机器学习、深度学习以及人工智能正在快速演进(ML、DL、AI)
机器学习、深度学习以及人工智能正在快速演进
机器学习、深度学习和人工智能(ML、DL和AI)是彼此相关的概念,他们正在改变不知多少行业,改变其自身管理模式,同时改变做出决策的方式。
显然,ML、DL和AI对于各行各业都非常重要,却也十分复杂,同时非常迅速发展着。
人工智能(Artificial Intelligence,AI)
AI用来形容涉及高级计算智能的最宽泛的说法。1956年,在达特茅斯人工智能大会上,该技术被描述为:“原则上,学习的每一个方面或任何其他智能特征都可以精确描述,并且一台机器可以模拟它。”
AI可以指代很多东西,比如下棋的计算机程序,或者像亚马逊的Alexa那样可以理解并应答的语音识别系统。
AI可以大致分为三个种类:狭义AI,通用人工智能(AGI)以及超智能AI。
IBM的Deep Blue(深蓝)在1996年的比赛中击败了国际象棋大师加里·卡斯帕罗夫,2016年谷歌DeepMind的AlphaGo击败了韩国围棋九段李世石,这些都是狭义AI在某个特定的任务下比较成熟的例子。
AI与通用人工智能(AGI)不同,AGI是能够达到人类水平的AI,它可以执行一系列任务。
超智能AI则更先进一步。正如牛津大学哲学家Nick Bostrom所描述的——这是一种智慧,比每个领域最牛的人类智慧都要聪明,包括科学创造力、一般智慧和社交技能。换句话说,超智能AI时代是当机器人超越了人类的时代。
机器学习(Machine Learning,ML)
机器学习是AI的一个子集。机器学习的核心原则是机器如何获取数据以及“学习”本身。对于企业来讲,ML系统目前是AI套件中最有前途的使用工具。ML系统可以快速应用来自大型数据集的知识和训练,它们在面部识别、语音识别、对象识别、翻译和许多其他任务方面表现卓越。与手动编码完成各种任务、具有特定指令的软件程序不同,ML允许系统学习自己识别模式并进行预测。
虽然深蓝和DeepMind都属于AI,但是深蓝是基于规则的,它有赖于编程——所以它并不属于机器学习的一种形式。
那么,你的企业是否有兴趣将机器学习融入战略规划中呢?亚马逊、百度、谷歌、IBM、微软等企业已经提供了不同的商业化机器学习平台。
深度学习(Deep Learning,DL)
深度学习是机器学习的一个子集。它使用一些机器学习技术解决现实世界的问题,通过开发神经网络,模拟人类的决策。深度学习有时非常昂贵,因为它需要大量的数据集来训练自己。 这是因为,大量的参数需要被学习算法所理解,这才能够初步确定大量的假正值。比如说,我们可以利用深度学习算法来“学习”猫的样子,它需要非常庞大的数据集的图像来训练,以了解非常细微的细节,区分是一只猫,还是猎豹,还是美洲豹,或者是狐狸。
在深度学习领域,最著名的标志性事件是2016年3月DeepMind的AlphaGo,以5比4的成绩击败了围棋世界冠军李世石。 根据Google的说法,该深度学习系统的工作方式是结合了“蒙特卡罗树搜索”与“深度神经网络”,该神经网络通过从人类专家游戏训练,以及从自我游戏的强化学习中实现监督式学习。
深度学习也有广泛的商业用途。它可以分析大量的数据,比如数百万张图像,并识别某些特性。基于文本的搜索、欺诈检测、垃圾邮件检测、手写识别、图像搜索、语音识别、街景视图检测和翻译等,都是可以通过深度学习执行的任务。在Google,深度学习网络已经取代了许多“手动操作的基于规则的系统”。
机器学习的三大趋势
总而言之,人工智能是一个通用术语,它可以指计算机下棋程序,也可以指亚马逊的Alexa语音识别系统等等。
跟踪这些工具将如何发展非常重要。实际上,机器学习已然出现了三大趋势。
第一个趋势是无监督学习的出现。训练ML / DL工具的主要方法是监督式的。这种方法需要使用大量的标记数据。新的趋势是无监督式学习,它的最大的好处是无监督学习不需要庞大的数据集。
第二个趋势是生成式对抗网络(GAN)的发展。为了理解GAN,我们有必要了解判别式模型。判别式模型使用标记的历史数据进行训练,并使用累计的知识来推断,而生成模型则更少依赖已存储的知识,生成式模型根据“训练过程中获得的见解”综合或提出观点。
第三个趋势是增强学习(RL)。增强学习是通过实验和探索的方式学习的。它与监督学习的不同之处在于,它不是从“世界如何工作”或“良好的训练数据”等先入为主的概念开始的。
当然,我们很难通过一篇文章熟稔这些概念,但是重要的是,这些尖端的技术正在不断增长和变化。
实际上,从这些想法的诞生,到在商业、军事、政府等领域真正应用,转化的时间还很短。今年2月中旬,福布斯杂志举了两个将AI用于商业的例子——Equifax和SAS。前者开发深度学习工具,以提高信用评分,后者向其数据挖掘工具添加新的深度学习功能,并提供深度学习API。
------------------------------
本人微信公众帐号: 心禅道(xinchandao)
本人微信公众帐号:双色球预测合买(ssqyuce)
机器学习、深度学习以及人工智能正在快速演进(ML、DL、AI)的更多相关文章
- [转载]机器学习&深度学习经典资料汇总,全到让人震惊
自学成才秘籍!机器学习&深度学习经典资料汇总 转自:中国大数据: http://www.thebigdata.cn/JiShuBoKe/13299.html [日期:2015-01-27] 来 ...
