当前位置:首页 >新闻详情

{$itemInfo['publish_time']|date='Y-m-d H:i:s',_ _ _博艺堂经过周中欧冠大轮换后,法夫尔恢复主力阵容,只有迪亚洛、阿什拉夫、格雷罗继续首发.傅亿堂bet98其锋将哈维尔-帕蒂诺曾在河南建业征战三个赛季的中超,共打入21球,个人能力与实用性较为突出。各方情况表明菲律宾队在对阵韩国队时还略有保留,这应可理解为是要留力对阵中国队,这支球队的潜在威胁性还有进一步放大的可能.博艺堂官方网站格策庆祝进球,但此后被判无效格策庆祝进球,但此后被判无效!}##} 来源:博艺堂-傅亿堂bet98-博艺堂官方网站 浏览次数 21

  机器可以告诉你下一部你想看哪部电影吗?可以打电话给餐馆预约吗?它的驾驶能比你的更安全吗?当然!

  

  如今,这些人工智能(AI)机器在模拟人类智能方面做得非常出色。人工智能一直在帮助我们做出更明智的决策,让我们参与日常琐事,让我们的生活变得更轻松。

  应用AI:

  尽管人工智能领域取得了很大进展,但这些机器的智能仍然很弱。那是因为Siri会让你在车祸中比你说的“不公平”更快,而特斯拉也可以安全地带你到一家餐馆,等待两小时的队列。每个人都只能执行它所教授的任务。这称为应用AI。

  那么,这是不是意味着还有其他种类的AI?我们如何向这些机器传授智慧?无论如何,机器学习是什么?

  机器如何学习世界?那么,让我们一步一步回答这些问题。

  机器学习:

  2005年,Garry Kasparov介绍了FreeStlyle国际象棋锦标赛的想法。这是国际象棋选手第一次使用人与机器的任意组合来决定他们的下一步行动。

  Hydra是一款比Deep Blue更强大的超级计算机(1996年曾在国际象棋游戏中击败过Garry的超级计算机),排名第三。

  然而,两名拥有弱电脑的业余国际象棋选手,却拥有强大的机器学习系统,击败了最伟大的国际象棋大师和超级计算机Hydra,以打入第一名。

  这怎么可能?首先,Hydra确定了棋盘上棋子的位置。然后,它计算了自身和对手的所有可能的未来动作。利用这些可能的结果,它进行了下一步行动。

  但是Hydra只是一套静态的,程序化的规则。它没有记忆。它无法利用其过去的经验来决定接下来要采取哪些行动。当我们教一台机器时,我们称之为机器学习,或称ML。

  尽管ML和AI在通常的说法中使用相当互换,但机器学习只是我们必须实现AI的当前最先进技术。

  神经网络:

  机器学习自己执行任务的方法之一是通过神经网络。作为技术,而且重要的是,我们对思想如何运作的理解已经取得了进展,我们构成AI的概念已经发生了变化。

  人工智能领域的工作集中在模仿人类决策过程和以更人性化的方式执行任务,而不是越来越复杂的规则和计算。

  一个关键的实现 - 在1959年归功于亚瑟·塞缪尔 - 不仅仅是向计算机教授他们需要了解的关于世界以及如何执行任务的一切,也许可以教他们自己学习。

  神经网络是人脑的粗略模拟。它们有数千个神经元,它们之间有数百万个突触连接。

  YOLO或You Only Look Once,是使用此方法识别对象的ML系统的示例。你首先用猫的图片喂它,然后机器将在它的“大脑”中搜索与猫相对应的特征。

  然后,在产生并比较预测的输出(比如猎豹)和正确的输出后,机器将从错误中吸取教训。

  它将修改它识别猫的特征的方式。而且,这种学习(或模式检测)过程一直持续到错误不再减少为止。

  深度学习:

  当然,说起来容易做起来难,当然,无论你是在教一台机器来区分狗和猫,还是一个好的交易和糟糕的交易。

  就像动物王国图表中的级别一样,这些任务不能简单地使用一组简单的功能来区分。因此,当这些抽象层的复杂性增加时,我们将其称为深度学习。

  与这些超酷的声音定义一样,不要让机器学习算法困扰你的感官是很困难的。从本质上讲,它适用于概率系统。根据提供给它的数据,AI能够以一定程度的确定性进行陈述,决策或预测。

  添加反馈回路可以“学习” - 通过感知或被告知其决策是对还是错,它会改变未来的方法。

  不言而喻,这些算法严重依赖于数据。

  “更多数据胜过聪明的算法,但更好的数据可以击败更多数据” - 彼得诺维格

  这就是我们如何知道这些机器离不开我们的原因; 因为他们需要大量结构化和适当的培训数据以及智能数据科学家来指导学习过程。

  广义AI:

  另一种人工智能 - 被称为广义人工智能 - 机器会理解他人,也有自我感觉,这似乎是一个遥远的问题。

  学习算法还不像科学家那么聪明,但它们的速度要快几百万倍。