91久久精,毛片app,韩国理伦片无删减在线播放

什么是人工智能

雖然在過去數(shù)十年中，人工智能 (AI) 的一些定義不斷出現(xiàn)，但 John McCarthy 在 2004 年的論文中給出了以下定義：“這是制造智能機器，特別是智能計算機程序的科學和工程。它與使用計算機了解人類智能的類似任務(wù)有關(guān)，但 AI 不必局限于生物可觀察的方法”。

然而，在這個定義出現(xiàn)之前數(shù)十年，人工智能對話的誕生要追溯到艾倫·圖靈 (Alan Turing) 于 1950 年發(fā)表的開創(chuàng)性工作：“計算機械和智能” 。在這篇論文中，通常被譽為“計算機科學之父”的圖靈提出了以下問題：“機器能思考嗎？”由此出發(fā)，他提出了著名的“圖靈測試”，由人類審查員嘗試區(qū)分計算機和人類的文本響應(yīng)。雖然該測試自發(fā)表之后經(jīng)過了大量的審查，但它仍然是 AI 歷史的重要組成部分，也是一種在哲學中不斷發(fā)展的概念，因為它利用了有關(guān)語言學的想法。

Stuart Russell 和 Peter Norvig 隨后發(fā)表了“人工智能：現(xiàn)代方法”，成為 AI 研究的主要教科書之一。在該書中，他們探討了 AI 的四個潛在目標或定義，按照理性以及思維與行動將 AI 與計算機系統(tǒng)區(qū)分開來：

人類方法：

像人類一樣思考的系統(tǒng)
像人類一樣行動的系統(tǒng)

理想方法：

理性思考的系統(tǒng)
理性行動的系統(tǒng)

艾倫·圖靈的定義可歸入“像人類一樣行動的系統(tǒng)”類別。

以最簡單的形式而言，人工智能是結(jié)合了計算機科學和強大數(shù)據(jù)集的領(lǐng)域，能夠?qū)崿F(xiàn)問題解決。它還包括機器學習和深度學習等子領(lǐng)域，這些子領(lǐng)域經(jīng)常與人工智能一起提及。這些學科由 AI 算法組成，這些算法旨在創(chuàng)建基于輸入數(shù)據(jù)進行預(yù)測或分類的專家系統(tǒng)。

目前，仍有許多圍繞 AI 發(fā)展的炒作，市場上任何新技術(shù)的出現(xiàn)都會引發(fā)熱議。正如Gartner 的炒作周期中所指出的，包括自動駕駛汽車和個人助理在內(nèi)的產(chǎn)品創(chuàng)新遵循：“創(chuàng)新的典型發(fā)展進程，從超高熱情到幻想破滅期，最終了解創(chuàng)新在市場或領(lǐng)域中的相關(guān)性和作用”。正如 Lex Fridman 在其 2019 年的 MIT 講座中所指出的那樣，我們正處于泡沫式期望的顛峰，逐漸接近幻滅槽。

人工智能的類型 - 弱 AI 與強 AI

弱 AI 也稱為狹義的 AI 或人工狹義智能 (ANI)，是經(jīng)過訓練的 AI，專注于執(zhí)行特定任務(wù)。弱 AI 推動了目前我們周圍的大部分 AI。“范圍窄”可能是此類 AI 更準確的描述符，因為它其實并不弱，支持一些非常強大的應(yīng)用，如 Apple 的 Siri、Amazon 的 Alexa 以及 IBM Watson 和自主車輛。

強 AI 由人工常規(guī)智能 (AGI) 和人工超級智能 (ASI) 組成。人工常規(guī)智能 (AGI) 是 AI 的一種理論形式，機器擁有與人類等同的智能；它具有自我意識，能夠解決問題、學習和規(guī)劃未來。人工超級智能 (ASI) 也稱為超級智能，將超越人類大腦的智力和能力。雖然強 AI 仍完全處于理論階段，還沒有實際應(yīng)用的例子，但這并不意味著 AI 研究人員不在探索它的發(fā)展。 ASI 的最佳例子可能來自科幻小說，如 HAL、超人以及《2001 太空漫游》電影中的無賴電腦助手。

深度學習與機器學習

由于深度學習和機器學習這兩個術(shù)語往往可互換使用，因此必須注兩者之間的細微差別。如上所述，深度學習和機器學習都是人工智能的子領(lǐng)域，深度學習實際上是機器學習的一個子領(lǐng)域。

artificial intelligence machine learning deep learning graphic circles

深度學習實際上由神經(jīng)網(wǎng)絡(luò)組成。深度學習中的“深度”是指由三層以上組成的神經(jīng)網(wǎng)絡(luò)（包括輸入和輸出）可被視為深度學習算法。這通常如下圖表示：

