自計(jì)算機(jī)或機(jī)器發(fā)明以來(lái)，它們執(zhí)行各種任務(wù)的能力經(jīng)歷了指數(shù)增長(zhǎng)。 人類在計(jì)算機(jī)系統(tǒng)的多樣化工作領(lǐng)域發(fā)展越來(lái)越強(qiáng)大，計(jì)算機(jī)的速度不斷提高，并且隨著時(shí)間的推移縮小了規(guī)模。
計(jì)算機(jī)科學(xué)的一個(gè)分支叫做人工智能，它追求創(chuàng)造出像人一樣聰明(智能)的計(jì)算機(jī)或機(jī)器。
根據(jù)人工智能之父John McCarthy的說(shuō)法，它是“制造智能機(jī)器的科學(xué)和工程，特別是智能計(jì)算機(jī)程序”。
人工智能是一種以智能人類思維的類似方式的計(jì)算機(jī)，計(jì)算機(jī)控制的機(jī)器人或軟件智能地思考的方法。 人工智能是通過研究人腦如何思考以及人類如何在解決問題的同時(shí)學(xué)習(xí)，決定和工作，然后將此研究的結(jié)果作為開發(fā)智能軟件和系統(tǒng)的基礎(chǔ)來(lái)完成的。
在利用計(jì)算機(jī)系統(tǒng)的強(qiáng)大功能時(shí)，人類的也會(huì)有好奇心:“機(jī)器能像人類一樣思考和行為嗎？”
因此，人工智能的發(fā)展始于在我們發(fā)現(xiàn)并認(rèn)為在人類身上那些智能，也可以機(jī)器中類似的創(chuàng)造。
正如我們所知，AI追求的是創(chuàng)造出像人一樣聰明的機(jī)器。我們學(xué)習(xí)人工智能的理由有很多。 一些主要原因如下 -
AI可以通過數(shù)據(jù)學(xué)習(xí)
在我們的日常生活中，需要處理大量的數(shù)據(jù)，人類的大腦無(wú)法追蹤這么多的數(shù)據(jù)。我們需要自動(dòng)化處理這些事情。 為了實(shí)現(xiàn)自動(dòng)化，我們需要學(xué)習(xí)AI，因?yàn)樗梢詮臄?shù)據(jù)中學(xué)習(xí)，并且可以準(zhǔn)確無(wú)誤地完成重復(fù)任務(wù)。
AI可以自學(xué)習(xí)
一個(gè)系統(tǒng)應(yīng)該能自學(xué)，因?yàn)閿?shù)據(jù)本身不斷變化，并且源于這些數(shù)據(jù)的知識(shí)必須不斷更新。 我們可以使用AI來(lái)實(shí)現(xiàn)這個(gè)目的，因?yàn)閱⒂肁I的系統(tǒng)可以自學(xué)。
AI可以實(shí)時(shí)響應(yīng)
人工智能借助神經(jīng)網(wǎng)絡(luò)可以更深入地分析數(shù)據(jù)。 由于這種能力，人工智能可以根據(jù)實(shí)時(shí)情況思考和響應(yīng)情況。
AI達(dá)到高準(zhǔn)確度
在深度神經(jīng)網(wǎng)絡(luò)的幫助下，AI可以達(dá)到極高的準(zhǔn)確度。 AI有助于醫(yī)學(xué)領(lǐng)域從患者的MRI中診斷癌癥等疾病。
人工智能可以組織數(shù)據(jù)以最大限度地利用它
數(shù)據(jù)是使用自學(xué)習(xí)算法的系統(tǒng)的知識(shí)產(chǎn)權(quán)。 我們需要人工智能以總是能夠提供最佳結(jié)果的方式對(duì)數(shù)據(jù)進(jìn)行索引和組織。
理解智能
通過人工智能，可以構(gòu)建智能系統(tǒng)。 我們需要理解智能的概念，以便我們的大腦可以構(gòu)建像自己一樣的另一個(gè)智能系統(tǒng)。
系統(tǒng)能夠計(jì)算，推理，感知關(guān)系和類比，從經(jīng)驗(yàn)中學(xué)習(xí)，存儲(chǔ)和檢索來(lái)自記憶的信息，解決問題，理解復(fù)雜的想法，流利地使用自然語(yǔ)言，分類，推廣和適應(yīng)新的情況。
智能類型
正如美國(guó)發(fā)展心理學(xué)家霍華德加德納(Howard Gardner)所描述的，智能來(lái)自多方面，如下表所示 -
| 編號(hào) | 智能 | 描述 | 示例 |
|---|---|---|---|
| 1 | 語(yǔ)言智能 | 能夠說(shuō)，識(shí)別和使用音系學(xué)(語(yǔ)音)，語(yǔ)法(語(yǔ)法)和語(yǔ)義(含義)機(jī)制。 | 講述人，演說(shuō)者 |
| 2 | 音樂智能 | 能夠創(chuàng)造，溝通和理解由聲音，音調(diào)和節(jié)奏的理解所構(gòu)成的意義。 | 音樂家，歌手，作曲家 |
