“AI”科普丨AI科普,看这一篇就够了算法云计算ai科普自然语言处理人工智能技术

上周末参加一个会议,左手边一位做大数据,右手边一位做大数据,前边儿一位做数据平台,后面一溜排儿投资机构准备要投AI。第二天会议都快接近尾声了,会场后边居然还站着一摞听众。

从2016年AlphaGo战胜了人类围棋世界冠军开始,AI正式步入公众视野。

AI到底是什么,它如何一步步发展而来,具体又有什么样的应用,是哪些人或机构在推动AI?我们需要一份AI科普。

1

什么是人工智能(AI)

请往下看

人工智能(ArtificialIntelligence):研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。这门科学试图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。是一门有关“智能主体的研究与设计的学问”(智能主体是指一个可以观察周遭环境并做出行动以达到目标的系统。)

2

大数据

是发展AI的必备基础条件,也是一种全新的思维方式。

大数据,Bigdata,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。在总数据量相同的情况下,与个别分析独立的小型数据集相比,将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性,可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定即时交通路况等;这样的用途正是大型数据集盛行的原因。

机器学习

是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。

深度学习

是机器学习中一种基于对数据进行表征学习的方法。把计算机要学习的东西看成一大堆数据,把这些数据丢进一个复杂的,包含多个层级的数据处理网络,然后检查经过这个网络处理得到的结果数据是不是符合要求,如果符合,就保留这个网络作为目标模型,如果不符合,就一次次地,锲而不舍地调整网络的参数设置,直到输出满足要求为止。

深度学习是一种在表达能力上灵活多变,同时又允许计算机不断尝试,直到最终逼迫目标的机器学习方法。好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。

大数据、机器学习、深度学习三者之间的关系,简单来说是,一堆大数据,计算机经过数据罗列归类(算法)分析可以得出最为接近或满足问题的答案,这是机器学习。如果在归类分析的基础上计算机得出了一套规律,并按规律来预测和分析出答案,这就是深度学习。机器学习解决知其然,深度学习解决了知其所以然。我们说的AI发展,在现阶段与未来,是对于深度学习的不断突破。

再举个更容易理解的例子。

有一伙子见到一姑娘,与他身上关联的设备(AI)显示他对女孩子一见钟情,设备数据体现在荷尔蒙指数、心率变化等等。能做到这一些就是机器学习分析所得的结果,设备关联的数据存储在结合场景并有多样体征数据出现明显改变的时候,预示着是喜欢的结果。

那深度学习是什么呢?深度学习解决的是为什么这个小伙子见到这个姑娘为一见钟情。设备关联的数据中心检索到小伙子过往所有感情经历、初恋、观看过的影片、图文记录等等信息,能先得出小伙子喜欢的类型,再结合本次所见姑娘的特征条件,体征指数,及场景条件,得出了这就是他的菜。

大数据和深度学习密不可分,深度学习可以从大数据中挖掘出以往难以处理的数据、知识或规律。有足够的数据作为深度学习的输入,计算机就可以学会以往只有人类才能理解的概念,然后再将这些概念或适应应用到之前从来没有看见过的新数据上。

3

AI发展史

1943年,人工智能的前身———人工神经网络概念提出。数学家WalterPitts和神经生理学家WarrenMcculloch发表论文,描述了人工神经网络概念,证明该网络可以计算任何可计算函数,并具有学习能力。

1951年,第一台神经网络计算机诞生。由两位大学生马文.明斯基和迪恩.爱得蒙创造发明,能模拟40个神经元。

1956年,人工智能诞生。计算机科学家约翰.麦卡锡、明斯基及其学生,在达特茅斯学院开展了为期两个月的研讨会,汇集了美国各地的10名研究员。此次研讨会的最大成果是将该新领域命名为“人工智能”。

4

1962年,世界首款工业机器人“尤尼梅特”开始在汽车装配上工作。

5

1966-1972年代,美国斯坦福国际研究所研制了移动式机器人Shakey,这是首台采用了人工智能学的移动机器人。

6

1972-1980年代,神经网络领域有重大突破。但计算机技术发展过于缓慢。人工智能遇冷。

7

8

1987-1993年代,AI推进组织大幅削减了对AI的资助,DARPA的新任领导认为AI并非“下一个浪潮”,AI再次遇冷。后期,研究者根据机器人学的成就提出了一种全新的人工智能方案。

