到底什麼是AI?什麼是機器學習?

關於AI

AI(人工智慧)已經被媒體炒得不能再熱了,相信你也一定經常會聽到關於人工智慧的各種傳聞,那麼,到底什麼是AI(人工智慧)呢?這篇文章將帶你揭開人工智慧神秘的面紗,並讓你對當今人工智慧的發展狀況有初步的了解。

我找了百度百科對於AI的解釋:

「人工智慧(Artificial Intelligence),英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。」

其實已經解釋的比較清楚了,人工智慧是一種智慧的問題解決方法,它可以被應用到各個領域,它的實現形式可能是一款APP、一個機器人、一台自動駕駛的汽車、甚至是音箱或一個水杯。

人工智慧 ≠ 機器人

如果你對人工智慧不了解,一定會對這兩者的概念混淆,其實兩者是不同的概念,如上文所述,人工智慧可能被應用到各行各業,展現形式也是多種多樣,機器人是人工智慧最佳的展示平台,AI也是機器人不可或缺的組成部分,一台不具備AI功能的機器人可以說是不完整的,AI在機器人上可以施展才能的領域包括圖像、影像識別、自然語言處理、行為控制等。所以,你可以這樣理解機器人,它是採用了AI的技術以實現某些功能的機械結構,機器人與人工智慧分屬不同領域。既然說到機器人,一定要說下最近很火的索菲亞,就是下面這個機器人,她是首個機器人公民,能與人類對答如流,似乎還有著自己的思想,其實Bruce認為,這其中炒作成分很大,現在的AI機器人發展水平還遠未到這個水平,但從索菲亞身上,我們能看到未來機器人的影子…

機器學習是人工智慧的一種實現方法

機器學習其實並不是最近幾年才提出的,之所以現在大家一提到人工智慧就會想到機器學習,甚至把機器學習等同於人工智慧去理解,是因為機器學習這兩年獲得了巨大的進步,高速的計算晶元技術日益成熟,加上移動互聯網時代沉積下來的大量數據,使得機器學習的硬體與軟體環境都得到了滿足。所以,機器學習只是人工智慧的其中一種實現方法,但目前而言,這是一種最實際也最有效的實現方法。

那麼,我們如何去理解機器學習呢,他和我們的程序控制有哪些區別呢?我來舉一個簡單的例子,假設我們正在製作一個能自動控制平衡的獨輪車,如果使用傳統方法,就是用程序控制的話,我們會在程序中去寫一個電機控制程序,程序根據當前獨輪車的姿態(傾倒角度)、角加速度及前進速度等參數來計算應該給電機賦予多大的電流以使獨輪車能保持平衡,寫這個程序的過程可能需要無數次的調整參數,結果可能還不盡如人意。如果使用機器學習的話,計算機會根據輸入參數(姿態、角加速度、速度等)和目標(保持平衡)來自動計算控制程序的各項參數,並將誤差控制到可接受的範圍內。機器學習就是通過無數次的計算 ->反饋並與目標進行比較(計算誤差) ->修正計算方法 ->再計算的循環來算出一個能實現目標的最佳或接近最佳的演算法。

深度學習是機器學習的一種技術

在我們使用機器學習去解決實際問題時,真實的情況往往都是比較複雜的,例如根據照片識別狗的種類、根據語音自動翻譯成文字等等,針對這類問題的演算法建模通過單一的演算法很難去擬合,所以深度學習通過模擬人腦中神經元的結構,通過多層結構的分層演算法,使現實生活中複雜的應用得以實現。現在非常熱門的圖片識別就是運用了卷積神經網路(CNN)的深度學習演算法。

人工智慧的應用案例

1. 使模糊的照片清晰

如果你有一張模糊不清的照片,以往想要修復使其清晰,只能通過經驗豐富的圖片處理專家,現在通過深度學習,機器能瞬間完成這項工作,好像效果還不錯呢。

項目地址:github.com/alexjc/neura

2. 自己學會走路的機器人

這次,沒有為機器人行走編寫任何代碼,而是通過深度學習讓機器人學會自己行走。

項目地址:blogs.nvidia.com/blog/2

3. 成人視頻分類器,準確度高達95%

藉助深度卷積神經網路,Miles Deep 可以快速針對成人視頻每秒畫面分類。根據性行為分了 6 個分類,精確度達到 95%。藉助這個工具,可以自動編輯視頻,刪掉所有無性接觸的場景。

和第 5 個雅虎的成人圖片分類器不同的是,Miles Deep 能給區分裸體和各種露骨性行為之間的區別。Miles Deep 作者稱,這是目前為止,第一個公共色情圖片分類或編輯工具。

項目地址:github.com/ryanjay0/mil

4. 更多應用

這裡你可以找到更多的深多學習的真實應用:http://deeplearninggallery.co

數字極客 - 學知識,做最酷的事!www.digeek.tech


推薦閱讀:

複習:PCA有關
降維技術解析:PCA, t-SNE and Auto Encoders
機器學習基石筆記15-16:小結和雜談
機器能像人一樣思考嘛? 金句領讀137
機器學習入門之邏輯回歸分類

TAG:人工智慧 | 機器學習 | 機器人 |