能是什么呢？它是如何工作的？

人工智能

人工智能的創(chuàng)始人之一約翰麥卡錫（John McCarthy）將人工智能描述為“生產(chǎn)智能機(jī)器的科學(xué)和技術(shù)”（即研究人員和工程師的活動領(lǐng)域）。

今天，這個(gè)術(shù)語主要指這些智能機(jī)器：人工智能是指行為智能的計(jì)算機(jī)系統(tǒng)。

智能意味著：它們解決通常需要智能的任務(wù)，例如理解和表達(dá)語言、圖像識別、決策或翻譯。

弱人工智能

與人類不同的是，人工智能在高水平上只學(xué)習(xí)和執(zhí)行一項(xiàng)任務(wù)。因此，這種人工智能被稱為弱人工智能或窄人工智能，在他們的專業(yè)領(lǐng)域，他們現(xiàn)在常常比人類優(yōu)越。目前所有的人工智能系統(tǒng)都是弱人工智能。

通用或強(qiáng)人工智能

一個(gè)具有類似人類智能的人工智能，能夠?qū)⑵渌枷霊?yīng)用于許多不同的任務(wù)，現(xiàn)在還不存在，但這是人工智能研究的主要目標(biāo)，這樣的人工智能被稱為通用人工智能。

超級人工智能

如果一般人工智能發(fā)展到全面超越人類的程度，就產(chǎn)生了超級人工智能。對于許多人工智能警告者來說，一個(gè)叫做奇點(diǎn)的KSI出現(xiàn)標(biāo)志著人類可能終結(jié)。另一方面，一些人工智能專家希望超級人工智能能解決人類面臨的氣候變化、貧困和疾病等大問題。

如何創(chuàng)造人工智能

創(chuàng)造人工智能有不同的方法。基本上，可以區(qū)分為兩種不同的方法：

直到20世紀(jì)80年代末，所謂的“好的，老式的人工智能”（GOFAI）決定了人工智能的研究，并努力爭取更強(qiáng)大的人工智能。思想是：人類的思維由包含我們對世界知識的各個(gè)術(shù)語的邏輯組合組成。

SHRDLU視頻：https://youtu.be/QAJz4YKUwqw

SHRDLU（http://hci.stanford.edu/winograd/shrdlu/）是最早嘗試?yán)斫庾匀徽Z言的人工智能程序之一。該程序創(chuàng)建于1968年至1970年間，可以移動幾何物體，并在需要時(shí)提供有關(guān)這些物體的信息。

從這個(gè)觀點(diǎn)出發(fā)，出現(xiàn)了所謂的專家系統(tǒng)，該系統(tǒng)將關(guān)于世界的簡單信息打包為符號類別，并根據(jù)邏輯結(jié)論進(jìn)行操作。

GOFAI無法滿足人們對人工智能的高期望——第一個(gè)人工智能冬季爆發(fā)了。科研經(jīng)費(fèi)取消，項(xiàng)目取消。如今，此類AI用于過程自動化。

機(jī)器學(xué)習(xí)（ML）

人工智能計(jì)算當(dāng)前最熱門的研究是機(jī)器學(xué)習(xí)，尤其是深度學(xué)習(xí)。

機(jī)器學(xué)習(xí)創(chuàng)建了使用數(shù)據(jù)來學(xué)習(xí)如何執(zhí)行任務(wù)的計(jì)算機(jī)系統(tǒng)，該軟件不是由開發(fā)人員以編程代碼的形式逐行指定指令，而是由軟件在首次觸發(fā)后獨(dú)立更新其代碼并對其進(jìn)行優(yōu)化以獲得更好的結(jié)果。

該研究領(lǐng)域當(dāng)前最喜歡的方法是所謂的深度學(xué)習(xí)：具有多層神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)功能，可以以更高的準(zhǔn)確性識別數(shù)據(jù)中的模式，從而學(xué)習(xí)人類的喜好，識別對象或理解語言。

機(jī)器學(xué)習(xí)推動了許多當(dāng)前的AI服務(wù)。無論是Google，Netflix還是Facebook：學(xué)習(xí)算法都會提出建議，改善搜索引擎并讓語音助手給出答案。

人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)的靈感來自人類大腦的基本圖景：一種算法，它可以創(chuàng)建相互交換信息的神經(jīng)元或節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)起源于1943年。

在最簡單的情況下，其結(jié)構(gòu)由輸入層，中間隱藏層（隱藏層）和輸出層組成。輸入信號被中間神經(jīng)元的最初隨機(jī)生成的值修改并傳遞到輸出層。

