AI人工智能

219mze

人工智能的价值很大一部分在于自动化人工过程和快速分析海量数据，这般人类就能够自由地完成必须理性和判断力的高阶任务。

然而，要达到这一点，人工智能系统必要能够与用户通信并分析自然形式的数据（又叫作非结构化数据），所有没法以整洁的方式打包的自由流动的数据，如语音、图像和文本。非结构化数据在AI上有什么用 - 人工智能 - 电子发烧友网

人工智能（Artificial Intelligence），英文缩写为AI。它是科研、研发用于模拟、延伸和扩展人的智能的 理论、办法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图认识智能的实质，并生产出一种新的能以人类智能类似的方式做出反应的智能设备，该行业的科研包含 设备人、语言识别、图像识别、自然语言处理和专家系统等。早在通用计算机面世前的1943年，神经专家沃伦·麦卡洛克和沃尔特·彼茨就提出了一种大胆假说，描述了人类神经节沿着网状结构传递和处理信息的模型。这一假说一方面 被神经专家用于科研人类的感知原理；另一方面则 被计算机科学家们借鉴，用于人工智能的关联科研。后者亦被学术界叫作为人工神经网络。1965年，A.G.伊瓦赫年科提出创立多层人工神经网络的设想，这种基于多层神经网络的设备学习模型后来被人们作为“深度学习”，伊瓦赫年科有时亦被叫作为“深度学习之父”。与人工智能区别的是，数十年里，深度学习及关联的人工神经网络技术因为种种原由，蛰伏于人工智能兵器库的一角，默默没闻。当时的深度学习理论还没法处理网络层次加深后带来的许多问题，计算机的计算能力亦远远达不到深度神经网路的必须。更要紧的是，深度学习赖以施展威力的大规模海量数据还无完全准备好。从基本上来看，深度学习和所有设备学习办法同样，是一种用数学模型对真实世界中的特定问题进行建模，以处理该行业内类似问题的过程。深度学习是一种设备学习，和咱们人类学习过程有必定的类似状况。就像人类认字同样，基本原理便是从简单到繁杂，看每一个汉字的写法，看得多了就记住了，下次再看到就认出来了。而教计算机认字，差不多亦是同样，计算机要先把每一个字的图案反复看非常多遍，而后总结出一个规律，以后计算机只要看到类似的图案，符合之前总结的规律，计算机就晓得了图案到底是什么字。计算机要先把每一个字的图案反复看非常多遍，而后总结出一个规律，以后计算机只要看到类似的图案，符合之前总结的规律，计算机就晓得了图案到底是什么字。计算机用来反复看的照片数据，便是“训练数据集”，在训练数据集中提前做好暗号（期盼计算机能识别出来的）的照片便是“标注数据”，这个过程便是“标注”，在“训练数据集”标注照片和未标注照片之间的区别是“特征”，计算机总结出“特征”并加强判断准确率的过程便是“训练”，当准确率达到一个相对稳定水平后，训练好的这套代码形成的算法规律就成为了能够处理问题的“模型”，以上这个过程便是“设备学习”。设备学习是一类算法的总叫作，这些算法企图从海量历史数据中挖掘出其中隐含的规律，并用于预测或归类，更详细的说，设备学习能够看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于繁杂，以至于不太方便形式化表达。必须重视的是，设备学习的目的是使学到的函数很好地适用于“新样本”，而不仅是在训练样本上表现很好。学到的函数适用于新样本的能力，叫作为泛化（Generalization）能力。

aikangjian

感谢你的精彩评论，带给我新的思考角度。

m5k1umn

外贸网站建设方法 http://www.fok120.com/

nykek5i

可以发布外链的网站 http://www.fok120.com/