人工智能三大分类及人工智能日常应用2020考试答案.pdfVIP

人工智能三大分类 认知学习;机器学习;深度学习 人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢？ 人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮 件，再到智能家居。 似乎可以获得任何商品（例如医疗健康，飞 行，旅行等），并通过人工智能的特殊应用使其更加智能。所以除 非相信事件具有终结者般的转折，可能会问自己，人工智能能够预 示着工作场所或整体的业务线的什么利益。 人工智能主要有三个分支： 1) 认知 AI （cognitive AI） 认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一 样”的交互。认知 AI 必须能够轻松处理复杂性和二义性，同时还持 续不断地在数据挖掘、NLP （自然语言处理）和智能自动化的经验 中学习。 现在人们越来越倾向于认为认知 AI 混合了人工智能做出的最好决策 和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以 帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 2) 机器学习 AI （Machine Learning AI ） 机器学习（ML ）AI 是能在高速公路上自动驾驶你的特斯拉的那种 人工智能。它还处于计算机科学的前沿，但将来有望对日常工作场 所产生极大的影响。机器学习是要在大数据中寻找一些“模式”， 然后在没有过多的人为解释的情况下，用这些模式来预测结果，而 这些模式在普通的统计分析中是看不到的。 然而机器学习需要三个关键因素才能有效： a) 数据，大量的数据 为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以 实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特 征，同时发送它所收集的所有数据、驾驶员的干预措施、成功逃 避、错误警报等到总部，从而在错误中学习并逐步锐化感官。 一个 产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如 雷达，相机，方向盘等（如果它是一辆汽车的话），还是你倾向于 物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感 器、公共数据库等只是越来越多的通过互联网连接的传感器中的一 小部分，这些传感器可以生成大量数据（多到让任何正常的人来处 理都太多）。 b) 发现 为了理解数据和克服噪声，机器学习使用的算法可以对混乱的数据 进行排序、切片并转换成可理解的见解。（如果你想吓跑你的同 事，请先听听常用的不同排序算法） 从数据中学习的算法有两种，无监督算法和有监督算 法。 无监督算法只处理数字和原始数据，因此没有建立起可描述性标签 和因变量。该算法的目的是找到一个人们没想到会有的内在结构。 这对于深入了解市场细分，相关性，离群值等非常有 用。 另一方面，有监督算法通过标签和变量知道不同数据集之间的关 系，使用这些关系来预测未来的数据。这可能在气候变化模型、预 测分析、内容推荐等方面都能派上用场。 c) 部署机器学习需要从计算机科学实验室进入到软件当中。越来越 多像 CRM、Marketing 、ERP 等的供应商，正在提高嵌入式机器学习 或与提供它的服务紧密结合的能力。 3) 深度学习(Deep Learning) 如果机器学习是前沿的，那么深度学习则是尖端的。这是一种你会 把它送去参加智力问答的 AI 。它将大数据和无监督算法的分析相结 合。它的应用通常围绕着庞大的未标记数据集，这些数据集需要结 构化成互联的群集。深度学习的这种灵感完全来自于我们大脑中的 神经网络，因此可恰当地称其为人工神经网络。 深度学习是许多现代语音和图像识别方法的基础，并且与以往提供 的非学习方法相比，随着时间的推移具有更高的准确 度。 希望在未来，深度学习 AI 可以自主回答客户的咨询，并通过聊天或 电子邮件完成订单。 或者它们可以基于其巨大的数据池在建议新产 品和规格上帮助营销。或者也许有一天他们可以成为工作场所里的 全