智力就是理性思考和控制行為的能力。人類有智慧去思考和利用常識(shí)來(lái)作出決定。人工智能就是一個(gè)構(gòu)建智能代理的研究領(lǐng)域，因此未來(lái)我們打造出來(lái)的人工智能可以像人一樣思考并理性行事。圖靈測(cè)試由艾倫·圖靈(1950)提出，旨在提供令人滿意的智能操作定義。如果機(jī)器人具有以下功能，則可以通過(guò)圖靈測(cè)試：

1. 通過(guò)理解和編寫(xiě)自然語(yǔ)言與人交往;
2.知識(shí)表示(知道如何向用戶呈現(xiàn)知識(shí));
3.知識(shí)推理(知道如何從存儲(chǔ)的知識(shí)推斷回答以回答人類);
4.機(jī)器學(xué)習(xí)推斷模式并適應(yīng)新的環(huán)境。

簡(jiǎn)而言之，AI就是研究有助于構(gòu)建智能機(jī)器的規(guī)則和算法，AI解決的一組問(wèn)題是NP完全的。

人工智能是一個(gè)廣泛的研究領(lǐng)域，涉及以下五個(gè)重要學(xué)科：

1. 專家系統(tǒng);
2.神經(jīng)網(wǎng)絡(luò);
3.模糊系統(tǒng);
4.機(jī)器人;
5.自然語(yǔ)言處理。

機(jī)器學(xué)習(xí)(ML)

機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，它通過(guò)算法在數(shù)據(jù)中學(xué)習(xí)獲得一些人類需要的數(shù)據(jù)。學(xué)習(xí)可以把人變成天才，讓他們適應(yīng)新的環(huán)境。同樣，機(jī)器的學(xué)習(xí)能力使其足夠強(qiáng)大以適應(yīng)新的環(huán)境。任何機(jī)器學(xué)習(xí)算法的目標(biāo)都是通過(guò)學(xué)習(xí)過(guò)程使其目標(biāo)最大化，以便它能夠處理看不見(jiàn)的數(shù)據(jù)。

實(shí)現(xiàn)機(jī)器學(xué)習(xí)的兩個(gè)關(guān)鍵學(xué)習(xí)方法(算法)是：

1. 監(jiān)督學(xué)習(xí)：外部設(shè)計(jì)者或標(biāo)記數(shù)據(jù)有助于機(jī)器學(xué)習(xí)。
2.無(wú)監(jiān)督學(xué)習(xí)：機(jī)器學(xué)習(xí)時(shí)沒(méi)有任何標(biāo)簽數(shù)據(jù)或外部設(shè)計(jì)者。

人工智能的目標(biāo)是使機(jī)器像人一樣地聰明。

專家系統(tǒng)

專家系統(tǒng)是依靠知識(shí)庫(kù)來(lái)解決問(wèn)題的系統(tǒng)。知識(shí)庫(kù)可以用不同的形式表示，如規(guī)則、語(yǔ)義網(wǎng)絡(luò)和決策樹(shù)。專家系統(tǒng)由知識(shí)庫(kù)和推理引擎組成，以從存儲(chǔ)的知識(shí)庫(kù)中推斷或推理知識(shí)。專家系統(tǒng)用于需要人類專家來(lái)解決特定問(wèn)題的地方。

知識(shí)庫(kù)

基于規(guī)則的專家系統(tǒng)以規(guī)則的形式捕捉專家在特定領(lǐng)域的知識(shí)。這些規(guī)則構(gòu)成知識(shí)庫(kù)，然后通過(guò)推理引擎對(duì)事實(shí)進(jìn)行評(píng)估，以解決特定問(wèn)題。規(guī)則示例：

如果天空很清晰，陽(yáng)光燦爛，

那么雨衣是不需要的。

優(yōu)點(diǎn)

由于規(guī)則以自然語(yǔ)言表示，因此易于捕捉對(duì)知識(shí)庫(kù)的理解。

缺點(diǎn)

專家對(duì)同一主題的意見(jiàn)各不相同，這使得難以掌握領(lǐng)域知識(shí)。

規(guī)則的維護(hù)和更新是一個(gè)漫長(zhǎng)的過(guò)程。

而且不同領(lǐng)域內(nèi)存在不同類型的專家系統(tǒng)，如基于規(guī)則的專家系統(tǒng)，模糊專家系統(tǒng)和基于框架的專家系統(tǒng)。

推理

專家系統(tǒng)中的推理通過(guò)向前或向后鏈接進(jìn)行。正向鏈接是一種數(shù)據(jù)驅(qū)動(dòng)推理技術(shù)，它從知道數(shù)據(jù)開(kāi)始，并按照該規(guī)則前進(jìn)。反向鏈接是一種目標(biāo)驅(qū)動(dòng)的推理，它從一個(gè)目標(biāo)開(kāi)始并向后推進(jìn)以找到支持目標(biāo)的數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(ANN)受到人類神經(jīng)系統(tǒng)的啟發(fā)。該系統(tǒng)的工作方式與人類大腦存儲(chǔ)和處理知識(shí)的方式完全相同。與人類大腦非常相似的神經(jīng)網(wǎng)絡(luò)由一組彼此高度連接的神經(jīng)元或節(jié)點(diǎn)組成。信息在網(wǎng)絡(luò)的神經(jīng)元中被存儲(chǔ)，處理和分析。每個(gè)節(jié)點(diǎn)或神經(jīng)元都可以激活網(wǎng)絡(luò)中的其他神經(jīng)元，神經(jīng)元之間的鏈接或連接稱為權(quán)重。一個(gè)網(wǎng)絡(luò)可以包含n個(gè)神經(jīng)元或節(jié)點(diǎn)，這可以使網(wǎng)絡(luò)變得非常復(fù)雜。一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)由一個(gè)輸入和輸出層組成。

以下是不同類型的神經(jīng)網(wǎng)絡(luò)：

前饋神經(jīng)網(wǎng)絡(luò);
卷積神經(jīng)網(wǎng)絡(luò)(CNN);
遞歸神經(jīng)網(wǎng)絡(luò);
長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)。

人工神經(jīng)網(wǎng)絡(luò)能夠通過(guò)調(diào)整權(quán)重來(lái)學(xué)習(xí)。正是這種神經(jīng)網(wǎng)絡(luò)的能力使它們適合于機(jī)器學(xué)習(xí)。不同類型的學(xué)習(xí)算法都可以用于神經(jīng)網(wǎng)絡(luò)，其中最突出的是反向傳播算法。

文章原標(biāo)題《demystifying-ai-and-machine-learning》

標(biāo)簽： 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。