人工智能,如今已是各个高科技领域争相讨论的热点了。无论您是刚入门的初学者,还是兴趣广泛的爱好者,我们都希望通过本文能够让您对人工智能有更加清晰的理解。闲言少叙,下面我们直接来看干货吧!
AI是什么
简要地说,人工智能(简称AI)是通过模拟人类行为,来智能地解决现实问题的各种过程。这些过程包括:学习、分析、计划、感知、推理、校正、语音识别、语言互动、和其他与人类认知科学相关的过程。
AI意味着什么
通过学习过往的经验、将行动与结果相匹配,AI简化了诸如识别与纠正错误,调整新的随机输入值的繁琐过程。另外,AI还能够通过深入地分析场景,来模拟人类行为,并轻松地完成各项任务。而且,AI可以利用自然语言处理(Natural Language Processing)和深度学习等技术,来解读与人类之间的交流,进而在其内部转换为只有机器能够理解的代码段。通过各种技术的应用,AI能够训练计算机在最少的人工干预下,处理大量的数据,识别并熟悉新的数据模式,进而执行各项具体的任务。
AI的目标
- 专家系统式的创新:通过自动化系统的建立,它不但能够表现出智能的行为,还能够给人类提供正确的行动建议。
- 在电脑上模拟人类的智能操作:这有助于在电脑上创建相同的认知模式,使之能够模拟人类的判断,对复杂的问题采取适当的行动。同时,它能够通过自动化的过程和对算法的应用,来减少人类的工作量。
- 多领域的应用:AI能够被应用到多个领域、并协助多门学科。其中包括:计算机科学、认知科学、统计学、心理学、医学、工程学、伦理学、自然科学、医疗、空间技术、逻辑学、语言学、电子商务等领域。
- 计算机科学的应用:AI能够帮助制定多种机制,来解决计算机科学中的各种难题。其中包括:检索和优化、逻辑、控制理论、语言分析、神经网络、分类、统计学习方法(Statistical Learning Methods)、和不确定推理的概率方法。
AI的演化
1956年,科学家John McCarthy创造了人工智能这个术语。如今,受益于大数据、高级算法、编程技术、以及电脑的计算存储能力,AI得到了飞跃式的大发展。
AI系统的建设与实施,一般依赖于如下技术:
- 自然语言处理(NLP):它研究的是计算机如何与自然的人类语言进行交互,并且在理解的基础上采取适当的行动。语音的识别与合成是NLP的两项典型应用。我们熟悉的Siri、Google Assistant、和Amazon Alexa等语音助手都是NLP的应用实例。其他的应用领域还包括:语义解析、文字识别、词性标注(part-of-speech tagging)、文本挖掘、机器翻译和信息检索等。
- 向量机(Vector Machines):该机制有助于根据参数值进行信息分类。向量机通过使用各种划分的方法,实现了图像识别、面部识别和文本识别等系统性的应用。
- 启发法(Heuristics):人类学习的基础源自通过采用试错法(trial-and-error)来理解错误,并避免犯错。因此,此方法类似于人类的大脑,在错误与正确之间建立各种映射关系。
- 人工神经网络(Artificial Neural Networks,ANN): ANN技术通过识别数据的输入模式,并基于人类大脑的网络和运作行为,来进行建模。与人脑类似,ANN通过识别大量的数据模式,来建立不同的映射,并作出各种决定。因此,它使用到了监督学习、无监督学习、模式识别、增强学习、机器学习和深度学习等技术。
AI的类型
不同人工智能可以根据类别分为:1型(基本)和2型(高级)。1型AI系统是一种智能的机制,它能够基于输入和可变参数的编程产生输出。2型AI系统能够应对各种实时发生的事件、场景和出现的其他因素,并能通过现场决策,以采取相应的行动。由于2型AI系统能够观测到格子客动态形势所产生的影响,因此它也被称为有情感的系统(sentient systems),即:能够像有情感的人类那样进行各种识别、分析和反应。