9

1997年,IBM“深蓝”战胜国际象棋世界冠军卡斯帕罗夫。这是AI里程碑事件。

10

2006年,杰弗里.辛顿创建深度学习算法,人工智能开始加速发展。

11

2011年,Watson(沃森)作为IBM公司开发的使用自然语言回答问题的人工智能程序参加美国智力问答节目,打败两位人类冠军,赢得了100万美元的奖金。

12

2012年,人工智能领域标志性一年,谷歌大脑研究小组在线视频智能识别领域有重大突破。人工智能开启人才竞争模式。

13

2015年:人工智能突破之年,Google推出利用大量数据直接就能训练计算机来完成任务的第二代机器学习平台TensorFlow;剑桥大学建立人工智能研究所。

14

2016年:AlphaGo战胜围棋世界冠军李世石,人工智能开始正式进入公众视野。

从发展历史来说,人工智能经历了三大兴衰节点,四个发展阶段:

三大节点

第一次兴起:1950-1970年代

第一次唱衰:1970年代中晚期

第二次兴起:1980-1987年

第二次唱衰:1987-1993年

第三次兴起:1993起至今

四个阶段

1950-1970年代:用计算机来模拟人的逻辑

推理;

1970-1990年代:基于规则的专家系统建立;

1990-2010年代:数据驱动与机器学习;

2010-至今:大数据+深度学习

AI史上著名人物

艾伦·麦席森·图灵AlanMathisonTuring:“人工智能之父”

约翰.麦卡锡JohnMcCarthy:“人工智能”命名者

杰弗里.辛顿GeoffreyHinton:深度学习的建造者,人工智能领域的三位奠基人之一

雅恩·乐昆YannLeCun:人工智能领域的三位奠基人之一,为神经网络的研究和发展做出了重要贡献,尤其是在图像识别领域

约书亚·本吉奥YoshuaBengio:人工智能领域的三位奠基人之一,机器学习大拿专家,他的研究工作主要聚焦在高级机器学习方面,致力于用其解决人工智能问题

雷.科兹威尔RayKurzweil:人工智能先驱、未来学家,人工智能领域最重要的人物之一,擅长未来预测,在1990年出版著作《智能机器时代》,2005年出版《奇点临近》

杰夫·霍金斯JeffHawkins:历史上第一款掌上电脑PalmPilot发明者,2002年,他开始致力于研究神经科学以及聚焦于人类大脑皮质功能的人工智能学习过程,这期间创立了红木理论神经科学中心

吴恩达AndrewNg:人工智能和机器学习领域最权威的学者之一,谷歌大脑首席研究,2014年被百度挖走,三年后离职。

AI典型著作与报告

《人工智能时代》

杰瑞.卡普兰,2016

《失控:全人类的最终命运和结局》

凯文.凯利,2010

《奇点临近》

雷.科兹韦尔,2005

《新一代人工智能发展规划》

中国国务院,2017.7

《人工智能,机器学习和数据是未来生产力的源泉》

高盛公司,2016.12

《2030年的人工智能与生活》

斯坦福大学人工智能百年研究项目组,2016.9

AI主要应用

当前AI应用主要集中在安防、金融、医疗三大领域,其它在智慧生活、交通领域、教育系统也建树不少。

安防

金融

是AI目前最被看好的落地领域。该领域是全球大数据积累最好的行业。

基于客户的海量交易数据,可以针对精准客户进行产品推荐、资产预测、风险防控;类似蚂蚁金服这样的新金融平台已经成功将人工智能运用于互联网小贷、保险、征信、资产配置、客户服务等。

高盛集团2016年12月发布的报告中指出,在金融行业,保守估计,到2025年时,机器学习和人工智能可以通过节省成本和带来新的盈利机会创造大约每年340亿-430亿的价值。有一个案例是,2017年,摩根大通开发一款金融合同解析软件COIN,原先工作人员每年累计需要36万小时才能完成的工作,COIN只需要几秒钟就能完成。

医疗

AI对人类最有意义的帮助之一是促进医疗科技的发展,让机器、算法和大数据为人类自身的健康服务。目前,AI已被应用于医疗健康各个领域:

在计算智能方面,主要用于基因测序,药物发现,疾病预测,精准医疗;

在感知智能层面,主要用于医疗智能语音,医疗机器人,可穿戴设备及远程医疗;

在认知智能层面,主要用于医疗智能决策,智能诊断,个性化医疗。

知名公司AI创投情况

IBM

在AI领域,IBM是早期先锋,当年它为大众带来了现代AI,IBM沃森(Watson)参与过电视节目Jeopardy。作为知识解决服务的代表,营收已占IBM总营收的22%。到目前为止,IBM已经拥有几十个不同的AI产品和服务,这些产品和服务大体可以分成两类:开发者工具和预制应用。IBM还赞助500万美元,让创业公司参加挑战赛,用AI解决世界性的大难题。

