位置:编程技术网 > 研发管理 > 正文 >

学习人工智能 100 天后,我得出 5 个结论

2019年09月15日 17:52来源:未知手机版

小学生笑话,笛子独奏名曲,安全隐患整改报告

学习人工智能 100 天后,我得出 5 个结论 2019-09-12 20:08:55 InfoQ

作者丨Jamie Beach

译者丨无明

策划丨万佳

2019 年 1 月底,我突然意识到,自己对人工智能了解非常有限。目前,人工智能对我们的影响越来越大。它保护我们的邮箱免受垃圾邮件的干扰,提供 Alexa 天气信息更新,为亚马逊消费者推荐更精准的商品或者为 Netflix 用户提供观影建议。每次当我们打开 Twitter 或 Facebook 都是一次人类与人工智能的较量,人工智能比我们更了解我们自己。而我——一个所谓的技术专家,对人工智能的了解竟如此有限。

《连线》杂志创始人 Kevin Kelly(凯文·凯利)在播客上参加一个叫“未来思想家”的节目,他在节目中讨论了 AI 相关的话题。他强调,一切才刚开始,如果有人愿意花点时间稍微深入学习一下人工智能和机器学习,他们就会发现,真正了解人工智能的人并不多。那天下班回家后,我就开始了为期 100 天的人工智能“深度潜水”。

我把所有东西都列在了 Trello 上。虽然时间不是很充裕,但我还是在 100 天内完成了近 200 小时的学习。我看了 9 本书,上了 2 门 Coursera 课程(现在开始上第三门),听了很多播客节目,还尽可能多地学习其他教程。

Trello 链接:

https://trello.com/b/g1cS5K0O/100-days-of-ai

>1人工智能不是新事物,但有新突破

“人工智能”一词并非来自科幻小说。1956 年,在达特茅斯学院举办的一个夏季研讨会上,一群聪明人聚在一起讨论如何让机器具备思考的能力。这次聚会的目的就是要提出这个概念。虽然他们没有留下会思考的机器,但是他们的一些想法和技术却为现代人工智能奠定了基础。

研讨会之后,人们对人工智能的不同子领域产生了浓厚兴趣。神经网络现在看起来似乎很有前途,但在当时却一片空白,大多数研究最终放弃了它。这一时期被称为“人工智能的冬天”,并持续几十年。但近年来,随着计算能力和可用数据呈指数级增长,再加上深度学习的突破,极大提高了机器学习的效率,以至于连吴恩达都称人工智能是“新电力”。

2 人工智能相当于机器学习,但不是终结者

>终结者,超智能文化的缩影

人工通用智能(AGI)是一种可以像人类一样思考的机器。比如终结者,或者 HAL 9000 ,或者《机械姬》里的机器人。这么说来,超智能就是超越了人类思考能力的机器。但目前并不存在这些东西。到目前为止,AGI 仍然是一种幻想,是遥不可及的未来。但这并不意味着没有人在做这件事情,也不意味着像 Max Tegmark 或 Ray Kurzweil 这些聪明人不会谈论和期待它们的出现(它们会的,而且很快)。但目前 AI 的主要形式几乎就是机器学习——人工智能的一个子领域。

机器学习基本上是这样的:

第一步:把问题变成预测问题。换句话说,就是给定输入参数(特征),然后预测结果。

第二步:定义算法或系统,做出决策。这类算法或系统有很多,从线性回归到神经网络、深度学习、支持向量机、递归神经网络、卷积神经网络、生成对抗网络等等。每种算法都是针对一类特殊的预测问题而设计的。要预测一所房子的成本,使用线性回归模型就足够了,预测剧本可以使用递归神经网络(RNN),预测人脸图像可以使用生成对抗网络(GAN)。

第三步:获取大量的训练数据,越多越好。关于房价,可以获取包含房子 (标签) 特征和实际价格的数据。对字符识别,可以获取大量包含字符的图片,并对其进行标记。

第四步:训练模型。提供训练数据,计算错误,调整并重复,直到错误最小化。在这里,梯度下降和反向传播是两个重要的概念。

假设找到了最小误差,模型就准备好了——为它提供新特征,它就可以预测结果。结果往往非常准确,通常比人类更准确。

本文地址:http://www.reviewcode.cn/yanfaguanli/75985.html 转载请注明出处!

今日热点资讯