什么是人工智能（AI）？AI是怎么赚钱的？

admin

                                                                                               
哪些是人工智能（AI）？


AI（人工智能）是机器像人类一样执行认知功能的能力，比如感知，学习，推理和解决问题。人工智能的基准是推理，言语和视觉团队中的人类水平。


人工智能水平介绍


现在，人工智能几乎被用于所有行业，为所有大规模集成人工智能的公司提供了技术优势。按照埃森哲的说法，与其他剖析技术相比，人工智能有可能在零售业创造6000亿港元的价值，为银行业带来50%的增量价值。在运输和货运方面，潜在的收入下降了89%。


具体而言，假若一个组织将人工智能用于其营销团队，它可以手动执行平凡和重复的任务，使销售代表才能专注于构建关系，培养潜在顾客等。一家名为Gong的公司提供对话智能服务。每次销售代表拨通电话时人工智能，机器就会记录、转录和剖析聊天。总工裁可以使用AI剖析和建议来制定做胜策略。


简而言之，人工智能提供了尖端技术来处理人类难以处理的复杂数据。人工智能手动执行冗余工作，使工人才能专注于高水平的增值任务。当人工智能大规模施行时，它会造成成本增加和收入降低。


人工智能的历史


人工智能在明天是一个流行语，虽然这个术语并不新鲜。1956年，来自不同背景的前卫专家决定组织一个关于人工智能的暑假研究项目。四位聪明的脑子领导了这个项目;John（达特茅斯大学），（耶鲁学院），（IBM）和（贝尔电话实验室）。


以下是人工智能的导论：


人工智能的目标


以下是AI的主要目标：


可以帮助您降低执行特定任务所需的时间。


使人类更容易与机器互动。


以更自然和高效的方法促使人机交互。


提升医疗确诊的确切性和速率。


帮助人们更快地学习新信息。


强化人与机器之间的沟通。


人工智能的子领域


以下是人工智能的一些重要子领域：


机器学习：机器学习是研究从示例和经验学校习的算法的艺术。机器学习基于这样一种看法，即数据中的个别模式已被辨识并用于未来的预测。与硬编码规则的不同之处在于，机器会学会找到这样的规则。


深度学习：深度学习是机器学习的一个子领域。深度学习并不意味着机器学习更深入的知识;它使用不同的层来学习数据。模型的深度由模型中的层数表示。诸如，用于图象辨识的LeNet模型有22层。


自然语言处理：神经网路是一组联接的I/O单元，其中每位联接都有与其计算机程序关联的权重。它可以帮助您从小型数据库建立预测模型。该模型构建在人类神经系统的基础上。您可以使用此模型进行图象理解，人类学习，计算机语音等。


专家系统：专家系统是一种交互式且可靠的基于计算机的决策系统，它使用事实和启发式方式来解决复杂的决策问题。它也被觉得是人类智力的最高水平。专家系统的主要目标是解决特定领域中最复杂的问题。





模糊逻辑：模糊逻辑被定义为一种多值逻辑方式，它可能具有0到1之间任何实数变量的真值。它是部份真理的句柄概念。在现实生活中，我们可能会碰到难以确定陈述是真是假的情况。


人工智能的类型


人工智能主要有三种类型：基于规则的决策树和神经网路。


窄型AI是一种AI，可帮助您借助智能执行专用任务。


通用AI是一种AI智能，可以像人类一样有效地执行任何智力任务。


基于规则的AI基于一组应用于输入数据集的预先确定的规则。之后，系统生成相应的输出。


决策树AI类似于基于规则的AI，由于它使用预先确定的规则集来作出决策。并且，决策树还容许分支和循环来考虑不同的选项。


超级AI是一种AI，它容许计算机理解人类语言并以自然的形式作出反应。


机器人智能是一种人工智能，它容许机器人具有复杂的认知能力，包括推理，计划和学习。


人工智能与机器学习


我们的大多数智能手机，日常设备甚至互联网都使用人工智能。好多时侯，人工智能和机器学习被想要宣布其最新创新的大公司互换使用。并且，机器学习和AI在个别方面是不同的。


人工智能-人工智能-是训练机器执行人类任务的科学。这个术语发明于20世纪50年代，当时科学家们开始探求计算机怎么自己解决问题。


人工智能是一种被赋于类似人类属性的计算机。以我们的脑部为例;它可以毫不费劲地无缝地估算我们周围的世界。人工智能的概念是计算机也可以做同样的事情。可以说，人工智能是一门模仿人类能力的小型科学。


