bodun

機器學習和人工智能（稱為AI）對于機器人接管地球的一些反烏托邦未來而言，聽起來都像未來主義術(shù)語。或者至少像同一件事的兩個不同的名字。

有許多相似之處，不同類型的計算機自動學習，推理和自治之間有很多重疊，每一個都有自己的優(yōu)點和缺點。

除了科幻電影之外，深度學習，機器學習和人工智能之間存在許多重要的差異，這些差異突出了它們工作的不同方式以及它們最適合的不同應用。

這是你需要知道的。

人工智能的瘦身

這是計算機獨立運作的最早和最廣泛的術(shù)語。該術(shù)語在達特茅斯舉行的1956年計算機科學家大會上被冊封，并且已被用于從國際象棋超級計算機到當代科幻電影中的機器人等各種事物。我們?nèi)匀豢吹饺斯ぶ悄艹霈F(xiàn)在科幻電影中的原因是它仍然處于“虛構(gòu)”的境界，至少在我們看待它的方式上。人工智能通常被理解為機器人，計算機或其他機器所展示的人類智能



到目前為止，我們還沒有創(chuàng)造任何具有廣泛和令人信服的人工智能技能的設(shè)備，這些設(shè)備可以通過Alan Turing的同名“圖靈測試”，這是一組旨在證明考生的人性和獨立思考能力的問題。

但是等等，你在想，我們已經(jīng)擁有了AI Siri，執(zhí)行復雜任務的自動化程序，甚至還有擊敗天才智商棋手的超級計算機。這是事實，但這些都是“應用AI”的例子，其中計算機科學家通過重復的示例分析基本上在一項任務中訓練計算機。雖然人類在技術(shù)上通過觀察和示例來學習，但應用人工智能就像聽起來一樣適用于諸如股票交易，向Google日歷添加事件或在國際象棋中擊敗加里卡斯帕羅夫這樣的任務。

另一方面，一般人工智能仍然是科幻小說的內(nèi)容。一般的人工智能將表現(xiàn)為一種在各種情況下令人信服地像人類一樣行動的機器人。從星球大戰(zhàn)的 C3PO到終結(jié)者，一般人工智能有可能成為人類最好的朋友或最糟糕的噩夢，因為它會像人類一樣自主地和不可預測地行動。雖然開發(fā)人員近年來取得了長足的進步，但一般人工智能仍然無法實現(xiàn)。

了解機器學習

機器學習是應用人工智能的一個方面。它本質(zhì)上是計算機學習如何執(zhí)行一組任務的編碼能力。基本上，計算機科學家教一臺計算機如何自學。機器學習的例子在我們的日常生活中非常豐富 - 從電子郵件客戶自動清除垃圾郵件的能力到谷歌地圖，在注意到你每天都在咖啡館開始之后推薦新城市的咖啡店。

一位名叫亞瑟·塞繆爾的計算機科學家提出，創(chuàng)造智能計算機的最快方法就是教他們自學，這是他在1959年提出的一個想法。自從互聯(lián)網(wǎng)的出現(xiàn)和大規(guī)模全球采用以來，設(shè)計用于機器學習的計算機可用的人群生成數(shù)據(jù)量每天以指數(shù)速率增長。互聯(lián)網(wǎng)的廣泛采用使得計算機在幾乎每個領(lǐng)域都能用于機器學習，正是因為許多人將信息，偏好和模式輸入到各種網(wǎng)站，應用程序和數(shù)據(jù)庫中。

機器學習是教電腦觀察人們頻繁觀察哪些關(guān)鍵詞或一般內(nèi)容，并立即從他們的電子郵件中刪除 - 從而教一臺機器如何自動判斷是什么構(gòu)成了“垃圾郵件”。

它還負責使用搜索引擎研究圖像的非凡能力，或讓智能手機的相機識別許多常見產(chǎn)品并建議購買它們的地方。當你拿起Shazaam或Siri的手機聽一首歌并告訴你它是什么以及誰唱歌的時候？那也是機器學習。

這些看似科幻的進步在十年前就難以置信，但由于計算機化的“神經(jīng)網(wǎng)絡”，機器學習正在以驚人的速度發(fā)展，現(xiàn)在已經(jīng)導致了一種被稱為“深度學習”的顯著新發(fā)展。

什么是深度學習？

深度學習是一種機器學習，它基本上不僅僅是教授計算機，而是根據(jù)模式或預定義的參數(shù)做出決策。例如，深度學習不僅對參數(shù)起作用，而且還作出由初始參數(shù)通知的第二層決策。

當亞馬遜以驚人的準確度決定向您推薦哪些產(chǎn)品時，它并沒有使用一種簡單的算法，即“購買太陽鏡的人也可能需要戴帽子?！彼墙徊嬉媚^看過的數(shù)萬億其他交叉購物實例，以了解您的性別身份，個人風格品味，價格敏感度，顏色偏好等。

在行動中深度學習的一個利基但虛幻的例子是黑白照片的計算機化著色。從面部分析到確定種族和膚色，以及交叉引用狗品種，遮陽篷條紋圖案等內(nèi)容，深度學習可以使黑白照片的顏色變得非常精確。

一種更基本的機器學習形式可能會為每個遮陽篷的紅色和白色著色，并且每個面孔都是通用的膚色，但是深度學習會使決策相互交叉引用，而這只會隨著時間的推移變得更加真實。

如果它意識到，例如，遮陽篷和摩天輪在同一個框架中，它可能正確地直觀地認為它是基于后來的彩色照片的科尼島的照片，因此顏色遮陽篷黃色和藍色和摩天輪白色和綠色。

人工智能的未來，深度機器學習的幫助

隨著深度學習的改進，機器將繼續(xù)在教學中變得更好，這將使給定程序能夠比以前更好地執(zhí)行更廣泛的任務。

計算機可以分析世界各地的新聞媒體和其他交易所的其他股票，而不是簡單地以用戶投入的價格購買和出售給定的股票，從而做出深刻知情的交易決策，即使是最精明，最具全球意識的人類交易者也是如此。

醫(yī)療機器人可以基于顯示DNA 標記和醫(yī)療狀況的血液樣本近乎實時地創(chuàng)建定制藥物。而這樣的例子不勝枚舉。

人工智能的未來是光明的，并且越來越明亮，因為深度學習使現(xiàn)有技術(shù)變得更加智能，并以不斷增長的速度通知下一代AI。

幾乎所有機械化和計算機化行業(yè)的服務提供商都可以而且應該開始設(shè)想一個機器能夠可靠地以與人類一樣多的自由裁量和智能行事的世界的可能性。今天的飛機上的“自動駕駛儀”有點夸大其詞，基本上可以作為巡航控制，使用比汽車更多的輸入來保持飛機在飛行員輸入的參數(shù)上保持平行。

未來飛機（和汽車）中的自動駕駛儀將能夠“看到”世界并處理復雜信息，如交叉流量，天氣和其他實時展開的事件，以便比最安全，精確，高效地行動經(jīng)驗豐富的人類操作員。

將會有越來越多的痛苦和更多深度學習的迭代，但人工智能日益變得更加普遍。了解如何幫助我們?yōu)椴豢杀苊獾摹昂螘r”做好準備。

希望你練習下棋。