究竟什么是人工智能呢

人工智能

617人已加入

描述

AI即Artificial Intelligence,人工智能。这里的智能,不是智能硬件的智能,而是对应着人类大脑的智能。打造人工智能,就相当于赋予机器以智商和情商。

1963年,人类第一次与机器进行国际象棋对决。1997年,其时排名世界第一的加里·卡斯帕罗夫,输给了由IBM研发的深蓝计算机——一个每秒可以运算2亿步棋的“怪物”。此后,国际象棋的人机对抗,成为了一种衡量计算机智能化程度的参照。

几年前,由Google研发的AlphaGo第一次击败了比国际象棋更具挑战性的围棋职业选手。让外界第一次领教了“深度学习”(Deep Learning)技术的威力。与深蓝靠算力击败象棋选手不同,AlphaGo凭借的是“深度学习”原理,让机器具备“思考”能力。

而纵观消费电子产品中的AI,与上述的AI有着本质上的差别。在广告渲染下,诸如Siri等语音助手也被当做了AI技术。不可否认,类似Siri这样的产品,确实具备很多技术含量,但主要集中在语音识别和自然语言处理方面。这也算是AI领域的一项分支,但还不是真正的AI。

当前应用在智能家居和消费电子产品中的AI,并不具备真正的思考能力,它们只是在语音识别、语义识别的基础上,对前端传感器传输的数据进行了特定逻辑的归纳和演绎,并结合互联网信息进行了二次加工。

一个真正的AI系统,要经过大量的数据训练,逐步掌握以人类视角去理解事物的逻辑。比如,Google的人工智能系统,在对几百万张猫的图片进行学习后,基本掌握了视觉层面的猫的样子,当它看到一张新的猫图片后,能够根据此前学习,判断出“这是一只猫”。这才是真正的AI。

一个完整的AI系统,包括了机器学习(ML)、自然语言处理(NLP)、专家系统、机器视觉、语音识别、策略和机器人学等多个方面。

机器学习中最重要的部分就是深度学习,深度学习的主要课题是研究神经网络。这个神经网络不是人脑的神经网络,而是一种赋予机器自主思考能力的逻辑算法。目前,深度学习的主要代表算法是卷积神经网络(CNN)、深度神经网络(DNN)和RNN(循环神经网络)。

无论是哪种算法,都在某种程度上模拟了人脑的运算法则。目前,科学界对人脑到底是如何运作的,还处于初期的探索阶段。但神经网络的复杂架构,可以肯定是人脑思考的必要设施。仅大脑皮层就有140亿个神经元。

人类大脑特有的神经网络结构,以及庞大的神经元数量,是人类具备自主思考能力的前提条件。计算机领域创造机器的神经网络,就是一种“仿生学”算法。从数学角度讲,人类之所以有意识,正是大脑神经网络的闭环结构所创造的一种超级计算机导致的结果。

当你在思考“明天中午吃什么”的问题时,大脑至少有几十亿个神经元参与其中,神经介质以每小时250公里(17级台风的风速)的速度传递在神经网络中。放在AI中,基本原理是相同的,只不过这个过程中的“介质”传递速度是根据芯片的运算速度决定的,显然比人脑要快很多倍。

CNN、DNN和RNN在思路上有些差异,但并不是完全排斥的,每种算法都有其他算法所不能及的一面优势。DNN是基于NN(神经网络算法)改良的一种算法,解决了梯度消失的问题;而CNN则是将图像处理融入其中的一种,解决了DNN算法中的过度拟合和局部最优解的问题;RNN则是以时间作为深度的神经网络。

除了机器学习外,自然语言处理也是AI中的重要分支,它让计算机能够听懂人类的指令。专家系统是指向AI输入某个领域的专业知识,以满足其在特定场景中的功能。对于AI来说,目前的重点还在于机器学习与自然语言处理上,这是让人工智能服务于某个场景或客体的前提。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分