| 3 | 邏輯數(shù)學(xué)智能 | 在沒有操作或?qū)ο蟮那闆r下使用和理解關(guān)系的能力。這也是理解復(fù)雜和抽象思想的能力。 | 數(shù)學(xué)家，科學(xué)家 |
| 4 | 空間智能 | 能夠感知視覺或空間信息，改變它，并在不參考對(duì)象的情況下重新創(chuàng)建視覺圖像，構(gòu)建3D圖像以及移動(dòng)和旋轉(zhuǎn)它們。 | 地圖讀者，宇航員，物理學(xué)家 |
| 5 | 身體-運(yùn)動(dòng)智能 | 能夠使用完整或部分身體來(lái)解決問題或時(shí)尚產(chǎn)品，控制精細(xì)和粗糙的運(yùn)動(dòng)技能，并操縱物體。 | 球員，舞蹈演員 |
| 6 | 個(gè)人內(nèi)部智能 | 區(qū)分自己的感受，意圖和動(dòng)機(jī)的能力。 | 佛陀 |
| 7 | 人際智能 | 能夠識(shí)別和區(qū)分他人的感受，信念和意圖。 | 大眾傳播者，采訪者 |
可以說(shuō)一臺(tái)機(jī)器或者一個(gè)系統(tǒng)至少配備一種或所有智能時(shí)是人工智能的。
智能是無(wú)形的。 它由 -
下面簡(jiǎn)要介紹所有組件 -
推理
這是一套程序，使我們能夠?yàn)榕袛?，制定決策和預(yù)測(cè)提供基礎(chǔ)。大致有兩種類型 -
| 歸納推理 | 演繹推理 |
|---|---|
| 它進(jìn)行具體的觀察以作出廣泛的一般性陳述。 | 它從一般性陳述開始，考察可能性以達(dá)到一個(gè)特定的，合乎邏輯的結(jié)論。 |
| 即使所有的前提在陳述中都是真實(shí)的，但歸納推理允許結(jié)論是錯(cuò)誤的。 | 一般來(lái)說(shuō)，如果一類事情是真的，那么這個(gè)類的所有成員也是如此。 |
| 例如 - “Nita是老師，Nita很好學(xué)，所以老師都很好學(xué)。” | 例如 - “所有60歲以上的女性都是奶奶，Shalini已經(jīng)65歲了，因此Shalini是奶奶?！?/td> |
學(xué)習(xí)的能力被人類，動(dòng)物的特定物種以及AI支持的系統(tǒng)所擁有。學(xué)習(xí)分類如下 -
聽覺學(xué)習(xí)
它通過聽力和聽力來(lái)學(xué)習(xí)。 例如，聽錄音講座的學(xué)生。
情節(jié)學(xué)習(xí)
通過記住人們目睹或經(jīng)歷的一系列事件來(lái)學(xué)習(xí)。 這是線性和有序的。
運(yùn)動(dòng)學(xué)習(xí)
它通過肌肉的精確運(yùn)動(dòng)來(lái)學(xué)習(xí)。 例如，挑選對(duì)象，寫作等
觀察學(xué)習(xí)
通過觀看和模仿他人來(lái)學(xué)習(xí)。 例如，孩子試圖通過模仿她的父母來(lái)學(xué)習(xí)。
感性學(xué)習(xí)
它是學(xué)習(xí)認(rèn)識(shí)到，一個(gè)之前已經(jīng)看到過的刺激。 例如，識(shí)別和分類對(duì)象和情況。
關(guān)系學(xué)習(xí)
它涉及在關(guān)系屬性的基礎(chǔ)上學(xué)習(xí)區(qū)分各種刺激，而不是絕對(duì)屬性。 例如，在烹制上次咸的土豆時(shí)添加“少量少量”的鹽，當(dāng)因?yàn)楫?dāng)時(shí)加入一大湯匙鹽。
解決問題
人們通過走一條被已知或未知的障礙阻擋的道路，從現(xiàn)在的情況中感知并試圖達(dá)到期望的解決方案。
解決問題還包括決策制定，即從多種選擇中選擇最合適的替代方案以達(dá)到預(yù)期目標(biāo)的過程。
知覺
這是獲取，解釋，選擇和組織感官信息的過程。
感知假設(shè)感知。在人類中，知覺受感覺器官的幫助。在人工智能的領(lǐng)域，感知機(jī)制以有意義的方式將傳感器獲取的數(shù)據(jù)放在一起。
語(yǔ)言智能
這是一個(gè)使用，理解，說(shuō)話和寫作口頭和書面語(yǔ)言的能力。 這在人際交往中很重要。
人工智能是一個(gè)廣闊的研究領(lǐng)域。 這個(gè)研究領(lǐng)域有助于尋找現(xiàn)實(shí)世界問題的解決方案。
下面我們來(lái)看看AI研究的不同研究領(lǐng)域 -
機(jī)器學(xué)習(xí)
