建站
咨詢
售后
建站咨詢
新聞中心
根據(jù)麥肯錫的數(shù)據(jù)，從現(xiàn)在到2030年這十幾年間，人工智能將會為美國新創(chuàng)造大約13萬億美元的國內(nèi)生產(chǎn)總值。相比之下，2017年整個美國的國內(nèi)生產(chǎn)總值約為19萬億美元。
公司主營業(yè)務(wù)：成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。成都創(chuàng)新互聯(lián)公司是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。成都創(chuàng)新互聯(lián)公司推出青州免費做網(wǎng)站回饋大家。
吳恩達等主要的人工智能科學(xué)家將人工智能描述為第四次工業(yè)革命或“新電力”。人工智能無疑是數(shù)字轉(zhuǎn)型的核心，它在整個行業(yè)的應(yīng)用將極大地改變世界和業(yè)務(wù)方式。
許多人想?yún)⒓舆@場人工智能革命，但人工智能的技術(shù)復(fù)雜性使他們不堪重負。他們不知道人工智能的功能，更不用說如何將人工智能運用于公司了。
這正是本文所要解決的問題：讓沒有技術(shù)背景的人更理解人工智能，這樣他們自己就能夠評估人工智能在自己工作中的可能性。
1. 對人工智能的誤解
人工智能有很多不必要的炒作，這主要是由于許多人都有一種常見的誤解。人工智能可以分為兩部分或存在兩種內(nèi)容：
(1) 弱人工智能(ANI)
這指人工智能擅長某一特定任務(wù)，它們是針對這一任務(wù)訓(xùn)練和開發(fā)的。例如，它可以是一個基于歷史數(shù)據(jù)預(yù)測房價的人工智能系統(tǒng)，或者是向你推薦YouTube視頻的算法。還比如是預(yù)測性維護、質(zhì)量控制等。
弱人工智能是一個非常強大的工具，它將在未來幾年為社會增加許多附加價值。近年來看到的所有成就，以及在新聞中經(jīng)常聽到的內(nèi)容，都發(fā)生在弱人工智能領(lǐng)域。這些吸引人眼球的新聞讓人們錯誤地認為科學(xué)在人工綜合智能方面取得了很大的進展，但實際上只在弱人工智能方面取得了進步。
(2) 通用人工智能(AGI)
人工智能的最終目標是一個跟人類一樣只能甚至比人類更智能的計算機系統(tǒng)。任一人工綜合智能都可成功地完成任何人可以完成的智力任務(wù)。這也是人工智能中最引起人們恐懼的部分。他們想象出一個計算機比人類聰明得多的世界，在這個世界里幾乎每一項工作都是自動化的，甚至是像《終結(jié)者》一樣的場景。這就是不必要的炒作。它引起了對人類未來的非理性恐懼，而實際上，要想達到真正的通用人工綜智能水平，還需作出許多技術(shù)上的突破。
2. 什么是機器學(xué)習(xí)?
機器學(xué)習(xí)是人工智能的中堅技術(shù)。它利用統(tǒng)計技術(shù)使計算機程序能夠從數(shù)據(jù)中學(xué)習(xí)(例如逐步提高其處理特定任務(wù)中的能力)，而無需進行明確的編程。
機器學(xué)習(xí)是人工智能的工具，它引起了所有的過度關(guān)注，并使幾乎所有通過人工智能系統(tǒng)創(chuàng)造的價值都得以實現(xiàn)。它也可以分為不同的部分，但只有一個部分涵蓋80%通過機器學(xué)習(xí)創(chuàng)造的價值。那便是有監(jiān)督學(xué)習(xí)。
有監(jiān)督學(xué)習(xí)算法只需通過學(xué)習(xí)大量數(shù)據(jù)中的關(guān)系來學(xué)習(xí)輸入(A)到輸出(B)映射。想象一下建立一個系統(tǒng)，將電子郵件分為垃圾郵件和非垃圾郵件。需要收集大量電子郵件“被貼標簽”的案例。這意味著每封電子郵件都有一個標簽用來指示它是否是垃圾郵件。人們需要收集數(shù)千封帶有標簽的電子郵件，然后將這些數(shù)據(jù)輸入到一個受監(jiān)督的機器學(xué)習(xí)算法中。
在訓(xùn)練過程中，該算法將分析所有輸入的電子郵件，并迭代地提高對垃圾郵件與非垃圾郵件間區(qū)別原因的理解。在本例中，系統(tǒng)必須將電子郵件(a)映射到一個標簽，該標簽要能指示郵件是否是垃圾郵件(b)。
可以通過輸入上千封貼有標簽的電子郵件來訓(xùn)練算法?；谠摂?shù)據(jù)進行算法訓(xùn)練后，可以輸入一封全新的電子郵件(該算法以前從未見過)，該算法將顯示它是否認為該電子郵件是垃圾郵件。
