|
近期听薛博士和宫达的设备学习课，晦涩的概念竟然亦能被形容的特别有趣。因此呢我会随着课程的进行，再去整合这方面的内容，转化成一问一答的模式。
一共大概会有上百道问题。
本篇重点是人工智能简介，包含以下问题：
第1问：人工智能是什么？
第二问：人工智能关联的热词，例如设备学习、深度学习、计算机视觉、TensorFlow等到底指的是什么？
第三问：人工智能与设备学习、和深度学习的关系？
第四问：人工智能的短板是什么？
第五问：设备学习分为哪几类？
第六问：人工智能的核心是什么？
第七问：深度学习的要点是什么？
第八问：人工智能日前的发展状况？（商用）
第九问：人工智能面临的技术挑战是什么？
第1问：人工智能是什么？
人工智能（Artificial Intelligence，缩写为AI）也叫作设备智能，指的是由人制造出来的设备所表现出来的智能。一般的定义是：科研研发用于模拟、延伸和扩展人的智能的理论、办法、技术以及应用系统的一门新学科。在维基百科里，人工智能被定义为，相关智能主体的科研与设计，而智能主体指的是一个能够观察周遭环境并做出行动以达一致目的的系统。
第二问：人工智能关联的热词，例如设备学习、深度学习、计算机视觉、TensorFlow等到底指的是什么？
把人工智能比作一辆超级跑车的话，其他概念类例如下：
人工智能（AI）：超级跑车
设备学习（ML）：12 缸发动机的超级跑车
神经网络（NN）：6 升排气量 12 缸发动机的超级跑车 – 兰博基尼
深度学习（DL）：运用涡轮增压技术的 6 升排气量 12 缸发动机的超级跑车 – Urus
强化学习（RL）：边行驶边进化的超级跑车
强人工智能（AGI）：水陆空三栖超级跑车
数据科学（DS）：经过各样路况和全天候测试的超级跑车
计算机视觉（CV）、自然语言处理（NLP）：参加 F1 或 Nascar 大赛的超级跑车
TensorFlow, Theano, Torch, Caffe, MxNet...：超级跑车生产线和组装线
第三问：人工智能与设备学习、和深度学习的关系？
用一张图暗示概念的广度和产生的时间
第四问：人工智能的短板是什么？
1、 只能处理小规模问题：著名的识别猫实验 – 1,000 台计算机，16,000 GPUs
2、 缺乏可解释性：Explainable AI - XAI
3、 无（完整的）数学理论支撑：理论不足，技巧来凑
第五问：设备学习分为哪几类？
监督式学习：给定输入 → 预测输出，训练数据包括输出的标签。
非监督式学习：给定输入 → 学习数据中的模式和范式，训练数据不包括输出数据的标 签。
半监督式学习：给定输入和输出的某些假设（流型或簇）→ 联合概率最大（联合概率 = 有标签要求概率 * 没标签先验概率），训练数据中包括少量的标签数据和海量的没标签数据。
加强型学习：制定奖励/处罚 (reward)机制，在无指点的状况下，该机制就能够帮忙网络完成学习，例如：利用动态规划制定奖励机制。
其他：课程学习、主动学习、生成对抗学习...
第六问：人工智能的核心是什么？
学习能力，课分为浅度学习和深度学习。
浅度学习的重要词：依赖先验知识，必须特征选取/工程 记忆重于理解&事实重于论据&商用
深度学习的重要词：逐层抽象数据、挖掘未知信息、对先验知识依赖较
第七问：深度学习的要点是什么？
1、大数据
2
| 
发表于 2024-7-1 02:24:59