深度學習和機器學習的不同之處在于每個算法如何學習。深度學習可以自動執(zhí)行過程中的大部分特征提取，消除某些必需的人工干預(yù)，并能夠使用更大的數(shù)據(jù)集。可將深度學習視為“可擴展的機器學習”，正如 Lex Fridman 在同一 MIT 講座中所指出的那樣。常規(guī)的機器學習，或叫做"非深度"機器學習，更依賴于人工干預(yù)進行學習。人類專家確定特征的層次結(jié)構(gòu)，以了解數(shù)據(jù)輸入之間的差異，通常需要更多結(jié)構(gòu)化數(shù)據(jù)以用于學習。

"深度"機器學習則可以利用標簽化的數(shù)據(jù)集，也稱為監(jiān)督式學習，以確定算法，但不一定必須使用標簽化的數(shù)據(jù)集。它可以原始格式（例如文本、圖像）采集非結(jié)構(gòu)化數(shù)據(jù)，并且可以自動確定區(qū)分不同類別數(shù)據(jù)的特征的層次結(jié)構(gòu)。與機器學習不同，它不需要人工干預(yù)數(shù)據(jù)的處理，使我們能夠以更有趣的方式擴展機器學習。

人工智能應(yīng)用

目前，AI 系統(tǒng)存在大量的現(xiàn)實應(yīng)用。下面是一些最常見的示例：

語音識別：也稱為自動語音識別 (ASR)、計算機語音識別或語音到文本，能夠使用自然語言處理 (NLP)，將人類語音處理為書面格式。許多移動設(shè)備將語音識別結(jié)合到系統(tǒng)中以進行語音搜索，例如： Siri，或提供有關(guān)文本的更多輔助功能，最近比較火的的chatGPT也是。
客戶服務(wù)：在線聊天機器人正逐步取代客戶互動中的人工客服。他們回答各種主題的常見問題 (FAQ) ，例如送貨，或為用戶提供個性化建議，交叉銷售產(chǎn)品，提供用戶尺寸建議，改變了我們對網(wǎng)站和社交媒體中客戶互動的看法。示例包括具有虛擬客服的電子商務(wù)站點上的聊天機器人、消息傳遞應(yīng)用（例如 Slack 和 Facebook Messenger）以及虛擬助理和語音助手通常執(zhí)行的任務(wù)。
計算機視覺：該 AI 技術(shù)使計算機和系統(tǒng)能夠從數(shù)字圖像、視頻和其他可視輸入中獲取有意義的信息，并基于這些輸入采取行動。這種提供建議的能力將其與圖像識別任務(wù)區(qū)分開來。計算機視覺由卷積神經(jīng)網(wǎng)絡(luò)提供支持，應(yīng)用在社交媒體的照片標記、醫(yī)療保健中的放射成像以及汽車工業(yè)中的自動駕駛汽車等領(lǐng)域。
推薦引擎：AI 算法使用過去的消費行為數(shù)據(jù)，幫助發(fā)現(xiàn)可用于制定更有效的交叉銷售策略的數(shù)據(jù)趨勢。這用于在在線零售商的結(jié)帳流程中向客戶提供相關(guān)的附加建議。
自動股票交易：旨在用于優(yōu)化股票投資組合，AI 驅(qū)動的高頻交易平臺每天可產(chǎn)生成千上萬個甚至數(shù)以百萬計的交易，無需人工干預(yù)。

人工智能與云計算

人工智能的發(fā)展需要三個重要的基礎(chǔ)，分別是數(shù)據(jù)、算力和算法，而云計算是提供算力的重要途徑，所以云計算可以看成是人工智能發(fā)展的基礎(chǔ)。云計算除了能夠為人工智能提供算力支撐之外，云計算也能夠為大數(shù)據(jù)提供數(shù)據(jù)的存儲和計算服務(wù)，而大數(shù)據(jù)則是人工智能發(fā)展的另一個重要基礎(chǔ)，所以從這個角度來看，云計算對于人工智能的發(fā)展還是比較重要的。當然，說到大數(shù)據(jù)還需要提一下物聯(lián)網(wǎng)，物聯(lián)網(wǎng)為大數(shù)據(jù)提供了主要的數(shù)據(jù)來源，可以說沒有物聯(lián)網(wǎng)也就不會有大數(shù)據(jù)。

云計算目前正在從IaaS向PaaS和SaaS發(fā)展，這個過程中與人工智能的關(guān)系會越來越密切，主要體現(xiàn)在以下三個方面：

第一：PaaS與人工智能的結(jié)合來完成行業(yè)垂直發(fā)展。當前云計算平臺正在全力打造自己的業(yè)務(wù)生態(tài)，業(yè)務(wù)生態(tài)其實也是云計算平臺的壁壘，而要想在云計算領(lǐng)域形成一個龐大的壁壘必然需要借助于人工智能技術(shù)。目前云計算平臺開放出來的一部分智能功能就可以直接結(jié)合到行業(yè)應(yīng)用中，這會使得云計算向更多的行業(yè)領(lǐng)域垂直發(fā)展。

