人工智慧是什麼？

很多年前，現代計算機之父圖靈（Alan Turing）構造出圖靈機也就是計算機的基本概念。下圖就是圖靈機的原型圖，它包括無限長的紙帶（數據寫入和讀取）和紙盒子（控制指令）。

圖靈思考的一個重要一個問題：機器能達到多高的智慧？他構造了一個思想實驗，對機器智慧的終極測試--圖靈測試。

想像這樣一個場景：人類與另一方交流，彼此隔離，另一方對於人類來說是個黑盒子，你對他一無所知。交流僅通過 "鍵盤-屏幕" 進行，人類通過鍵盤輸入，對方通過屏幕回應。如果人類通過人類無法通過交流辨別對方是人類還是機器，那麼就可以說機器通過了測試，擁有了與人類等價的智慧。

人工智慧理論

為了讓機器擁有人類的思維能力這個目標，通常採用機器學習這個手段，目前這個手段中又添加了一項重要武器 --深度學習。機器學習就是從我們提供的數據中學習一個函數 ，難點也在於此。目前尋找這個函數的大致過程如下：

• 首先要準備一個function set（函數集合），這個函數集合就是model；

• 其次衡量函數集合中哪些是否合適。根據訓練數據，判斷函數集合中的函數是否合適；

• 最後，通過損失函數確定最合適的函數。

機器學習根據人工標註樣本數量的多少可以分為有監督學習(Supervised Learning)、半監督學習(Semi-Supervised Learning)以及無監督學習(UnSupervised Learning)。

有監督學習

有監督學習中的訓練數據需要通過人工標記。

半監督學習

監督學習中的訓練數據需要通過人工標記，這樣做需要消耗大量的人力、物力，為了減少這種消耗，我們提出了半監督學習，通過該模型減少標記數量。

無監督學習

非監督學習就是不需要標籤數據，即只有輸入，沒有輸出 。

深度學習

不管是有監督學習、半監督學習，還是無監督學習都需要我們提取有效的特徵，這些特徵提取直接影響最後的性能，而深度學習通過模仿神經元，直接輸入數據，構建相應的模型，自動學習出有效特徵作為最後輸出層的輸入數據，有效地提高了性能。

人工智慧的應用

語言識別

語言識別就是將一段語言信息轉換成一段文字，目前類似產品有很多，比如說："微軟小冰"等。

圖像識別

圖像識別就是能夠識別出圖像中的對象屬於哪一類，比如識別圖像中屬於貓還是狗，或者識別是哪個人。

人機對弈

Google團隊研發的AlphaGo就是採用深度學習，一方面學習已有的棋局，另一方面使用加強學習學習未知棋局，每次都從19*19個位置中選擇一個最優位置。

資源 乾貨 感悟

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！