人工智能非技术从业者必知的十件事人工智能AI范围定义.PDFVIP

SIGAI 人工智能平台 人工智能非技术从业者必知的十件事 AI 大潮汹涌，吸引了越来越多的人才进入来添砖加瓦。而其中，除去核心的算 法工程师、科学家外，催生了大量相关的从业人员。而无论你是销售，产品，设 计，甚至是协作的 APP 开发或投资人，无论你之前是否是理工背景，从事其中 自然需要了解一些基本的技术相关知识。这样，无论你是判断一家合作、投资公 司的技术实力，更好的配合算法团队，乃至在“高深”的算法人员前快速建立交 流自信，本文都会快速带来帮助。 人工智能 范围定义 1. AI 简单的说，人工智能机器学习深度学习。计算机视觉，语音语义分析等问 题大量应用但又不限于机器学习。目前人工智能爆发的背后核心因子是深度学习 的突破及其应用红利。目前的人工智能，无论是已经很普遍的人脸识别，还是比 较高深的AlphaGo ，本质都还限定在特定任务，特定规则的环境下执行。因此也 被很多业内人员称为“弱人工智能”，距离真正类人的，可同时自主学习多问题 的 “泛人工智能”或“强人工智能”还有非常巨大的差距。 当然，业内对于智能未来的发展是否一定会类人，或者说需要类人还有很多讨 论和争议，这里就不展开讨论了。但总之，在目前政治正确的“人工智能”讨论 背后，这个词本身的范围界定和其是否有过于夸大的泡沫成分，都还没有明确的 业界共识。 想要更多了解人工智能与机器学习的历史和关系，推荐Sigai 另一篇优秀的原 创文章，“机器学习——波澜壮阔四十年” SIGAI 人工智能平台 “深度学习，机器学习与人工智能” 2. AI 算法问题的定义 核心来说，机器学习类算法本质都最终可以归纳到“回归”，“分类”和“聚类” 三大问题。深度学习算法本质是复合函数的拟合，所以也都可以汇总到“回归” 问题。但算法笼统的概括起来容易，具体到各个问题的抽象设计就复杂了。比如 AlphaGo 围棋，本身除了算力、数据设计外，如何把围棋输赢炼成计算机算法 可表征的问题 （围棋核心走的是转化为图像问题），也是非常大的挑战。 “AlphaGo 算法解析示例” 如果读者有时间，推荐看另一篇Sigai 的原创文章，“从根号2 到AlphaGo——第 SIGAI 人工智能平台 一季 从根号2 谈起” 3. 不同问题的模型关联性与通用性 当然，随着 AI 行业的快速发展，很多以前很难被定义的问题，都快速找到 了解决路径。比如情绪识别，很大程度上转化为了人脸的多分