智力就是理性思考和控制行為的能力。人類有智慧去思考和利用常識來作出決定。人工智能就是一個構(gòu)建智能代理的研究領(lǐng)域，因此未來我們打造出來的人工智能可以像人一樣思考并理性行事。圖靈測試由艾倫·圖靈(1950)提出，旨在提供令人滿意的智能操作定義。如果機器人具有以下功能，則可以通過圖靈測試：

1. 通過理解和編寫自然語言與人交往;
2.知識表示(知道如何向用戶呈現(xiàn)知識);
3.知識推理(知道如何從存儲的知識推斷回答以回答人類);
4.機器學習推斷模式并適應(yīng)新的環(huán)境。

簡而言之，AI就是研究有助于構(gòu)建智能機器的規(guī)則和算法，AI解決的一組問題是NP完全的。

人工智能是一個廣泛的研究領(lǐng)域，涉及以下五個重要學科：

1. 專家系統(tǒng);
2.神經(jīng)網(wǎng)絡(luò);
3.模糊系統(tǒng);
4.機器人;
5.自然語言處理。

機器學習(ML)

機器學習是人工智能的一個子集，它通過算法在數(shù)據(jù)中學習獲得一些人類需要的數(shù)據(jù)。學習可以把人變成天才，讓他們適應(yīng)新的環(huán)境。同樣，機器的學習能力使其足夠強大以適應(yīng)新的環(huán)境。任何機器學習算法的目標都是通過學習過程使其目標最大化，以便它能夠處理看不見的數(shù)據(jù)。

實現(xiàn)機器學習的兩個關(guān)鍵學習方法(算法)是：

1. 監(jiān)督學習：外部設(shè)計者或標記數(shù)據(jù)有助于機器學習。
2.無監(jiān)督學習：機器學習時沒有任何標簽數(shù)據(jù)或外部設(shè)計者。

人工智能的目標是使機器像人一樣地聰明。

專家系統(tǒng)

專家系統(tǒng)是依靠知識庫來解決問題的系統(tǒng)。知識庫可以用不同的形式表示，如規(guī)則、語義網(wǎng)絡(luò)和決策樹。專家系統(tǒng)由知識庫和推理引擎組成，以從存儲的知識庫中推斷或推理知識。專家系統(tǒng)用于需要人類專家來解決特定問題的地方。

知識庫

基于規(guī)則的專家系統(tǒng)以規(guī)則的形式捕捉專家在特定領(lǐng)域的知識。這些規(guī)則構(gòu)成知識庫，然后通過推理引擎對事實進行評估，以解決特定問題。規(guī)則示例：

如果天空很清晰，陽光燦爛，

那么雨衣是不需要的。

優(yōu)點

由于規(guī)則以自然語言表示，因此易于捕捉對知識庫的理解。

缺點

專家對同一主題的意見各不相同，這使得難以掌握領(lǐng)域知識。

規(guī)則的維護和更新是一個漫長的過程。

而且不同領(lǐng)域內(nèi)存在不同類型的專家系統(tǒng)，如基于規(guī)則的專家系統(tǒng)，模糊專家系統(tǒng)和基于框架的專家系統(tǒng)。

推理

專家系統(tǒng)中的推理通過向前或向后鏈接進行。正向鏈接是一種數(shù)據(jù)驅(qū)動推理技術(shù)，它從知道數(shù)據(jù)開始，并按照該規(guī)則前進。反向鏈接是一種目標驅(qū)動的推理，它從一個目標開始并向后推進以找到支持目標的數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(ANN)受到人類神經(jīng)系統(tǒng)的啟發(fā)。該系統(tǒng)的工作方式與人類大腦存儲和處理知識的方式完全相同。與人類大腦非常相似的神經(jīng)網(wǎng)絡(luò)由一組彼此高度連接的神經(jīng)元或節(jié)點組成。信息在網(wǎng)絡(luò)的神經(jīng)元中被存儲，處理和分析。每個節(jié)點或神經(jīng)元都可以激活網(wǎng)絡(luò)中的其他神經(jīng)元，神經(jīng)元之間的鏈接或連接稱為權(quán)重。一個網(wǎng)絡(luò)可以包含n個神經(jīng)元或節(jié)點，這可以使網(wǎng)絡(luò)變得非常復雜。一個簡單的神經(jīng)網(wǎng)絡(luò)由一個輸入和輸出層組成。

以下是不同類型的神經(jīng)網(wǎng)絡(luò)：

前饋神經(jīng)網(wǎng)絡(luò);
卷積神經(jīng)網(wǎng)絡(luò)(CNN);
遞歸神經(jīng)網(wǎng)絡(luò);
長短期記憶網(wǎng)絡(luò)(LSTM)。

人工神經(jīng)網(wǎng)絡(luò)能夠通過調(diào)整權(quán)重來學習。正是這種神經(jīng)網(wǎng)絡(luò)的能力使它們適合于機器學習。不同類型的學習算法都可以用于神經(jīng)網(wǎng)絡(luò)，其中最突出的是反向傳播算法。

文章原標題《demystifying-ai-and-machine-learning》

標簽： 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。