更多深度文章，請(qǐng)關(guān)注：https://yq.aliyun.com/cloud

---

我們首先應(yīng)該給出一個(gè)人工智能的整體定義。問題是，這樣一個(gè)獨(dú)特的、清晰的定義不存在于AI研究者的社區(qū)！ （最重要的是，了解和定義智能本身仍然是一個(gè)持續(xù)的努力。）

3種定義人工智能的方法

事實(shí)上，有幾種方法來考慮什么是AI。 第一個(gè)也是最常見的是看看人工智能研究的熱門結(jié)果：粗略地說，“創(chuàng)造和研究機(jī)器的行為表現(xiàn)為智能”或“創(chuàng)造和研究機(jī)器思考”。

定義AI的第二種方式是通過查看它的組件或子問題，它的目的是解決。你最常聽到的是：

我們不能抵制添加一種更加文化或志同的方式來定義人工智能，由Astro Teller（現(xiàn)為X的首席執(zhí)行官，Alphabet的“moonshot工廠”）在1998年建議：“AI是科學(xué)如何讓機(jī)器去做他們的電影的東西。”

事實(shí)上，這個(gè)定義并不遠(yuǎn)離人工智能（或強(qiáng)AI或全AI）和人工超智能的概念，其中的例子在科幻小說的作品中很多。他們指定的通才系統(tǒng)將分別達(dá)到或超過人類的能力——也就是說，將結(jié)合我們剛剛列出的所有組件。

如今AI評(píng)論員中最受歡迎的娛樂之一就是試圖猜測(cè)Skynet什么時(shí)候?qū)⒔庸堋?如果你注意到關(guān)于通用人工智能和人工超智能的預(yù)測(cè)之間有很大的差異，這是完全正常的——真的很難說，這樣的預(yù)測(cè)是否低于還是過高估計(jì)，這樣的水平的機(jī)器智能是否甚至可以實(shí)現(xiàn)。

人工智能的2種主要方法

自從20世紀(jì)50年代人工智能開始以來，已經(jīng)采用了兩種方法：

在第一種方法中，你編程規(guī)則，通過步驟樹解決問題——人工智能的先驅(qū)，許多邏輯學(xué)家，喜歡這種方法。 它在20世紀(jì)80年代達(dá)到高潮，隨著專家系統(tǒng)的興起，旨在封裝從狹窄領(lǐng)域的專家獲取的知識(shí)庫和決策引擎，以幫助有機(jī)化學(xué)家識(shí)別未知分子。

問題是，使用這樣的系統(tǒng)，你必須從頭開始開發(fā)一個(gè)新的模式——手寫，特定的規(guī)則本質(zhì)上非常困難或完全不可能從一個(gè)問題推廣到下一個(gè)，從語音識(shí)別到醫(yī)療診斷。

在第二種方法中，你編寫一個(gè)通用模型，但它是計(jì)算機(jī)使用你提供的數(shù)據(jù)調(diào)整模型的參數(shù)。?這是最近最流行的方法。

它的一些模型真的接近統(tǒng)計(jì)方法，但最有名的是受神經(jīng)科學(xué)的啟發(fā)：他們被稱為人工神經(jīng)網(wǎng)絡(luò)（或ANNs）。 這樣的ANN具有一個(gè)共同的通用方法：

如果你聽說過當(dāng)前的深度學(xué)習(xí)的狂潮，那是因?yàn)檫@種類型的ANN由大量的圖層組成，因此“深”。它在諸如識(shí)別圖像中的對(duì)象的任務(wù)中產(chǎn)生了顯著的結(jié)果。

此外，你可能會(huì)遇到以下3種方法之一來對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行分類：

監(jiān)督學(xué)習(xí)：為模型提供標(biāo)簽數(shù)據(jù)。例如，一個(gè)常規(guī)的貓圖像附帶一個(gè)明確的“貓”標(biāo)簽。

無監(jiān)督學(xué)習(xí)：為模型提供無標(biāo)簽數(shù)據(jù)，并讓它自己識(shí)別模式。?由于數(shù)據(jù)通常沒有標(biāo)簽，需要考慮智能手機(jī)中積累的所有照片，標(biāo)簽過程需要時(shí)間，無監(jiān)督學(xué)習(xí)方法更難/欠發(fā)達(dá)，看起來比受監(jiān)管的學(xué)習(xí)更有前途。

強(qiáng)化學(xué)習(xí)：在你的模型的每次迭代結(jié)束時(shí)，你只需給它一個(gè)“等級(jí)”。 讓我們以DeepMind為例，訓(xùn)練一個(gè)模型來玩老阿塔里游戲：等級(jí)是游戲顯示的分?jǐn)?shù)，模型逐漸學(xué)會(huì)最大化。 強(qiáng)化學(xué)習(xí)方法可能是三個(gè)中最不發(fā)達(dá)的，但DeepMind算法的最近的成就已經(jīng)揭示了這一努力的新的希望。

人工智能分類特點(diǎn)

所以，當(dāng)你將人工智能研究所解決的問題、各種各樣的“思想流派”、這些流派的分支機(jī)構(gòu)、各種目標(biāo)和靈感來源結(jié)合起來時(shí)，你就會(huì)明白為什么對(duì)組織進(jìn)行分類的嘗試總是有缺陷的。看看這個(gè)，你看到問題了嗎？

將“機(jī)器學(xué)習(xí)”和“語音”置于同一水平是不準(zhǔn)確的，因?yàn)槟憧梢允褂脵C(jī)器學(xué)習(xí)模型來解決語音問題——它們不是并行分支，而是不同的方式來分類AI。

因此，人工智能領(lǐng)域的困難和吸引人在于，它肯定不是一個(gè)有序的樹——而是一個(gè)灌木叢。 一個(gè)分枝比另一個(gè)分枝生長(zhǎng)得快，并且處于顯要地位，然后是另一個(gè)轉(zhuǎn)彎，等等。一些分支已經(jīng)交叉，其他分支沒有，一些分支已經(jīng)被切割，并且新的分支將出現(xiàn)。

因此我們的建議是：永遠(yuǎn)不要忘記大局，否則你會(huì)迷路的！

作者介紹：Tom Morisse，FABERNOVEL的研究經(jīng)理，所在地區(qū)：法國(guó)?巴黎地區(qū)，所屬行業(yè)：風(fēng)險(xiǎn)投資和私募股權(quán)。曾經(jīng)就職于CIGALES、Bridgepoint等公司。

以上為譯文

本文由北郵@愛可可-愛生活?老師推薦，阿里云云棲社區(qū)組織翻譯。

文章原標(biāo)題《AI for Dummies》，作者：Tom Morisse，譯者：tiamo_zn，審校：主題曲(身行)。

文章為簡(jiǎn)譯，更為詳細(xì)的內(nèi)容，請(qǐng)查看原文

總結(jié)

以上是生活随笔為你收集整理的对AI毫无了解？本文带你轻松了解AI的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。