比如在線廣告，其中輸入的是關(guān)于用戶的信息(A)，而系統(tǒng)輸出是一個標簽，這個標簽顯示用戶是否要單擊一個添加項(B)。又比如是語音識別，輸入是音頻文件(A)，輸出是音頻文件中所述內(nèi)容文本(B)。
再比如輸入一個鋼板的圖像(A)進算法，它會判斷是否存在缺陷(B)。乍一看，這似乎是一種相當有限的技術(shù)，但如果正確應(yīng)用，它將非常強大。它是人工智能為社會創(chuàng)造附加價值的唯一主要原因。這種技術(shù)似乎有無窮無盡的不同案例，并且人們每天還會發(fā)現(xiàn)新的案例。
3. 人工智能術(shù)語
人工智能是一個非常復(fù)雜的領(lǐng)域，許多術(shù)語在開始時可能會使人非?；靵y。你可能聽說過神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)或數(shù)據(jù)科學(xué)。我們將研究一些有關(guān)人工智能最重要的術(shù)語，并揭示其含義，以便你能夠與其他人討論人工智能，并思考如何在業(yè)務(wù)中應(yīng)用人工智能。
現(xiàn)在為你提供最常用的人工智能術(shù)語的定義，但請注意，人工智能是一個非?；逎y懂的領(lǐng)域，許多術(shù)語可以互換使用，但有時卻不可以。
(1) 人工智能
人工智能是計算機科學(xué)的一個領(lǐng)域，它強調(diào)創(chuàng)造像人類一樣工作和反應(yīng)的智能機器。正如之前所提到的，當人們談?wù)撊斯ぶ悄軙r，他們大多是指通用人工智能(AGI)。應(yīng)該把人工智能視為整個智能領(lǐng)域，把機器學(xué)習(xí)和深度學(xué)習(xí)視為使計算機智能化的技術(shù)。
(2) 機器學(xué)習(xí)
機器學(xué)習(xí)是人工智能的一個分支領(lǐng)域。不過，正是這個研究領(lǐng)域使計算機能夠在沒有明確編程的情況下從數(shù)據(jù)中學(xué)習(xí)。因此，通過機器學(xué)習(xí)，基本上可以制作程序來執(zhí)行特定任務(wù)。因此，機器學(xué)習(xí)經(jīng)常會運行人工智能系統(tǒng)，從基本上來看，這個系統(tǒng)是一個軟件。
機器學(xué)習(xí)項目事例：假設(shè)一家有許多關(guān)于房子的數(shù)據(jù)的房地產(chǎn)公司，它和一家機器學(xué)習(xí)公司合作建立一個機器學(xué)習(xí)系統(tǒng)來預(yù)測未來房價。這樣的系統(tǒng)可以讓人更好地決定投資哪棟房子，并找出合適的時間來清算投資。
(3) 深度學(xué)習(xí)
深度學(xué)習(xí)是機器學(xué)習(xí)的一個組成部分，它包攬了人們近年來看到的，并且今天仍然看到的，所有的媒體炒作和人工狹義智能的大部分突破，這與機器學(xué)習(xí)基本上是一樣的：給算法貼上帶有標簽的數(shù)據(jù)，它就會學(xué)會預(yù)測標簽。與機器學(xué)習(xí)不同的是，深度學(xué)習(xí)使用了更現(xiàn)代和更復(fù)雜的算法，稱為神經(jīng)網(wǎng)絡(luò)。相反，在機器學(xué)習(xí)中使用的則是更為簡單的傳統(tǒng)算法。
由于它們的復(fù)雜性，新的技術(shù)發(fā)現(xiàn)以及足夠的數(shù)據(jù)支持和計算能力，深度學(xué)習(xí)算法能夠打破許多任務(wù)的先前基準，甚至在其中一些任務(wù)上超過人類(例如：組織病理學(xué)圖像分析，或者在Netflix上推薦電影)。
盡管神經(jīng)網(wǎng)絡(luò)(例如深度學(xué)習(xí)算法)幾乎總是比傳統(tǒng)算法表現(xiàn)更好，但它們具有某些缺點。
更多信息傳送門：神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(https://towardsdatascience.com/hype-disadvantages-of-neural-networks-6af04904ba5b)
你可能經(jīng)常聽說神經(jīng)網(wǎng)絡(luò)的構(gòu)建方式與人類大腦相似或受其啟發(fā)，但實際上，它們幾乎沒有關(guān)系。的確，它們最初受到大腦的啟發(fā)，但工作方式的細節(jié)與人類生物大腦的工作方式完全無關(guān)。
請注意，許多人可以互換地使用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)這兩個術(shù)語。