- 弱(或窄)人工智能:这种方法仅关注狭隘的单一任务,而不是去处置一系列相关的自动化整体任务。这是一种能力有限、且不那么智能的机制,不过它的单任务智能处理能力并不弱。它的典型应用是:接龙游戏。在与人类进行游戏对抗的时候,它会根据既有的机器指令和规则,去“设想”自己的下一步。
- 强人工智能:或称通用人工智能(Artificial General Intelligence),该系统能让计算机像人类的思维那样,通过分析和质疑,来解决更为复杂的问题。通过使用复杂的内部算法,它能够更有“情感”地响应各种问询。它的典型应用是:像Siri和Google Assistant之类的语音助理。它们能够以更加真实且灵活的方式,回答各种随机询问。
- 反应机制(Reactive Machines):它并不依赖于已经存储的过去数据,而是根据当前的各种参数值,来预测某种输出。它的典型应用是:国际象棋游戏软件,它并不仅仅参考既有的规则,还会根据当前的“局势”,反应出自己的下一步。
- 受限记忆(Limited Memory):此类AI系统能够通过使用过去留存的经验,来影响对未来的决策。其典型应用是:驾驶助手。它基于随机且动态的参数值,来进行现场决策。同时,它会利用以前访问过的位置存储信息,来规划最好的路线。
- 心智理论(Theory of Mind):这类AI机制能够根据各种情感、信仰、思想、以及场景做出不同的反应。因此,它常被用于根据社会交往和人类言行举止的观察,而做出的有效响应。
- 自我意识(Self-Aware):此类系统使用的是一些被称为“超级情报(super intelligence)”的思维电容,它们收集各种内部的特征、状态、机会和条件等自我意识的要素。因此,它们目前尚处于未来的一个发展方向。
AI的主要效益
目前,人工智能的五大效益可以被用于现代商业和个人应用的实施领域。
- 客户互动的自动化:过去,大多数客户互动都需要人工的干预。如今,AI可被用于自动回复电子邮件、电话、在线聊天、查询响应、购买咨询,社交媒体对话等方面。同时,那些以往与客户交互过的模式也会被存储起来,系统通过各种分析,以便提供更好的客户体验。
- 实时辅助:这对于那些需要持续满足的、具有严格时间限制(或实时)的、拥有大量受众的企业是非常有用的。其典型应用是:机票管理系统。各种实时的天气与航班状态信息,需要以一种个性化的方式被分享给客户。
- 数据挖掘能力:基于云的AI服务,能够通过处理大量的数据,快速地发现各种相关信息。它们可以更好地洞见到如何改善业务的绩效,并获得竞争优势。
- 预测能力:AI系统能够通过对过去数据的分析,依靠现有的动态信息做出预测。许多库存管理系统和网上市场工具,就是借助此类AI的优势,来管控他们的营销与囤货。
- 操作自动化:AI系统能够为操作自动化提供多功能的智能服务。它们很容易与其他技术展开跨界协作。其典型应用包括:为家庭以及消费类食品的冷冻保存提供智能化的温控、制冷/热、以及通风管理。同时,RFID和云技术的结合,用户还能够更加便利地对库存予以跟踪。
ML和AI之间的差异
机器学习
机器学习(简称ML)是人工智能的一个分支,其旨在按照既定的步骤向系统馈入各种新的规则和行动参考信息。这些信息能够被系统通过自动学习,来不断地积累经验并实现“自我提升”。同时,那些由程序所生成的算法能够整合各种输入,并产生高效的输出。ML的特殊之处在于:
- ML的主要目标是根据实际情况产生准确的结果,而不是事先设想好的。
- 通过对一组给定的数据进行学习,ML能够产生提高系统性能的解决方案,但并不涉及到做出任何决策。
- 由于完全基于算法来运行,因此其输入与输出都是结构化的数据格式。
