AI 是计算机系统的功能,用于模拟类似于人的认知功能(如学习和解决问题)。
计算机系统使用数学和逻辑来模拟人类用于学习新信息并进行决策的推理过程。
人工智能计算机系统根据现有数据中的模式进行预测或执行操作,然后可以从其错误中学习以提高准确性。成熟的 AI 能够以极快的速度准确处理新信息,这使得其对于复杂的场景(例如无人驾驶汽车、图像识别程序和虚拟助理)非常有用。
机器学习被认为是 AI 的子集。机器学习专注于训练机器,以便像人类一样分析和学习数据。因此,机器学习是一种帮助开发 AI 系统的技术。
API(应用程序编程接口)将应用程序连接到其他系统、服务或应用程序。使用认知 API 时,你是在请求访问特定于域的智能模型库。
AI 和数据科学都涉及收集、分析和收集大型数据集,但它们的目标不同。AI 的侧重点在于计算机根据数据制定决策的方式。而对于数据科学,其侧重点则在于如何使用数学、统计学和机器学习从数据中提取见解。
机器人通常既有物理形态,也有对其进行控制的软件。由 AI 软件控制的机器人可以自主移动,不需要人类的直接指令。但并非所有机器人都由 AI 控制,而且并非所有 AI 都需要物理形态。
狭义人工智能(有时称为“弱 AI”)是指计算机系统比人类更好地胜任狭义任务的能力。
狭义 AI 是迄今为止人类已经达到的最高 AI 发展水平,你在现实世界中所见的每种 AI 示例都属于这一类别,包括自动驾驶车辆和个人数字助手。这是因为,即使看起来 AI 是在实时思考,实际上却是在预先确定的框架内协调几个狭窄的流程并作出决策。AI 的“思维”并不涉及意识或情感。
通用人工智能(有时称为“强 AI”或“人类水平的 AI”)是指计算机系统在任何智力任务中优于人类的能力。这是你在电影中看到的 AI 类型,这些机器人具有思维意识并可根据自己的动机采取行动。
理论上,已实现通用 AI 的计算机系统能够解决非常复杂的问题,在不确定的情况下运用判断,并将先验知识纳入到当前的推理中。其创造力和想象力与人类不相上下,并且可以承担的任务也比狭义 AI 更广泛。
已实现超级人工智能的计算机系统所拥有的能力几乎可在所有领域都胜过人类,包括科学创造力、常规知识和社交技能。
机器学习是计算机系统实现人工智能所遵循的过程。它使用算法来识别数据中的模式,然后使用这些模式创建一个可以进行预测的数据模型。
机器学习模型根据数据子集进行训练。当用于训练模型的数据准确地表示要分析的完整数据集时,该算法会计算出更准确的结果。如果机器学习模型经过足够优质的训练,可以足够快速准确地执行任务,而变得有用和值得信赖,该模型就实现了狭义 AI。
深度学习是机器学习的一种高级类型,可使用受大脑结构启发的算法网络(称为神经网络)。深度神经网络具有嵌套的神经节点,该神经网络回答的每个问题都会引出一组相关问题。
深度学习通常需要大型数据集来进行训练;深度学习的训练集有时由数百万个数据点组成。使用这些大型数据集对深度神经网络进行训练后,该神经网络可以处理的歧义情况就比浅层网络更多。这使得其对图像识别等应用情况非常有用,因为在这些情况下,AI 需要先确定形状的边缘,然后才能识别图像中的内容。深度学习也是训练 AI 在复杂游戏(如国际象棋)中超越人类技能的手段。
世界各地的企业都已在各种各样的应用程序中使用 AI,而且智能技术是一个不断发展的领域。下面是当今应用 AI 的一些示例:
世界上最复杂的 AI 的一些示例当属无人驾驶汽车和其他自动驾驶车辆。这些系统协调多种进程来模拟人类驾驶员使用的推理方式。它们使用图像识别来识别标志、信号、交通流量和障碍物。它们会优化到达目的地的路线。此外,还实时发送和接收数据,以主动诊断问题并更新软件。
对话是人们进行沟通的一种自然方式,随着 AI 技术的进步,对话界面变得越来越普遍。一些界面的用途非常有限;用户将其用于一项任务,例如订电影票或将 Twitter 推文串编译成一个故事。其他界面的行为更类似于个人助手,可帮助你完成各种各样的任务。不过,所有会话界面都使用自然语言理解 (NLU) 来解释请求(也称为言语),并使用相关信息进行回复。
AI 最常见的用途之一是根据历史数据来推荐内容。例如,当媒体流式处理服务推荐接下来要观看或收听的内容时,该服务会使用 AI 来分析过去观看或收听的内容,根据其属性筛选所有可用选项,并显示最有可能符合你兴趣的选项。当你在网站上购物时,该网站也会以类似方式使用 AI,向你推荐要添加到购物车中的配件或相关商品。
许多电子邮件平台使用 AI 来防止垃圾邮件塞满你的收件箱。当系统中收到新电子邮件时,AI 会对其进行分析,了解是否存在指示垃圾邮件的信号。如果电子邮件满足一定条件,就会被标记为垃圾邮件并进行隔离。当你通过修正错误的标志或标记筛选器未捕获的垃圾邮件来提供反馈时,系统将会从反馈中学习并调整其参数。