它是AI最受歡迎的領(lǐng)域之一。 這個(gè)領(lǐng)域的基本概念是讓機(jī)器從數(shù)據(jù)中學(xué)習(xí)，因?yàn)槿祟惪梢詮乃?她的經(jīng)驗(yàn)中學(xué)習(xí)。 它包含的學(xué)習(xí)模型的基礎(chǔ)上，可以對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。
邏輯
數(shù)學(xué)邏輯被用來(lái)執(zhí)行計(jì)算機(jī)程序是另一個(gè)重要的研究領(lǐng)域。 它包含執(zhí)行模式匹配，語(yǔ)義分析等的規(guī)則和事實(shí)。
搜索
這個(gè)研究領(lǐng)域基本上用于象棋，圍棋等游戲。 搜索算法在搜索整個(gè)搜索空間后給出最優(yōu)解。
人工神經(jīng)網(wǎng)絡(luò)
這是一個(gè)高效的計(jì)算系統(tǒng)網(wǎng)絡(luò)，其中心主題是從生物神經(jīng)網(wǎng)絡(luò)的類比中借鑒的。 ANN可用于機(jī)器人，語(yǔ)音識(shí)別，語(yǔ)音處理等。
遺傳算法
遺傳算法有助于在多個(gè)程序的幫助下解決問題。 結(jié)果將基于選擇適者。
知識(shí)表示
這是研究領(lǐng)域，我們可以用機(jī)器可以理解的機(jī)器來(lái)表示事實(shí)。 代表更有效的知識(shí); 更多的系統(tǒng)將是智能的。
在本節(jié)中，我們將看到AI支持的不同領(lǐng)域 -
棋類游戲
人工智能在諸如國(guó)際象棋，撲克，井字游戲等戰(zhàn)略游戲中發(fā)揮著至關(guān)重要的作用，機(jī)器可以基于啟發(fā)式知識(shí)考慮大量可能的玩法。
自然語(yǔ)言處理
可以與理解人類自然語(yǔ)言的計(jì)算機(jī)進(jìn)行交互。
專家系統(tǒng)
有一些應(yīng)用程序集成了機(jī)器，軟件和特殊信息來(lái)傳遞推理和建議。 他們向用戶提供解釋和建議。
視覺系統(tǒng)
這些系統(tǒng)理解，解釋和理解計(jì)算機(jī)上的視覺輸入。 例如，
語(yǔ)音識(shí)別
一些智能系統(tǒng)能夠在人們對(duì)話時(shí)聽到和理解語(yǔ)言的句子及其含義。 它可以處理不同的口音，俚語(yǔ)，背景中的噪音，由于寒冷造成的人類噪音變化等。
手寫識(shí)別
手寫識(shí)別軟件通過觸筆在筆上或屏幕上讀取寫在紙上的文字。 它可以識(shí)別字母的形狀并將其轉(zhuǎn)換為可編輯文本。
智能機(jī)器人
機(jī)器人能夠執(zhí)行人類給出的任務(wù)。 他們有傳感器來(lái)檢測(cè)真實(shí)世界的物理數(shù)據(jù)，如光，熱，溫度，運(yùn)動(dòng)，聲音，碰撞和壓力。 他們有高效的處理器，多個(gè)傳感器和巨大的內(nèi)存，展現(xiàn)智慧。 另外，他們能夠從錯(cuò)誤中學(xué)習(xí)，并能適應(yīng)新的環(huán)境。
認(rèn)知建模基本上是計(jì)算機(jī)科學(xué)研究領(lǐng)域，涉及研究和模擬人類思維過程。 AI的主要任務(wù)是讓機(jī)器像人一樣思考。 人類思維過程的最重要特征是解決問題。 這就是為什么或多或少的認(rèn)知建模試圖理解人類如何解決問題的原因。 該模型可用于各種AI應(yīng)用，如機(jī)器學(xué)習(xí)，機(jī)器人技術(shù)，自然語(yǔ)言處理等。
在本節(jié)中，我們將重點(diǎn)介紹代理和環(huán)境以及這些在人工智能中的幫助。
代理人
代理人是能夠通過傳感器感知其環(huán)境并通過效應(yīng)器作用于該環(huán)境的任何事物。
人用試劑具有與傳感器平行的諸如眼睛，耳朵，鼻子，舌頭和皮膚之類的感覺器官以及用于效應(yīng)器的諸如手，腿，嘴等其他器官。
機(jī)器人代理取代了傳感器的攝像頭和紅外測(cè)距儀，以及各種效應(yīng)器的馬達(dá)和執(zhí)行器。
軟件代理已將位串編碼為其程序和操作。
環(huán)境
某些程序在局限于鍵盤輸入，數(shù)據(jù)庫(kù)，計(jì)算機(jī)文件系統(tǒng)和屏幕上字符輸出的完全人造環(huán)境中運(yùn)行。
相比之下，一些軟件代理(軟件機(jī)器人或softbots)存在于豐富的無(wú)限軟域中。 模擬器有一個(gè)非常詳細(xì)，復(fù)雜的環(huán)境。 軟件代理需要實(shí)時(shí)從多種行為中進(jìn)行選擇。 Softbot旨在掃描客戶的在線偏好，并向客戶展示有趣的物品在真實(shí)以及人造環(huán)境中工作。
掃碼關(guān)注鍍金池微信號(hào)
手機(jī)訂課，優(yōu)惠多多