IBM未来10年的战略核心是“智慧地球”计划,希望在智慧能源,智慧交通,智慧医疗,智慧零售和智慧水资源等领域全面发力。

微软

早在1991年,微软就已经开始涉足机器学习,目前在这一领域的几十个研究领域有数百名科学家和工程师。微软在人工智能上投入了很多精力,也有诸多人工智能产品面世,比如小冰、小娜以及智能识图网站等。

微软内部有一个庞大的机器学习、AI团队。该团队下面有许多子团队,专注于算法经济、深度学习、机器学习、机器教学、自然语言运算及其它项目的研究。机器学习、AI团队的创新也已经整合到微软产品和服务中去。

英特尔

英特尔的AI研究主要集中于机器学习、深度学习、芯片和软件AI,它已经收购了一些专注于AI研究的小企业。利用认知技术加快新产品的开发,用大数据进行视觉分析。

Google

早在2006-2010年就开始打造谷歌大脑,提出“AI先行”的战略口号;2012-2015年,谷歌内部使用深度学习项目达到1000多个,2015年成立主打AI的公司Alphabet,目前该公司已成为世界上最大的AI平台。

Facebook

目前已经拥有两大实验室,同时布局于基础研究以及产品应用。其重点打造的FAIR(FacebookAIResearch)主要从事AI研究,它涉及的领域包括自然语言处理、计算机视觉。

Apple

具体计划暂无披露,但苹果正在向AI投资,最近苹果公开招聘员工,职位也与机器学习有关,它还收购了AI创业公司Emotient和VocalIQ

亚马逊

亚马逊早前就已经开始研究机器学习,它将技术用在电子商务网站,向用户推荐产品、预测价格。亚马逊CEO杰夫·贝佐斯(JeffBezos)表示:“未来20年,AI会对社会造成多大的影响,我们真的很难估计。”亚马逊还收购了AI创业公司Orbeus。目前在其语音识别生态系统上投入的人力有1000人。

百度

从2013年1月李彦宏提出设立深度学习研究院、4月设立硅谷人工智能实验室以来,人工智能就渐渐成为百度的战略发展方向。2013年到2017年,百度一方面加大基础技术研发,另一方面则加快产品商业化落地。目前,百度公司在人工智能领域公开的中国专利申请超过2000项、国外专利申请数百项,技术内容涉及语音识别、图像识别、自然语言理解、用户画像、自动驾驶、深度学习、云计算等,上述技术将为百度抢占技术制高点。最为众人所熟知的,是百度无人驾驶领域的Apollo计划。

腾讯

阿里

从2015年开始,阿里云发布的首个可视化人工智能平台DTPAI,集成了阿里核心算法库,包括特征工程、大规模机器学习、深度学习等。在此基础上,阿里推出的人工智能ET,目前已具备智能语音交互、图像/视频识别、交通预测、情感分析等技能。ET的优势在于对全局的洞察和实时决策上,在复杂的局面下快速做出最优决定。如今ET的前端已经演化出四个融合人工智能、云计算、大数据等多种技术的人工智能中枢“大脑”,为各垂直领域的企业级与政府公共事务级提供服务。

注:

