蓝盟IT小贴士，来喽！
人工智能
你注意到我们是如何简单计算周围的环境，从过去的经验中不断学习的吗？ 总之，人工智能(AI )是教计算机同样东西的方法。
人工智能用于预测人类的行为，构建基于人类行动的工具、代理人和机器人。 特斯拉的自动驾驶车、亚马逊的Alexa和Siri都是人工智能的例子。
AI有三个不同的等级。
首先，弱人工智能(ANI )是我们迄今为止唯一成功的人工智能。 ANI (Artificial Narrowintelligence )设计为执行单一任务，是面向目标的。 ANI非常有能力完成编程完成的特定任务。 ANI的一些例子是语音助手、脸部识别或汽车驾驶。
其次，通用人工智能(AGI )是具有通用智能的机器概念，机器具有模仿人类智能和行为，从数据中学习和应用该智能解决任何问题的能力。 人工公共信息可以在任意情况下以与人类相同的方式思考、理解和行动。
超人工超智能(ASI )是机器能够自我意识，超越人类能力和智能的假想。 事实上，我们距离现实生活中实现这种形式的AI还很远。
机器学习
人工智能是模仿人类能力的概念，机器学习是人工智能的子集，教会机器从以前的结果中学习。
机器学习模型寻找数据中的模式，试图根据以前的结果和数据得出你或我的结论。 一旦算法真的擅长得出结果，就会将知识应用于新数据集，并继续改进。
简单地说，人工智能是计算机复制人类行为的科学，机器学习是机器如何从数据中学习的背后方法。
机器学习的类型
监视学习是指将大量的标签数据发送给算法，并定义算法需要评价依赖性的变量。 但是，监督学习需要很多数据。
无监控学习有助于算法查找无标记响应的模式和数据集。 你可能会使用这项技术浏览数据，但还没有特定的目标。 该算法扫描数据集，并根据它们共享的特征将数据分成几组。
有监督和无监督的学习的混合叫做半监督学习。 在半监督学习中，很多标签数据被发送到算法中，但是这个模型可以自由地探索和发展对数据集的理解。
强化学习使用机器中明确定义的规则来完成多阶段的过程。 该算法中途做出自己的决定，并对其行为进行奖励或惩罚深度学习
深度学习不能说是实现机器学习的技术。 深度学习是机器学习的子集，使用深度神经网络模仿大脑中的神经元网络，使得机器在没有人类帮助的情况下做出正确的决策。
但是，深度学习有时被视为机器学习的发展。 模型的深度由其拥有的层数来表示。 深度学习是人工智能领域的最新技术。 在深度学习中，训练由神经网络进行。
深度学习已经在人工智能中实现了许多实际应用。 无人车、更好的医疗、甚至更好的产品推荐今天或即将出现。
文/上海蓝盟 IT外包专家
中文
电话咨询
微信咨询
公众号
