符合人工智能概念的产品 人工智能包括哪些方面

作者:阿米特V. 乔希(Ameet V Joshi)
来源:华章科技
01 人工智能艾伦图灵(Alan Turing)对人工智能的定义如下:
如果窗帘后面有一台机器,并且有人正在与之互动(无论以何种方式,例如音频或打字等),并且如果该人觉得他正在与另一个人互动,那么这台机器就是人工智能的 。
这是定义AI的一种非常独特的方式 。它并不直接针对智能的概念,而是专注于类人的行为 。事实上,这一目标的范围甚至比单纯的智能更为广泛 。从这个角度来看,AI并不意味着要建造一台可以立即解决任何问题的超智能机器,而是要建造一台能模仿人类行为的机器 。
然而,仅仅制造模仿人类的机器听起来并不有趣 。从现代角度来看,每当我们谈到AI时,指的是能够执行以下一项或多项任务的机器:理解人类语言,执行涉及复杂操纵的机械任务,在很短的时间内解决可能涉及大量数据的基于计算机的复杂问题,并以类人的方式回复答案,等等 。
电影《2001:太空漫游》中描述的超级计算机HAL非常接近现代AI的观点 。它是一台机器,能够处理各种来源的大量数据,并以极快的速度生成对其的见解和总结,并且能够以类人的交互方式(如语音对话)将这些结果传达给人类 。
从类人行为的角度来看,人工智能有两个方面 。一方面,机器是智能的并且能够与人类交流,但是没有任何运动功能 。HAL就是这类人工智能的例子 。另一方面,涉及与类人的运动能力的物理交互,这涉及机器人领域 。
02 机器学习术语“机器学习”或简称ML(Machine Learning),是亚瑟塞缪尔(Arthur Samuel)在1959年用机器解决跳棋游戏的背景下提出的 。该术语指的是一种计算机程序,它可以学习产生一种行为,而这种行为不是由程序的作者明确编程实现的 。相反,它能够显示出作者可能完全没有意识到的行为 。
这种行为的学习基于三个因素:

  1. 程序消耗的数据;
  2. 量化当前行为和理想行为之间的误差或某种形式的距离的度量;
  3. 使用量化误差指导程序在后续事件中产生更好行为的反馈机制 。
可以看出,第二个和第三个因素很快使这个概念变得抽象,并强调其深层的数学根源 。机器学习理论中的方法对于构建人工智能系统至关重要 。
机器学习算法大致分为三种类型:
  1. 监督学习算法
  2. 无监督学习算法
  3. 强化学习算法 。
让我们详细了解每种类型 。
03 监督学习为简单起见,让我们将机器学习系统看作一个黑盒,在给定一些输入时会产生些输出 。如果我们已经有一个历史数据,该历史数据包含一组输入的一组输出,则基于这些数据的学习称为监督学习 。
监督学习的一个经典示例是分类 。假设我们已经测量了3种不同类型的花( Setosa山鸢尾、 Versicolor变色鸢尾、 Virginica弗吉尼亚鸢尾)的4种不同的属性(尊片长度、尊片宽度、花瓣长度和花瓣宽度) 。
我们对每种花的25种不同示例进行了测量 。然后,这些数据将用作训练数据,其中有可用于训练模型的输入(4个测量的属性)和相应的输出(花的类型) 。然后以监督的方式训练合适的机器学习模型 。一旦模型被训练好,就可以根据萼片和花瓣的尺寸对任何花(在三种已知类型之间)进行分类 。
04 无监督学习在无监督学习范式中,标记数据是不可用的 。无监督学习的一个经典例子是“聚类” 。考虑与前面小节中描述的相同示例,在该示例中,我们对三种类型的花的萼片和花瓣尺寸进行了测量 。但是,在本例中,我们没有每组测量的花的确切名称 。我们所拥有的只是一组测量值 。此外,我们被告知这些测量值属于三种不同类型的花 。

推荐阅读