第二：SaaS與人工智能的結(jié)合來拓展云計算的應(yīng)用邊界。當前終端應(yīng)用的迭代速度越來越快，未來要想實現(xiàn)更快速且穩(wěn)定的迭代，必然需要人工智能技術(shù)的參與。人工智能技術(shù)與云計算的結(jié)合能夠讓SaaS全面拓展自身的應(yīng)用邊界。

第三：云計算與人工智能的結(jié)合降低開發(fā)難度。云計算與人工智能結(jié)合還會有一個明顯的好處，就是降低開發(fā)人員的工作難度，云計算平臺的資源整合能力會在人工智能的支持下，越來越強大。

人工智能的發(fā)展歷史：大事記

“一臺會思考的機器”這一構(gòu)想最早可以追溯到古希臘時期。而自從電子計算技術(shù)問世以來（相對于本文中討論的某些主題而言），人工智能進化過程中的重要事件和里程碑包括以下內(nèi)容：

1950：艾倫·圖靈發(fā)表了論文“計算機械和智能”。圖靈因為在二戰(zhàn)期間破譯納粹德國的 ENIGMA 碼而聞名于世。在這篇論文中，他提出了問題“機器是否可以思考？”并進行回答，推出了圖靈測試，用于確定計算機是否能證明具有與人類相同的智能（或相同智能的結(jié)果）。自此之后，人們就圖靈測試的價值一直爭論不休。
1956：John McCarthy 在達特茅斯學院舉辦的首屆 AI 會議上創(chuàng)造了“人工智能”一詞。（McCarthy 繼續(xù)發(fā)明了 Lisp 語言。）同年晚些時候，Allen Newell、J.C.Shaw 和 Herbert Simon 創(chuàng)建了 Logic Theorist，這是有史以來第一個運行的 AI 軟件程序。
1967：Frank Rosenblatt 構(gòu)建了 Mark 1 Perceptron，這是第一臺基于神經(jīng)網(wǎng)絡(luò)的計算機，它可以通過試錯法不斷學習。就在一年后，Marvin Minsky 和 Seymour Papert 出版了一本名為《感知器》的書，這本書既成為神經(jīng)網(wǎng)絡(luò)領(lǐng)域的標志性作品，同時至少在一段時間內(nèi)，成為反對未來神經(jīng)網(wǎng)絡(luò)研究項目的論據(jù)。
1980 年代：使用反向傳播算法訓練自己的神經(jīng)網(wǎng)絡(luò)在 AI 應(yīng)用中廣泛使用。
1997：IBM 的深藍計算機在國際象棋比賽（和復(fù)賽）中擊敗國際象棋世界冠軍 Garry Kasparov。
2011：IBM Watson 在《危險邊緣！》節(jié)目中戰(zhàn)勝冠軍 Ken Jennings 和 Brad Rutter。
2015：百度的 Minwa 超級計算機使用一種稱為卷積神經(jīng)網(wǎng)絡(luò)的特殊深度神經(jīng)網(wǎng)絡(luò)來識別圖像并進行分類，其準確率高于一般的人類。
2016：由深度神經(jīng)網(wǎng)絡(luò)支持的 DeepMind 的 AlphaGo 程序在五輪比賽中擊敗了圍棋世界冠軍 Lee Sodol。考慮到隨著游戲的進行，可能的走法非常之多，這一勝利具有重要意義（僅走了四步之后走法就超過 14.5 萬億種！）。后來，谷歌以四億美元的報價收購了 DeepMind。
2021: 由于openA研發(fā)的聊天機器人程序，于2022年11月30日發(fā)布。ChatGPT是人工智能技術(shù)驅(qū)動的自然語言處理工具，它能夠通過學習和理解人類的語言來進行對話，還能根據(jù)聊天的上下文進行互動，真正像人類一樣來聊天交流， 2023年1月末，ChatGPT的月活用戶已突破1億，成為史上增長最快的消費者應(yīng)用。2023年2月7日，微軟宣布推出由ChatGPT支持的最新版本人工智能搜索引擎Bing（必應(yīng)）和Edge瀏覽器。微軟CEO表示，“搜索引擎迎來了新時代”。

以上就是速石對人工智能的一些介紹，想了解更多人工智能相關(guān)信息 歡迎掃碼關(guān)注小F（ID：iamfastone）獲取

- END -

我們有個AI研發(fā)云平臺
集成多種AI應(yīng)用，大量任務(wù)多節(jié)點并行
應(yīng)對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務(wù)快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群

掃碼免費試用，送200元體驗金，入股不虧~