程序员如何自信的回答普通人问你什么是人工智能，因为我被问过，答不出来感觉很丢脸，当然，只是个人觉得，不是说程序员就要懂。人工智能试图理解智能的本质，并产生一种新的智能机器，它可以以类似于人类智能的方式作出反应。该领域的研究包括机器人技术，语音识别，图像识别，自然语言处理和专家系统。自人工智能诞生以来，理论和技术日趋成熟，应用领域不断扩大。可以预见，在未来几年内，它将进入“人工智能时代”。
人工智能现在遍布全世界，并在日常生活中经历了巨大的变化。这些AI不是科幻电影中的机器人，它们具有自我意识并计划摧毁世界的邪恶。相反，我们的智能手机，智能家居，银行信用卡管理员和智能汽车等产品在我们每天生活的产品和服务中使用AI。
人工智能将通过促进自动驾驶汽车的发展，改进医学图像分析，促进更好的医疗诊断和个性化医疗，带来重大的社会转型。人工智能也将成为支持未来技术发展的基本资源，就像电力和网络一样。但对于大多数人来说，人工智能仍然非常奇怪，充满了神秘色彩。
那么让我们来谈谈今天人工智能最重要的功能。——模式识别有效。我希望通过简短而简洁的介绍帮助您理解这一领域。
人工智能是一门严谨的科学，而不是一种无所不能的神话。媒体过度夸大报道人工智能的功能，提倡威胁论是不负责任的。人工智能的目标是设计一个具有智能的机器，其中算法和技术基于人脑的当前研究结果。今天许多流行的AI系统使用人工神经网络来模拟非常简单的互连元素的网络，有点像大脑中的神经元。这些网络可以通过调整单元之间的连接来学习经验，这个过程类似于通过修改神经元之间的连接而学习的人和动物大脑。神经网络可以学习模式识别，翻译语言，学习简单的逻辑推理，甚至创建图像或形成新的设计。其中，模式识别是一项特别重要的功能，因为AI非常擅长识别海量数据中隐藏的模式，这对于依赖经验和知识的人来说并不容易。这些程序运行在具有数百万单位和数十亿连接的神经网络上。我们现在可以创建的“智能”由这些电子神经元网络组成。
机器没有人体器官和大脑，它们可以很好地协同工作。例如，当我们看到一只狗时，我们会很快判断它是什么动物以及它是什么类型的动物。这个看似简单的过程对于机器来说非常困难。人类获得这种力量的能力也来源于数亿年来生物学的进化过程。机器了解世界的方式是通过模型，需要通过复杂的算法和数据建立模型，这样机器就可以获得简单的感知和判断能力。以下描述了深度学习系统中最重要的算法之一，即——卷积神经网络。如果你以前对AI有一些了解，那么你一定听说过这个概念。该算法涉及人类和其他动物大脑视觉皮层结构的研究。简要介绍这种特殊类型的人工神经网络，它使用感知器，机器学习单元算法来监督数据的学习和分析。适用于图像处理，自然语言处理和其他类型的认知任务。与其他类型的人工神经网络一样，卷积神经网络具有输入层，输出层和各种隐藏层。其中一些层是复卷的，并使用数学模型将结果传递给连续的层。该过程模仿人类视觉皮层中的一些动作，因此称为卷积神经网络或CNN。例如，当我们人类看到猫和狗时，虽然它们的大小相似，但我们可以立即将它们与猫和狗区分开来。对于计算机，图像只是一堆数据。通过神经网络的第一层中的特征来检测对象的轮廓。神经网络的下一层将检测由这些简单模式组合形成的简单形状，例如动物眼睛和耳朵。下一层将检测由这些形状组合形成的物体的某些部分，例如猫和狗的头部或腿部。神经网络的最后一层将检测这些部分的组合：完整的猫，完整的狗，等等。神经网络的每一层将执行图像组合分析和特征检测，以判断和组合并将结果传递给下一层神经网络。所使用的神经网络的实际深度将比该示例深得多，因此神经网络可以以这种分层方式执行复杂的模式识别。
只要有大量标记的样本数据库，就可以在神经网络上进行特征训练。它对于识别图像，视频，语音，音乐甚至文本特别有用。为了很好地训练AI的机器视觉，我们需要提供这些神经网络所标记的大量图像数据。神经网络学习将每个图像与其对应的标签相关联。您还可以将之前从未见过的图像与相应的标签配对。这样的系统可以对各种图像进行分类并识别照片中的元素。同时，神经网络在语音识别和文本识别中也非常有用。自动驾驶汽车和最新的医学图像分析系统也是关键组件，因此您可以看到神经网络的使用非常广泛和有效。最初，有必要依靠手工标记大量有效数据来完成知识输入。现在，通过运行海量数据，神经网络可以自学。大大增强的人工智能应用范围降低了使用门槛。人类的大脑与动物大不相同，在进化过程中具有高度的专业性和适应性。目前的人工智能系统远没有人类拥有的看似普遍的智能。人工智能的更先进的发展将在后面讨论，我们仍然关注现在实施的人工智能的基本原则。
皖公网安备 34010202600669
