Artificial Intelligence(AI)
人工智能表明机器可以在以下方面模仿人类:
- 说
- 思考
- 学习
- 规划
- 理解
人工智能也被称为机器智能和计算机智能。
人工智能是一门科学学科,涵盖从狭义人工智能到强人工智能的多个数据科学领域,包括机器学习、深度学习、大数据和数据挖掘。
狭义人工智能
狭义人工智能仅限于狭义(特定)领域,就像我们今天周围的大多数 AI 一样:
- 电子邮件垃圾邮件过滤器
- 文字转语音
- 语音识别
- 自动驾驶汽车
- 电子支付
- 谷歌地图
- 文本自动更正
- 自动翻译
- 聊天机器人
- 社交媒体
- 人脸检测
- 视觉感知
- 搜索算法
- 机器人
- 自动化投资
- NLP - 自然语言处理
- 飞行无人机
- IBM's Dr. Watson
- Apple's Siri
- Microsoft's Cortana
- Amazon's Alexa
- Netflix's Recommendations
狭义人工智能也称为弱人工智能。弱人工智能:旨在模拟人类智能。
强人工智能:旨在复制人类智能。
强人工智能
强人工智能是模仿人类智能的人工智能类型。强大的人工智能意味着思考、计划、学习和交流的能力。强人工智能是理论上人工智能的下一个层次:真正的智能。强人工智能向具有自我意识、意识和客观思想的机器发展。
机器学习(ML)
机器学习是人工智能的一个子领域。学习机器模仿人类智能
传统编程使用已知算法从数据中产生结果:数据+算法=结果
机器学习根据数据和结果创建新算法:数据+结果=算法
神经网络(NN)
神经网络是一种编程技术,机器学习中使用的一种方法,一个从错误中学习的软件。
神经网络基于人脑的工作方式:
神经元相互发送信息。当神经元试图(一遍又一遍)解决问题时,它正在加强导致成功的联系并减少导致失败的联系。
感知器
感知器定义了进入神经网络的第一步。它表示只有一个输入层且没有隐藏层的单个神经元。
它表示只有一个输入层且没有隐藏层的单个神经元。
神经网络是多层感知器。
在最简单的形式中,神经网络由以下部分组成:
- 输入层(黄色)
- 隐藏层(蓝色)
- 输出层(红色)
第一层:在神经网络模型中,输入数据(黄色)在产生最终输出(红色)之前针对隐藏层(蓝色)进行处理。
第二层:黄色感知器根据输入做出简单的决定。每个决策都会发送到下一层的感知器。
深度神经网络
深度神经网络是一种编程技术,机器学习中使用的一种方法,一个从错误中学习的软件。
深度神经网络由神经网络的几个隐藏层组成,这些神经网络对海量数据执行复杂的操作。每个连续层都使用前一层作为输入。例如,光学阅读使用低层来识别边缘,使用较高层来识别字母。
在深度神经网络模型中,输入数据(黄色)针对隐藏层(蓝色)进行处理,并针对更多隐藏层(绿色)进行修改以产生最终输出(红色)。
第一层:黄色感知器根据输入做出简单的决定。每个决策都会发送到下一层的感知器。
第二层:蓝色感知器通过权衡第一层的结果来做出决定。该层在比第一层更抽象的层次上做出更复杂的决策。
第三层:更复杂的决定是由绿色感知器做出的。
深度学习(DL)
深度学习是机器学习的一个子集。深度学习是过去几年 AI 繁荣的原因。深度学习是一种高级 ML,可以处理图像识别等复杂任务。
机器学习 |
深度学习 |
人工智能的一个子集 |
机器学习的一个子集 |
使用较小的数据集 |
使用更大的数据集 |
由人类训练 |
自己学习 |
创建简单的算法 |
创建复杂的算法 |
评论留言