何为人工智能?数据科学?深度学习?高级算法?数据挖掘?神经网络?数学问题?数据分析……其实这些问题都太专业化了。我们能不能用一张简图勾勒出人工智能的范畴?答案是肯定的。
首先我们可以将目光聚焦于这张图的中间——人工智能,我们将它的能力延伸通过横纵两个轴进行辐射。
向上代表人的脑力,对应的行业术语叫做“神经网络”向下代表人的体力,对应的行业术语叫做“机器人”向左可以代替人,对应的行业术语叫做“智能化”向右可以辅助人,对应的行业数据叫做“增强化”
这样是不是很容易理解呢?然后我们在从这四个象限加以清晰的说明。
在智能化和神经网络这个区域,AI的典型能力主要包括模式识别、图像音频等理解处理能力,全部都属于机器学习的识别范畴;具体涉及到:文本识别、图像识别、语音识别、自然语言处理、智能声音合成等应用。
在增强化和神经网络这个区域,主要包括统计分析和处理、数据挖掘、深度学习等大数据的相关能力全部属于这个范畴;具体涉及到:智能商业应用、个人智能助手、智能合约等应用。
在智能化和机器人这个区域,主要是将识别能力与智能硬件紧密结合,体感技术与人机交互打造产业级应用;具体涉及到:智能制造、动力装置、服务机器人、自动驾驶和无人机等应用。
在增强化和机器人这个区域,主要运用生物技术、体感识别、人机交互等新型理念,将成为未来个体的主流;具体涉及到:可穿戴设备、AR/VR、智能家居等应用。
在大数据方面主要体现在机器学习领域,可以训练和优化出更智能的模型和解决方案,机器学习的高级算法支撑是AI的科技原力;既然高级算法与AI关联密切,那么该如何进一步解读在这个范畴里有关机器学习的具体研究方向呢?
结合上一张图,关于人工智能在大数据相关领域的研究方向主要是机器学习。机器学习是计算机科学与统计学相交叉的学科,专门研究计算机如何模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构并不断改善自身的性能;
这页咱们就把机器学习的范畴讲到就可以了,有关深度学习我们就不谈了,因为他也属于机器学习的范畴和子集。
机器学习大致粗略的分为六类:统计学习、数据挖掘、模式识别、计算机视觉、语音识别、自然语言处理等等。
统计学习:统计学习属于机器学习中最为基础的能力,它主要从一些观测(训练)样本为出发点,对样本数据进行分析得到的规律,从而对未来进行预测。
数据挖掘:数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程,数据挖掘应用数不胜数,它也属于机器学习的基础能力。
模式识别:模式识别是通过计算机,用决策理论方法(数学技术)研究模式的自动处理和判读。比如人在说话的过程中要强调语境,同样是阿拉伯数字“5”,在不同的语境下,“5”背后含义不尽相同。而这种理解如果需要计算机识别,那就叫做模式识别,模式识别是机器学习的高级能力,也是人工智能的主要攻克方向。
计算机视觉:计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量,并进一步做图形处理。
语音识别:语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。
自然语言处理:自然语言处理是一门融语言学、计算机科学、数学为一体的科学。该领域主要涉及人们日常使用的语言。
转载请注明:http://www.0431gb208.com/sjszlff/2658.html