logo
Loading...

第八章 人工智慧 - Cupoy

人工智慧是一種藝術,也是一個智慧的實體,可以依據環境的不同,而做出相對的反應。 談到人工智慧,不能不提到艾倫圖靈 ( Alan Turing ) 。 艾倫圖靈是一位電腦科學家,他開發了第一種關於人工智慧的理論,他所設計的圖靈測試,可以用來測試一台機器的智能程度,當一位人類詢問者被賦予任務,要來確認玩家A或B,那一個是電腦或那一個是人類?但詢問者無法確定其差異時,則稱該電腦具有智能。由於當時語音辨識技術並不成熟,詢問者提問時僅限於使用書面提問。 電腦如何通過圖靈測試?如果我們仔細研究一台機器應該具備哪些底層技術才能通過,那麼電腦至少需要以下功能: 自然語言處理 ( Natural language processing ) - 電腦需要能夠翻譯英語才能有效地進行交流。 知識表現 ( Knowledge representation )  - 電腦需要儲存輸入數據並在以後檢索相同的數據。 自動推理 ( Automated reasoning ) - 電腦需要能夠使用儲存的資訊來回答問題並得出結論。為了實現這一點,電腦需要應用演算法。 機器學習(Machine learning) - 電腦需要調整其對先前輸入數據的響應,以便制定新的響應。 大數據和人工智慧之間的主要差異點,在於大數據分析和解析大多停留在預測性和指導性解析 ( predictive and prescriptive analytics ) 中,人工智慧的目的則是多了認知科學技術。 認知分析 認知分析是基於感知環境和個性化特徵,設計和開發能夠反映出類似人類決策的演算法。認知分析不同於其他形式的分析,原因有兩個: 認知分析基於感知環境做出決策。在一天中的任何設定時間,環境都是不一樣的(從自動駕駛汽車的例子中可以清楚地看出)並且需要根據具體情況進行處理。為了檢測感知環境,需要通過感測器捕獲輸入數據。 認知分析基於個性化特徵做出決策。演算法從其特定用戶那裡學習,以便調整其對特定個人的決策。在學習恆溫器的例子中,兩個不同家庭的溫度將根據其個人用戶的特徵而具有不同的加熱模式。 為了實現人工智慧的這兩項關鍵特徵,認知分析關注於理性代理 ( rational agents ) 的發展。代理 ( an agent ) 通過一個或多個感測器感知來自特定環境(在自駕車中的交通或在Siri的情況下的語音)中的數據。代理隨後處理這些數據(使用某種演算法),然後採取特定的行動方案。該決定是自主的,類似於人類在類似情況下所做的決定。 深度學習 深度學習是一種機器學習,可以處理更廣泛的數據資源,需要更少的人類數據預處理,並且通常可以產生比傳統機器學習方法更為準確的結果(儘管它需要更多的數據來做)。由於深度學習的成功,造就人工智慧領域的重大進展  資料來源:NVIDIA 深度學習將原始數據分解為多個層(使用反向傳播演算法),然後將這些層相互比較。使用這種技術,將大數據集分解為可以分析的結構化資訊片段,變得更加有效。 深度學習主要應用於處理圖像、視頻、語音和音頻等等。

人工智慧是一種藝術,也是一個智慧的實體,可以依據環境的不同,而做出相對的反應。 談到人工智慧,不能不提到艾倫圖靈 ( Alan Turing ) 。 艾倫圖靈是一位電腦科學家,他開發了第一種關於人工智慧的理論,他所設計的圖靈測試,可以用來測試一台機器的智能程度,當一位人類詢問者被賦予任務,要來確認玩家A或B,那一個是電腦或那一個是人類?但詢問者無法確定其差異時,則稱該電腦具有智能。由於當時語音辨識技術並不成熟,詢問者提問時僅限於使用書面提問。 電腦如何通過圖靈測試?如果我們仔細研究一台機器應該具備哪些底層技術才能通過,那麼電腦至少需要以下功能: 自然語言處理 ( Natural language processing ) - 電腦需要能夠翻譯英語才能有效地進行交流。 知識表現 ( Knowledge representation )  - 電腦需要儲存輸入數據並在以後檢索相同的數據。 自動推理 ( Automated reasoning ) - 電腦需要能夠使用儲存的資訊來回答問題並得出結論。為了實現這一點,電腦需要應用演算法。 機器學習(Machine learning) - 電腦需要調整其對先前輸入數據的響應,以便制定新的響應。 大數據和人工智慧之間的主要差異點,在於大數據分析和解析大多停留在預測性和指導性解析 ( predictive and prescriptive analytics ) 中,人工智慧的目的則是多了認知科學技術。 認知分析 認知分析是基於感知環境和個性化特徵,設計和開發能夠反映出類似人類決策的演算法。認知分析不同於其他形式的分析,原因有兩個: 認知分析基於感知環境做出決策。在一天中的任何設定時間,環境都是不一樣的(從自動駕駛汽車的例子中可以清楚地看出)並且需要根據具體情況進行處理。為了檢測感知環境,需要通過感測器捕獲輸入數據。 認知分析基於個性化特徵做出決策。演算法從其特定用戶那裡學習,以便調整其對特定個人的決策。在學習恆溫器的例子中,兩個不同家庭的溫度將根據其個人用戶的特徵而具有不同的加熱模式。 為了實現人工智慧的這兩項關鍵特徵,認知分析關注於理性代理 ( rational agents ) 的發展。代理 ( an agent ) 通過一個或多個感測器感知來自特定環境(在自駕車中的交通或在Siri的情況下的語音)中的數據。代理隨後處理這些數據(使用某種演算法),然後採取特定的行動方案。該決定是自主的,類似於人類在類似情況下所做的決定。 深度學習 深度學習是一種機器學習,可以處理更廣泛的數據資源,需要更少的人類數據預處理,並且通常可以產生比傳統機器學習方法更為準確的結果(儘管它需要更多的數據來做)。由於深度學習的成功,造就人工智慧領域的重大進展  資料來源:NVIDIA 深度學習將原始數據分解為多個層(使用反向傳播演算法),然後將這些層相互比較。使用這種技術,將大數據集分解為可以分析的結構化資訊片段,變得更加有效。 深度學習主要應用於處理圖像、視頻、語音和音頻等等。