上圖是一個(gè)簡單的人工神經(jīng)網(wǎng)絡(luò)。圓圈對應(yīng)于人工神經(jīng)元，箭頭表示一個(gè)神經(jīng)元的輸出與另一神經(jīng)元的輸入的連接。

現(xiàn)在可以將輸出與輸入進(jìn)行比較——預(yù)測是否正確？根據(jù)結(jié)果，修改中間神經(jīng)元的值，并用新的輸入重復(fù)該過程。通過多次重復(fù)，預(yù)測變得越來越精確。

簡而言之：神經(jīng)網(wǎng)絡(luò)是可以自我優(yōu)化的算法。

深度學(xué)習(xí)（DL）

深度學(xué)習(xí)是使用具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)。

這些復(fù)雜的神經(jīng)網(wǎng)絡(luò)于2012年開始取得勝利，當(dāng)時(shí)該網(wǎng)絡(luò)贏得了ImageNet圖像分析競賽的冠軍。

深度神經(jīng)網(wǎng)絡(luò)的每一層都可以分析自己的圖像信息：邊界，紋理和圖案直至對象。

深度學(xué)習(xí)是近年來人工智能蓬勃發(fā)展的原因，特別是在圖像識別、自動駕駛或深度仿造方面。

更快的處理器、專用的AI芯片（例如Google的TPU）和用于訓(xùn)練機(jī)器的大量數(shù)據(jù)使深度學(xué)習(xí)的突破成為可能。

生成對抗網(wǎng)絡(luò)（GAN）

GANs由兩個(gè)相互改進(jìn)的神經(jīng)網(wǎng)絡(luò)組成。兩者都是用一個(gè)共同的數(shù)據(jù)集訓(xùn)練的，比如照片。

然后，一個(gè)叫做生成器的神經(jīng)網(wǎng)絡(luò)創(chuàng)建類似于數(shù)據(jù)記錄的內(nèi)容，另一個(gè)叫做鑒別器的神經(jīng)網(wǎng)絡(luò)將其與原始數(shù)據(jù)記錄進(jìn)行比較。如果鑒別器將其識別為偽造品，它將迫使生成器改善其內(nèi)容，直到其看起來像原始數(shù)據(jù)一樣屬于訓(xùn)練數(shù)據(jù)記錄為止。

有關(guān)推特：https://twitter.com/goodfellow_ian/status/1084973596236144640

在4.5年中，GAN-KI在生成人像方面變得更加出色。

有了足夠的重復(fù)比較，就可以創(chuàng)建一個(gè)大師級的偽造者：GAN會欺騙性地創(chuàng)建真實(shí)的人，深層的偽造品、街道或偽造模型。他們創(chuàng)作音樂并制作昂貴的藝術(shù)品，將復(fù)古游戲變成高清版本。自2014年推出以來，它們一直在穩(wěn)步改善。

訓(xùn)練，訓(xùn)練以及更多訓(xùn)練

訓(xùn)練是人工智能的一部分，就像數(shù)學(xué)公式中的占位符一樣，但是如何學(xué)習(xí)和訓(xùn)練完全取決于AI。下文我介紹了AI訓(xùn)練中使用的一些學(xué)習(xí)方法。

監(jiān)督學(xué)習(xí)

通過監(jiān)督學(xué)習(xí)，可以在準(zhǔn)備好訓(xùn)練數(shù)據(jù)后對AI進(jìn)行監(jiān)控。例如：如果AI可以識別照片中的物體（https://mixed.de/google-lens-bildanalyse-ki-erkennt-laut-google-ueber-eine-milliarde-objekte/），則在訓(xùn)練之前，在訓(xùn)練照片上標(biāo)記所有的貓，汽車，樹木等。

這種貼標(biāo)簽過程很耗時(shí)，但卻是成功進(jìn)行監(jiān)督訓(xùn)練的基礎(chǔ)，由于進(jìn)行了深入的人工準(zhǔn)備工作，AI知道了它應(yīng)該尋找哪種模式。

監(jiān)督式學(xué)習(xí)落后于大多數(shù)當(dāng)前廣泛使用的AI，例如自動駕駛，面部識別或在線搜索。該標(biāo)簽通常是由低工資工人設(shè)置，并且在最近幾年它已成為一個(gè)全球性的行業(yè)。

無監(jiān)督學(xué)習(xí)

無監(jiān)督學(xué)習(xí)是AI研究的希望，與有監(jiān)督的學(xué)習(xí)相反，數(shù)據(jù)不是以復(fù)雜的方式準(zhǔn)備的：AI接收大量沒有標(biāo)簽的數(shù)據(jù)，并獨(dú)立搜索數(shù)據(jù)中的模式。

