人工智能的基本常识学习

1、人工智能的定义
      人工智能领域苦于存在多种概念和定义，有的太过有的则不够。
      作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”
      随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。
      所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是，“人工智能，就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”

2、人工智能的历史
      人工智能并不是一个新名词。
      实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
      20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
      但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制，严重阻碍了我们使用人工智能来解决更加困难和多样的问题。
      伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
      20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
      对于专家系统潜力的过高希望，彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
      20世纪90年代，在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面，是因为这些技术避免了专家系统的若干限制，另一方面，是因为新算法让它们运行起来更加高效。

      神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。

3、人工智能进步的催化剂

2）大数据
      得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。
      随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。

3）互联网和云计算
      和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因。
      第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。
      第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。
      比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。

4）新算法
      算法是解决一个设计程序或完成任务的路径方法。
      最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。
      机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。

      本文由培训无忧网长沙牛耳教育专属课程顾问整理发布，希望能够对想参加长沙大数据分析培训的学生有所帮助。更多大数据分析培训课程资讯欢迎关注培训无忧网大数据人工智能培训频道或添加老师微信：1503333605010

      注：尊重原创文章,转载请注明出处和链接 https://www.pxwy.cn/news-id-14194.html 违者必究！部分文章来源于网络由培训无忧网编辑部人员整理发布,内容真实性请自行核实或联系我们，了解更多相关资讯请关注人工智能频道查看更多，了解相关专业课程信息您可在线咨询也可免费申请试课。关注官方微信了解更多：150 3333 6050