首页 / 资讯中心 / 交通百科/理解ai人工智能、机器学习和深度学习

理解ai人工智能、机器学习和深度学习

发布时间:2018-08-04 分类:交通百科

正如神经学家约瑟夫·勒杜克斯(JosephLeDoux)博士在“情绪化大脑”(1996)一书中所说,人脑是“最复杂的机器,是可以想象的,也是不可想象的。”这并不奇怪,因为大脑是由超过1000亿个神经元和大约1万亿个神经元连接而成的。

也许正是这个无限的可能性世界激发了ai人工智能领域的灵感,人工智能是计算机科学中关注模仿人类智能行为的机器的一部分。自从1956年达特茅斯会议上少数科学家首次提出这个术语以来,人工智能已经取得了一些划时代的成就,比如第一个自主学习程序和第一个工业机器人。这些进展是通过研究人类大脑作出决定的方式,并根据研究结果开发智能软件和系统而取得的。

人工智能

在称为AI的总括术语下有许多子集。一些子集,如机器学习和深度学习,比其他子集更接近于人脑的实际复杂性。正如您将在下面看到的,这两个子集都侧重于机器的学习能力,但具有不同程度的独立性。

机器学习

机器学习是更接近人类认知的一步,它为计算机提供了无需明确编程就能学习的能力。为了做到这一点,计算机被赋予了一个客观和性能的衡量标准,并且它使用数据和算法来训练自己如何越来越接近期望的结果,直到它成功为止。

虽然这是令人印象深刻的,但是人类的大脑所做的远不止线性思考。它既考虑到经验和背景,又不断地适应。对于这种复杂的非线性推理,通常采用一种称为“深度学习”的机器学习技术。机器学习模型通过输入更多数据进行自我学习,而深度学习模型则通过其计算“大脑”进行独立学习。

深度学习

深层学习的“大脑”更能模仿人脑,因为它的人工神经网络实际上是受到生物神经网络本身的启发。传统的机器学习使用两层或三层的浅网络,而深度学习使用三层以上的“深层”神经网络结构,这些复杂的神经网络更能对大量高维数据集之间的复杂联系进行分类.。

当数据通过一层节点传递到另一层节点时,每一层都根据前一层的输出对一组特定的特性进行训练。神经网络越深入,处理的数据就越复杂。这一过程通常被称为“特征层次”,最好的例子是图像识别等工具。

最重要的是,随着时间的推移,系统获得了更多的经验,它学会了如何根据收到的新数据增加正确分类的概率。我们看到这一趋势在塑造我们日常生活的各个行业中无缝地渗透着,大多数时候,我们都没有注意到这一点。像易趣和亚马逊这样的电子商务网站记录了消费者的整个旅程,因此我们每次访问都会得到更多吸引人的体验。医疗机构现在使用深度学习框架结合以前的研究数据来发现疾病的早期迹象。任何地方的机场或安全停车场的安全摄像头都有能力在发生可疑活动时发现和跟踪个人,这一切都归功于他们的深刻学习模式。

虽然所有这些进步让我们敬畏,但很难相信我们的大脑仍然比任何人工神经网络更先进和复杂(到目前为止),这并不意味着人工智能不会随着时间的推移而继续朝着这个方向发展。随着每一个突破,更多的机会将出现,超出我们最疯狂的想象。