- 它虽然涉及到知识的构建,但其本身并不判断正误。
- ML的重要功能还包括:对大型的数据集进行模式识别,以便对它们采取后继的行动。
人工智能
人工智能则是指机器能够根据现实生活中各种的场景、和实时的数据,进行不断学习和灵活应用的能力。其目标是通过模仿人类的行为方式,来独立地执行某些特定的、且相互关联的任务。为了达到预期目的,AI可以与多种程序融合、验证机制、以及模式识别方法进行协同工作。
- AI的主要目标是通过智能化的数据分析、数据挖掘、和更深层次的解读,以产生各种输出结果。
- 它能够根据各种动态参数,模拟人类智力水平,自动化地进行实时处理,并在面对复杂的实际问题时,做出更好的决策。
- 其灵活性在于,AI并不依赖某个固定的算法,而是根据具体情况,采用多个层面与多种形式相结合的分析,以寻求最佳的解决方案和响应方式。
- 与ML相比,AI能够使用智能化的学习和自我裁定机制,来判断正误。
- AI的智能学习还包括:通过计算机,来对过去的信息进行各种迭代、替换处理和认知分析等应用。
AI的优、劣势
优势
- 通过分析、过滤、排序、预测、界定范围和确定大数据的总量,来简化各项工作。同时也能够遵循一些既定的最佳实施流程,以产生新的优化方案。
- 通过不同的AI系统,我们可以在更快速度、更少出错的基础上有效地进行各项日常任务。
- 在一些技术性驱动的复杂任务、和艰难的不确定性探索中,那些具有高速响应能力的AI系统,将有助于我们获取精准的结果。
- AI系统的各项功能服务,不会受限于各种物理、环境和情感等因素。
- AI系统对于实时工作的模拟,能够产生更贴近现实情况的、更逼近真实的结果。
- AI系统能够对那些关键性的信息数据予以保护,并在发现系统存在安全漏洞或泄漏事件时,提供自动化的报警与修复。
- 通过与其他各种技术的良好整合,AI系统能够交付出高质量的分析结果。
劣势
- 由于AI系统具有复杂的编程能力需求,因此相关费用较高。
- 与其相关的维修和保养,不但价格昂贵,而且结构复杂,并需要具备高水平的专业知识。
- 在诸如战斗机的常规目标选择、和根据股票价值波动调用投资操作等应用场景下,AI系统的判断能力不及于人工。
- AI系统很可能在银行和零售等领域代替人类,从而将导致人类的失业。
- 与其他系统相似,由于可能出现的内部故障、或外部入侵,AI系统也会面临着被误用或篡改的威胁。
- 在AI系统的起步阶段,需要人类进行功能性的研发和架构的设计,否则它们尚无法从零开始,凭空产生。
AI的应用实例
- 云计算,API和各种开源技术
- 在手术设备和医疗技术领域的AI机器人
- 医疗诊断领域的图像处理
- 交通管理系统
- 气候变化检测
- 自然灾害预警系统
- 自动驾驶类交通工具,包括:轿车、客车、两轮驱动车、潜艇、自动飞行仪和无人机等
- 教育领域的评分系统
- 服务器上的欺诈与垃圾邮件检测
- 如Google Translate之类的语言翻译软件
- 如Netflix之类的推荐软件产品与服务
- 票务预订系统
- 聊天机器人和个性化学习
AI的未来
- 诸如 Google和Uber之类公司已经将AI功能运用到了自动驾驶电动车上。AI将会在协助残障司机、和预防交通事故领域大有作为。
- 更先进的AI系统将会取代人类从事各种危险的工作。
- 通过使用数据科学和环境技术,AI系统将继续助力于气候变化的预测。
- 客户服务的80%业务将会通过AI系统,被及时高效地处理。
- 凭借着症状识别和医疗数据的处理能力,AI系统更能够轻松地实现个性化的健康管理。
- 生化电子(Cyborg)技术能够帮助患者通过与机械系统的通讯,使用智能义肢来改善生活。
- 在空间技术上,AI可以对各种成功发射的过程进行轨道路径的学习,并基于观察内容提出各种行动建议。