1.封面图:2006年,在AI首次研讨也是命名的1956达特茅斯会议五十年后,当事人重聚。左起:摩尔,麦卡锡,明斯基,赛弗里奇,所罗门诺夫

THE END
1.学习人工智能都需要学什么?人工智能资讯学习人工智能都需要学什么?人工智能课程需要学习python编程基础、web基础、web-Django框架与项目、 Web-Flask框架与项目、人工智能、机器学习等方面的知识。掌握计算机原理、网络、Web前端、后端、架构、 数据库、项目部署、数据获取、数据提取、数据清洗、数据挖掘、机器学习、深度学习、图像识别等领域所需要的全部技术的前https://www.boxuegu.com/news/4228.html
2.人工智能专业需要学习什么人工智能工程技术学什么 人工智能工技术专业是一门新兴的、针对人工智能技术应用领域培养人才的专业。该专业需要学习计算机科学与技术、信息科学与技术、电气工程等贺橘学科,涉及人工智能、大数据、机器学习、深度学习、自然语言处理、计算机视觉等领域的基础理论和应用知识。1、计算机科学与技术计算机科学与技术 https://hr.gan-ren.com/hc/rmmmrtththnncshrfce.htm
3.人工智能工程师需要学什么?人工智能工程师需要学什么?人工智能技术是目前的爆款技术,许多人都渴望自己能走在科技前端,站在先领于别人的领域。有的人可能非常羡慕人工智能工程师超高的薪资待遇,但是机遇的背后,需要你付出更大的努力,只有不断的学习,不断突破自己,在事业上才有更广阔的发展空间!那么我们言归正传,想要成为一名人工智能工程师,基http://www.hebjxw.com/ShowInfo_News.asp?id=29402
4.人工智能技术是什么?人工智能需要学习哪些课程?需要学习:人工智能导论(搜索法等)、生物演化论、图像识别、自然语言处理、语义网、博弈论等。需要的前置http://www.zhenzhiwd.com/question/47967.html
5.人工智能应该学什么专业?学什么知识?可以选择智能科学与技术专业、模式识别与智能系统专业、机器人工程专业、计算机科学与技术专业等相关专业。目前人工智能领域的人才紧缺,同时人工智能涉及到各种软硬件也可应用到各种方面。 人工智能应该学什么专业?可以选择智能科学与技术专业、模式识别与智能系统专业、机器人工程专业、计算机科学与技术专业等相关专业。目前https://www.51cto.com/article/643624.html
6.人工智能学习心得(通用27篇)逐步建立课程——空间——活动的人工智能教育活动实践,在论坛中也介绍了人工智能教育需要遵循学生各年龄层的学情特点,分为三个阶段,第一阶段大班STEM基础教学,第二轮实践教学建立社团校队,第三开展项目式专训,培育科技特长生,或者各年级年级培养学生人工智能教育的不同目标,小学低年级可以主要培养综合素养,小学高年级跨https://www.yjbys.com/xindetihui/fanwen/3342600.html
7.人工智能大数据云计算,分别需要的什么样的数学水平?需要学过需要学过哪些数学? 说到AI,总是不可避免的联想到大数据与云计算,这三者可谓相辅相成,唯有全部结合起来,才有可能成为真正的人工智能。 简单来说,AI是基于计算机软硬件,通过模拟人类思考和智能行为的一种理论方法和技术。而云计算则是将服务器、存储器、存储设备以及网络等资源打包成云端,为客户提供相关的按使用量https://www.jianshu.com/p/4a2a16689d8f
8.人工智能工程师要学什么课程人工智能工程师是近年来热门的职业之一,随着人工智能技术的迅速发展,企业对人工智能工程师的需求也在不断增加。如果你对人工智能领域感兴趣,想要成为一名人工智能工程师,那么人工智能工程师要学什么课程呢? 1、数学基础 需要掌握高等数学、线性代数、概率论和统计学等基础知识。这些知识将为后续的学习打下坚实的基础。https://www.pxwy.cn/school-2440/document-id-28067.html
9.人工智能需要学习的知识技能有哪些?人工智能需要学习的知识技能有哪些?人工智能技术一般包括机器学习、计算机视觉、自然语言处理、语音识别、深度学习等,主要学习内容有数学(线性代数、概率论与数理统计、离散数学)、算法(机器学习、深度学习、神经网络)、编程(Python、R、Scala、Java、C++等)。 学习人工智https://blog.itpub.net/70030295/viewspace-3001194
10.2024年人工智能需要学哪些课程?适合多大的孩子?总之,人工智能课程适合各个年龄段的孩子,但不同年龄段的孩子需要根据自己的实际情况和学习需求选择适合自己的课程和学习方式。通过系统的学习和实践,相信每个孩子都可以在人工智能领域取得一定的成就。 往期文章 ▲有哪些实用的少儿编程scratch学习方法? ▲少儿编程必学的技巧有哪些? https://www.luwen.cn/wenda/16289.html
11.张栋伟:老百姓需要学AI课程吗?澎湃号·湃客澎湃新闻张栋伟:老百姓需要学AI课程吗? AI(人工智能)概念火了。 三十年前,没有及早学习电脑的, 二十年前,没有及早上互联网的, 乃至十年前,没有及早开网课的, 开始陷入了一种焦虑: “如果我当初早点儿学习那么会不会” 张栋伟明确的告诉你,“不会”,及早学了也“不会”。https://www.thepaper.cn/newsDetail_forward_26518050
12.学习人工智能需要哪些基础知识?(非常详细),零基础入门到精通,看这一人工智能(AI)正迅速改变着各行各业。要深入了解和应用AI,掌握一些基础知识是必不可少的。本文将为您详细介绍学习人工智能所需的纯基础知识,帮助您打下坚实的基础,开启您的AI之旅。 一、数学基础 1.线性代数 为什么需要:线性代数是理解数据结构和算法的基础,尤其在处理多维数据时至关重要。 https://blog.csdn.net/weixin_49895216/article/details/143072964
13.人工智能要学什么语言人工智能要学什么语言 描述 随着人工智能(AI)技术的不断发展,不同的编程语言也应运而生,AI的语言也在不断扩大。人工智能领域的程序员们更多的需要掌握多种技能以便能够适应不断变化的环境和需求。最基本的语言是如Python、Java、C++等编程语言,但它们并不是人工智能应用的唯一语言。在这篇文章中,我们将介绍几种https://m.elecfans.com/article/2212139.html