該方法有兩個(gè)優(yōu)點(diǎn)：首先，準(zhǔn)備充分的、廣泛的數(shù)據(jù)集是很少的。其次，人工智能可以發(fā)現(xiàn)仍然對人們隱藏的數(shù)據(jù)中的相關(guān)性。

用AI研究人員Yann LeCun的話來說，聽起來像是：“如果說智能是蛋糕，那么大多數(shù)蛋糕都是無監(jiān)督學(xué)習(xí)的，錦上添花是監(jiān)督學(xué)習(xí)，而櫻桃則是強(qiáng)化學(xué)習(xí)。”

同時(shí)，“自我監(jiān)督學(xué)習(xí)”一詞也已普及。這是無監(jiān)督學(xué)習(xí)的特殊變體或同義詞。LeCun已經(jīng)宣布，從現(xiàn)在開始，他將只講自我監(jiān)督而不是無監(jiān)督的學(xué)習(xí)。

自我監(jiān)督學(xué)習(xí)通常會保留部分訓(xùn)練數(shù)據(jù)，而AI必須對其進(jìn)行預(yù)測，例如句子中的下一個(gè)單詞。這迫使他們學(xué)習(xí)有關(guān)數(shù)據(jù)的重要細(xì)節(jié)，例如語義表示。

例如，自我監(jiān)督學(xué)習(xí)被用于AI擴(kuò)展，并在過去1.5年中推動了語言AI的巨大進(jìn)步。OpenAI將學(xué)習(xí)方法用于功能強(qiáng)大的GPT-2算法。

強(qiáng)化學(xué)習(xí)

只要AI成功執(zhí)行任務(wù)，就會得到回報(bào)。如果它錯(cuò)過了目標(biāo)，它將一無所獲或受到懲罰。

OpenAI教AI通過強(qiáng)化學(xué)習(xí)來玩捉迷藏游戲。https://youtu.be/kopoLzvh5jY

通過這種反復(fù)試驗(yàn)的方法，人工智能從初學(xué)者到專業(yè)人士都在許多領(lǐng)域得到了發(fā)展，例如GO和Chess，Dota 2，Starcraft 2或撲克。最近所有的成功都依賴于所謂的深度強(qiáng)化學(xué)習(xí)，即強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)的結(jié)合。

遷移學(xué)習(xí)

遷移學(xué)習(xí)是指將從AI中學(xué)到的技能應(yīng)用于新的但相關(guān)問題的訓(xùn)練方法。一個(gè)例子是Google的圖像識別AI Inception，研究人員將其用于檢測肺癌。

從長遠(yuǎn)來看，遷移學(xué)習(xí)有更大的靈活性。因此，對遷移學(xué)習(xí)的研究是對通用人工智能的重要貢獻(xiàn)。

模仿學(xué)習(xí)

模擬學(xué)習(xí)的使用演示可作為AIs的訓(xùn)練材料。例如，在電子游戲中，這可以是人類玩家在游戲中奮力拼搏的記錄，也可以是機(jī)器人通過觀察人類的動作來學(xué)習(xí)的記錄。

比起增強(qiáng)學(xué)習(xí)，模仿學(xué)習(xí)的一個(gè)優(yōu)點(diǎn)是具有更大的靈活性：在某些環(huán)境中，獎(jiǎng)勵(lì)很難定義或?qū)崿F(xiàn)。純粹的試錯(cuò)方法不會提高人工智能的精確度。在模仿學(xué)習(xí)中，有了人類演示的幫助，人工智能也可以從中學(xué)習(xí)方法。

小樣本學(xué)習(xí)

在人工智能成功識別數(shù)據(jù)中的模式之前，常常需要無數(shù)的樣本。在小樣本學(xué)習(xí)中，一次和幾次學(xué)習(xí)方法有助于AIs，類似于人們僅僅用幾個(gè)樣本，甚至僅僅用一個(gè)樣本來學(xué)習(xí)一種新的能力。

Nvidia的AI可以跳舞，傳遞面部表情并生成街拍。全能者只需要幾個(gè)樣本，例如新聞主播的幾張照片。https://youtu.be/8AZBuyEuDqc

在實(shí)踐中，AIs可以在沒有廣泛訓(xùn)練的情況下學(xué)習(xí)新的任務(wù)。例如，三星的研究人員僅用了幾個(gè)樣本就成功地交換了人們的面孔。以色列的一個(gè)研究小組更進(jìn)一步，開發(fā)了一種無需面部訓(xùn)練的實(shí)時(shí)深度模仿方法

原文鏈接：https://towardsdatascience.com/artificial-intelligence-ai-terms-simply-explained-745c4734dc6c

本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊舉報(bào)。

精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