深度學(xué)習(xí)項目示例：高級視圖中審視它時，深度學(xué)習(xí)的項目與機器學(xué)習(xí)項目沒有太大差別，只需要更多數(shù)據(jù)，更多計算能力和高技能工程師。
(4) 數(shù)據(jù)科學(xué)
數(shù)據(jù)科學(xué)項目的輸出通常是一系列可幫助你做出更好的業(yè)務(wù)決策的見解，例如決定是否投資某些東西，是否應(yīng)該購買某些設(shè)備，或者是否應(yīng)重新構(gòu)建你的網(wǎng)站?？梢哉f，數(shù)據(jù)科學(xué)是通過統(tǒng)計方法、可視化等分析數(shù)據(jù)來提取數(shù)據(jù)知識和洞察力的科學(xué)。輸出通常是演示文稿或幻燈片，它們?yōu)楦吖?、領(lǐng)導(dǎo)者和產(chǎn)品團隊做出某些決總結(jié)結(jié)論，以作出某些決策。
數(shù)據(jù)科學(xué)項目示例：
想象一下，你從事在線廣告業(yè)。通過分析所在公司的銷售數(shù)據(jù)，數(shù)據(jù)科學(xué)家發(fā)現(xiàn)旅游行業(yè)的公司不會從你那里購買很多產(chǎn)品。因此，你可以將銷售團隊的重心轉(zhuǎn)移到旅游行業(yè)的公司。
另一個例子：
想象一下，你正在經(jīng)營電子商務(wù)，并且聘請了一些數(shù)據(jù)科學(xué)家以獲得更多與業(yè)務(wù)相關(guān)的見解。該項目的結(jié)果可能是一個幻燈片，介紹如何修改定價的計劃，以便提高整體銷售額或關(guān)于如何更有效地營銷特定產(chǎn)品的見解。
有人說人工智能是數(shù)據(jù)科學(xué)的一個子集，有些人說它是另一種方式。所以，這取決于你與誰交談，但數(shù)據(jù)科學(xué)是一個跨學(xué)科領(lǐng)域，涉及人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)的許多工的，但它也有自己獨立的工具。其目標主要是提升商業(yè)洞察力。
你可能還聽說過其他流行語，如強化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)(GANs)等。這些只是使人工智能系統(tǒng)更智能化的其他工具，換句話說，機器學(xué)習(xí)有時也是數(shù)據(jù)科學(xué)。
現(xiàn)在已經(jīng)了解了人工智能、機器學(xué)習(xí)、數(shù)據(jù)科學(xué)和深度學(xué)習(xí)(例如神經(jīng)網(wǎng)絡(luò))。希望這能讓你了解人工智能中最常用的術(shù)語，并且可以開始考慮這些事情如何應(yīng)用到業(yè)務(wù)當中。
4. 什么是數(shù)據(jù)?
數(shù)據(jù)可以采用多種形式：電子表格、圖像、音頻、傳感器數(shù)據(jù)等。這些可分為兩大類：結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。
(1) 結(jié)構(gòu)化數(shù)據(jù)(“生活在巨型電子表格中的數(shù)據(jù)”)
結(jié)構(gòu)化數(shù)據(jù)，就像它的名稱所暗示的那樣，是按照預(yù)定義模式以結(jié)構(gòu)化格式存儲的數(shù)據(jù)。它指的是駐留在記錄或文件中的固定字段中的任何數(shù)據(jù)，可以是文本的也可以是非文本的。
下面是著名的泰坦尼克號數(shù)據(jù)集中的結(jié)構(gòu)化數(shù)據(jù)示例。它包含坦尼克號每位乘客的信息。
(2) 非結(jié)構(gòu)化數(shù)據(jù)
非結(jié)構(gòu)化數(shù)據(jù)本質(zhì)上是未通過預(yù)定義模型構(gòu)建的其他所有內(nèi)容。它可以是文本的或非文本的，但當人們談?wù)摲墙Y(jié)構(gòu)化數(shù)據(jù)時，它們主要是指圖像、視頻、音頻文件、文檔等。
我們已經(jīng)解釋了什么是監(jiān)督學(xué)習(xí)。由于監(jiān)督學(xué)習(xí)是最常用的機器學(xué)習(xí)類型，當人們說“數(shù)據(jù)”時，它們主要是指標記數(shù)據(jù)。示例：有一個數(shù)據(jù)集，其中包含100,000只狗和貓的照片，其中每張照片都有一個標簽，“貓”或者“狗”。
另一個例子是包含房價信息的數(shù)據(jù)集。在這里，你將獲得有關(guān)房屋的信息(如面積，臥室數(shù)量，位置等)以及作為標簽的價格。
5. 如何獲得數(shù)據(jù)?