几乎所有让家庭实现自动化的物品都使用 AI。例如,智能灯泡可听从命令,智能恒温器可了解你的偏好并在一天之中自行调节,智能吸尘器可在没有指示的情况下学习如何在你的家庭布局中确定位置和方向。
世界各地的卫生组织使用 AI 来帮助进行研究、检测、诊断、治疗和监测。有些组织使用 AI 分析组织样本,提供更准确的诊断。有些公司使用 AI 分析临床数据,发现患者治疗中的差距。有些公司使用 AI 分析数十亿种化合物来帮助化学家以更快的速度进行发现,并确定适合临床试验的候选药物。
AI 提供了几乎涵盖每种行业的实际优势。以下是企业已见证的机器学习的一些主要优势:
由于计算机系统没有人类那样的生理需求,智能系统可以全天候不中断地工作。
通过机器人和虚拟代理,公司可以同时向分散在更多地方的更多人员提供指导和支持。
使用 AI 执行重复且耗时的任务可帮助整个企业的员工专注于更具战略性和影响力的工作。
AI 可减少人为错误,这就对依据大量数据和涉及大量复杂计算的决策很有帮助。
AI 可帮助你根据客户的兴趣和习惯,向他们提供更多相关建议。
生成并训练机器学习模型,增加应用的智能性,并通过知识挖掘将非结构化信息转换为可搜索的数据。开始使用 12 个月免费的 12 项 AI 服务。
人工智能(Artificial Intelligence)简称AI,也称作机器智能,是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通计算机实现的智能。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。
Intelligence)简称AI,也称作机器智能,是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通计算机实现的智能。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。
人工智能的一个比较流行的定义,也是该领域较早的定义,是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性(见下)。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲,目前对人工智能的定义大多可划分为四类,即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动,或制定行动的决策,而不是肢体动作。
从实际应用层面来理解的话,人工智能是研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为的一种技术。其理论基础表现为搜索、推理、规划和学习,应用领域包括计算机视觉、图像分析、模式识别、**系统、自动规划、智能搜索、计算机博弈、智能控制、机器人学、自然语言处理、社交网络、数据挖掘、虚拟现实等。人工智能就其本质而言是对人的思维的信息过程的模拟。
相信经过上述的描述大家对人工智能应该有更进一步的了解了吧!
人工智能具有广泛的用途,其应用领域包括无现金支付、各种类型的安全程序和工业生产。
人脸识别也是人工智能成功应用的案例之一,它已经逐渐成为我们日常生活的一部分。人们无法想象,如果没有人工智能该如何通过摄像头解锁智能手机。虽然该过程对人类来说似乎微不足道,但机器最初却需要进行大量工作。人脸识别并非是通过拍照与过去照片上的点进行比较,而是基于大量图片建立了一个计算模型。正是这个模型识别出了用户——即便在环境苛刻的情况下,如不同的照明条件或用户戴着眼镜的情况下。
保险业也是大力发展人工智能的行业之一。苏黎世集团利用人工智能处理日常案例,作为索赔处理工作的一部分,削减了人事成本。 一名经验丰富的索赔处理人员处理一个案例需要52分钟,而自学软件只需5秒钟就能完成。
此外,人工智能还可用于骗保检测。人工智能可以核查客户索赔是否合理,比较欺诈模式,并将索赔处理人员从繁重工作中解脱出来。
最先开始使用人工智能技术的保险公司现已推出基于使用数据确定费率的车险,这些数据来源于汽车内的传感器所收集的大量车联网数据。个性化定制的风控画像能够反映驾驶里程数和驾驶习惯,这都需要人工智能进行数据分析。
零售业或护理机构的类人机器人仍然是个例外。考虑到成本的增加和护理人员的短缺,类人机器人在未来可能会越来越多地用于照顾病人或老人。
人工智能为通过语音和手势与患者进行互动奠定了基础,但关键在于如通过人的面部表情和语调来识别情绪。只有确保了这一点,类人机器人才能对人类做出适当的响应。科学家们目前正在研究适用的解决方案。