- 机器学习&深度学习基础(目录)
从业这么久了,做了很多项目,一直对机器学习的基础课程鄙视已久,现在回头看来,系统的基础知识整理对我现在思路的整理很有利,写完这个基础篇,开始把AI+cv的也总结完,然后把这么多年做的项目再写好总结. ...
- 机器学习&深度学习资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 机器学习(Machine Learning)&深度学习(Deep Lea ...
- 机器学习&深度学习基础(机器学习基础的算法概述及代码)
参考:机器学习&深度学习算法及代码实现 Python3机器学习 传统机器学习算法 决策树.K邻近算法.支持向量机.朴素贝叶斯.神经网络.Logistic回归算法,聚类等. 一.机器学习算法及代 ...
- 基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN,Faster R-CNN
基于深度学习的目标检测技术演进:R-CNN.Fast R-CNN,Faster R-CNN object detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别.obj ...
- 最全的机器学习&深度学习入门视频课程集
资源介绍 链接:http://pan.baidu.com/s/1kV6nWJP 密码:ryfd 链接:http://pan.baidu.com/s/1dEZWlP3 密码:y82m 更多资源 ...
- Yann LeCun清华演讲:深度学习与人工智能的未来
2017年3月22日下午,Facebook人工智能研究院院长.纽约大学终身教授Yann LeCun在清华大学大礼堂为校内师生以及慕名而来的业内人士呈现了一场主题为<深度学习与人工智能的未来(De ...
- 人工智能新手入门学习路线和学习资源合集(含AI综述/python/机器学习/深度学习/tensorflow)
[说在前面]本人博客新手一枚,象牙塔的老白,职业场的小白.以下内容仅为个人见解,欢迎批评指正,不喜勿喷![握手][握手] 1. 分享个人对于人工智能领域的算法综述:如果你想开始学习算法,不妨先了解人工 ...
- 机器学习&深度学习经典资料汇总,data.gov.uk大量公开数据
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
随机推荐
- 如何使用Jquery 引入css文件
如何使用Jquery 引入css文件: $("head").append("<link>");var toolbarCss = $("he ...
- mui---调用图像裁剪android
mui调用图像裁剪android: var IMAGE_UNSPECIFIED = "image/*"; //相册显示的文件类型 var PHOTOZOOM = 2; // 获取完 ...
- R的any和all
> x<-1:10 > any(x>8) [1] TRUE > all(x>8) [1] FALSE
- 2018牛客网暑期ACM多校训练营(第四场) A - Ternary String - [欧拉降幂公式][扩展欧拉定理]
题目链接:https://www.nowcoder.com/acm/contest/142/A 题目描述 A ternary string is a sequence of digits, where ...
- Oracle HA 之 Server Pool 实战
--创建server pool的两种方式: 图形界面:console和dbca 演示-略 命令行工具:srvctl和crsctl --srvctl和crsctl创建server ...
- angular2新建的项目上传github
前提1.git配置好,参见博文 git常用操作 2.angular2安装配置好,这个网上有很多教程,就不多说了,参见angular2快速起步 需要注意的是,大部分问题都是网络问题. 3.新建一个ng项 ...
- 97.394570112228 - Query OK, 1 row affected (43.05 sec) - the overhead of parsing and network communication
mysql> create table w0904procedure (wa char, wb char, wd char, wi char); Query OK, rows affected ...
- cookie的封装写法
设置cookie 三个参数分别代表:键,值,过期时间,这个封装方法可以完成cookie的储存 以及cookie的删除(过期时间设为赋值) function setCookie(cname,cval ...
- 洛谷 P4201 设计路线 [NOI2008] 树形dp
正解:树形dp 解题报告: 大概是第一道NOI的题目?有点激动嘻嘻 然后先放个传送门 先大概港下这题的题意是啥qwq 大概就是给一棵树,然后可以选若干条链把链上的所有边的边权变成0,但是这些链不能有交 ...
- 洛谷P2679 子串 [noip2015] dp
正解:dp 解题报告: 感觉是道dp好题啊,所以就写了个题解 代码实现难度低,思维难度大,像我这种思维僵化傻逼选手只想到了爆搜+组合数学... 其实是道很妙的dp题!好趴也没有多妙主要大概是妙在想到了 ...