机器学习是人工智能的一个奇特子集，它训练机器学习。机器学习模型在数据中找寻模式并尝试得出推论。简而言之，机器不须要由人明晰编程。程序员给出了一些事例，计算机将从这种事例中学习该如何做。


人工智能在那里使用？事例


如今在这个AI初学者教程中，我们将学习AI的各类应用：


人工智能具有广泛的应用-


人工智能用于降低或防止重复性任务。诸如，人工智能可以连续重复一项任务，而不会倍感疲劳。人工智能从不休息，它对执行的任务漠不关心。


人工智能改进了现有产品。在机器学习时代之前，核心产品是构建在硬编码规则之上的。公司引入人工智能来提高产品的功能，而不是从头开始设计新产品。你可以想到一个图片。几年前，您必须自动标记同学。现在，在AI的帮助下，会给你一个同学的推荐。


人工智能用于所有行业，从营销到供应链，金融，乳品加工部门。按照埃森哲的一项调查，金融服务和高科技通讯正在推动人工智能领域。


为何人工智能如今正在蓬勃发展？


现今，在这个人工智能测试教程中，让我们了解为何AI如今正在蓬勃发展。让我们通过右图来理解。





自九十年代以来，神经网路早已随着YannLeCun的开创性论文而问世。但是，它在2012年左右开始成名。由三个关键诱因解释其受欢迎程度是：


硬件


数据


算法


机器学习是一个实验领域，这意味着它须要数据来测试新的看法或技巧。随着互联网的蓬勃发展，数据显得愈发容易访问。据悉，像和AMD这样的大公司早已为游戏市场开发了高性能图形芯片。


硬件


在过去的二六年中人工智能，CPU的功率爆燃式下降，容许用户在任何电脑笔记本上训练大型深度学习模型。并且，您须要一台功能更强悍的机器来处理计算机视觉或深度学习的深度学习模型。因为和AMD的投资，新一代GPU（图形处理单元）问世。这种芯片容许并行估算，机器可以将估算分离到多个GPU上以推动估算速率。


比如，对于TITANX，须要三天的时间才会训练一个名为的模型，而传统CPU则须要数周时间。据悉，大公司使用GPU集群来训练TeslaK80的深度学习模型，由于它有助于减少数据中心成本并提供更好的性能。


数据


深度学习是模型的结构，数据是使其活跃的流体。数据为人工智能提供支持。没有数据，哪些也做不了。最新的技术早已突破了数据储存的界限，在数据中心储存大量数据比往年任何时侯都更容易。


互联网革命使数据搜集和分发可用于机器学习算法。假如你熟悉，或任何其他带有图象的应用程序，你可以猜到她们的AI潜力。那些网站上有数百万张带有标签的图片。那些图片可以训练神经网路模型辨识图片上的对象，而无需自动搜集和标记数据。


人工智能与数据相结合是新的黄金。数据是一种奇特的竞争优势，任何公司都不应忽略，而人工智能可以从您的数据中提供最佳答案。当所有公司都可以拥有相同的技术时，拥有数据的公司将具有竞争优势。为了给出一个看法，世界每天创建大概2.2艾字节，或22亿百兆字节。


一家公司须要十分多元化的数据源来找到模式并大量学习。


算法


硬件比往年任何时侯都更强悍，数据更容易访问，但使神经网路更可靠的一件事是开发更确切的算法。主神经网路是一个简单的加法矩阵，没有深入的统计属性。自2010年以来，在改进神经网路方面早已取得了非凡的发觉。


人工智能使用渐进式学习算法让数据进行编程。这意味着计算机可以自学怎样执行不同的任务，例如发觉异常成为聊天机器人。


总结


人工智能是人工智能的一种完整方式，是训练机器模仿或复制人类任务的科学。


科学家可以使用不同的方式来训练机器。在人工智能时代之初，程序员编撰了硬编码程序，输入机器可能面临的每一个逻辑可能性以及怎样响应。


当系统显得复杂时，管理规则就显得困难。为了克服这个问题，机器可以使用数据来学习怎样处理给定环境中的所有情况。


拥有强悍AI的最重要特点是它拥有足够的数据和相当大的异构性。诸如，只要机器有足够的词组可以学习，它就可以学习不同的语言。


人工智能是新的尖端技术。风险投资家在创业公司或人工智能项目上投资了数十亿港元，埃森哲恐怕，人工智能可以促进每位行业起码达到两位数的下降率。


通用AI，基于规则的AI，决策树AI，超级AI是人工智能的类型。