可以在互聯(lián)網(wǎng)上找到許多問題的數(shù)據(jù)集(一些是免費的，一些要花點錢)，但大多數(shù)時候需要創(chuàng)建自己的數(shù)據(jù)集。
獲取數(shù)據(jù)有三種主要方式：
(1) 手動標簽
想象一下建立一個分類器，可以檢測給定圖片上是否有男人或女人。要訓(xùn)練這樣的分類器，需要創(chuàng)造或獲得許多男女形象。然后，你需要為每個圖像指定一個標簽：男人(標簽1)或女人(標簽2)。你也可以向人們付費為你做標簽工作(例如：亞馬遜機械土耳其人：mturk.com)。
(2) 觀察行為
想象一下，你在經(jīng)營一家電子商務(wù)公司并希望預(yù)測客戶何時會進行購買，從而使你能夠更好地管理股票等。你可以通過觀察用戶在網(wǎng)站上的行為以及購買情況來創(chuàng)建數(shù)據(jù)集。這將有助于創(chuàng)建描述每個用戶的操作的數(shù)據(jù)集(由某些變量描述，例如：一天中的時間，他們點擊的位置等)，以及標簽：購買(標簽1)或不購買(標簽2)。
另一個例子是觀察機器的行為，這可以使你預(yù)測它何時需要維護等。
(3) 使用免費數(shù)據(jù)源，購買數(shù)據(jù)或從合作伙伴處獲取數(shù)據(jù)
像Kaggle這樣的數(shù)據(jù)集有許多免費資源。還可以使用Google數(shù)據(jù)搜索，其功能類似于Google，但僅適用于數(shù)據(jù)集。如果沒有找到任何內(nèi)容，可以在數(shù)據(jù)市場上查找數(shù)據(jù)集或從合作伙伴處獲取數(shù)據(jù)集。
6. 濫用數(shù)據(jù)
乍一看，獲取數(shù)據(jù)似乎很簡單，但可能出現(xiàn)的問題很多。在人工智能和機器學(xué)習(xí)中，我們說：“垃圾中的垃圾”，這意味著你在培訓(xùn)期間將人工智能質(zhì)量從人工智能系統(tǒng)中提取出來。
想象一下，你想創(chuàng)建一個特定的人工智能應(yīng)用程序并開始獲取數(shù)據(jù)。你的計劃是用兩年實踐累積數(shù)據(jù)，然后構(gòu)建人工智能系統(tǒng)。這是非常糟糕的做法。在這種情況下，正確的方法是獲取你能夠獲得的數(shù)據(jù)并盡快將其提供給人工智能專家。經(jīng)過一些評估后，他可以告訴你，哪些部分是有用的，哪些部分是完全無用的，以及你應(yīng)該添加哪些數(shù)據(jù)。為了節(jié)省金錢和時間：與專家一起快速評估數(shù)據(jù)質(zhì)量。
另一個大問題是標簽不正確。示例：貓的形象標記成狗而狗被標記成貓等等。這可以防止你的算法學(xué)習(xí)真正將貓與狗分開的東西然后完全混淆它們。好消息是，數(shù)據(jù)總數(shù)越多，標簽不正確的問題就變得越來越不重要了。如果你有一個巨大的數(shù)據(jù)集，有超過200萬個標記的貓和狗圖像，一些不正確的標簽不會影響其性能。
還有一個問題，有些人認為，因為他們的公司擁有大量數(shù)據(jù)，并且這些數(shù)據(jù)很有用，或者人工智能團隊可以讓它們變得有用。那完全錯了。雖然更多的數(shù)據(jù)通常更好，但你可以擁有數(shù)十億的數(shù)據(jù)條目，即使是世界上最好的人工智能工程師也無法從沒有價值的東西中創(chuàng)造價值。因此，請不要把數(shù)據(jù)丟給人工智能團隊，并假設(shè)它在某種程度上是有價值的。你可能認為這很稀松平常，但由于對數(shù)據(jù)和AI的誤解，很多創(chuàng)業(yè)公司認為他們擁有有用的數(shù)據(jù)，而事實上他們沒有。還有其他問題是價值缺失，多種類型的數(shù)據(jù)(可以解決 - 但成本高昂)等等。
本文名稱：轉(zhuǎn)給你的她！文科小姐姐也能讀懂的AI指南
網(wǎng)站地址：http://fisionsoft.com.cn/article/dpgiepc.html
