1956年,在达特茅斯会议上,一群计算机科学家聚集在一起,探讨着人工智能领域的未来,当时的AI 也仅仅在酝酿中。到了2015年,不出所料,人工智能开始爆发能量,这主要是由于GPU开始广泛应用,强大的数据流涌现。成千上万个应用促使人工智能得到了空前的发展。
01
机器诠释人工智能
迎来了快速发展期
要想制造出拥有人类感觉、智慧的人工智能,其实有些困难,现在的通用人工智能机器都是人们现象出来了,比如《终结者》《星球大战》等等。而我们现在只做到了狭义人工智能,能够处理特殊任务,和人类处理的一样好。
狭义人工智能案例有很多,比如图像分类、图像分割、人脸识别、语义分割等,那么这些实践例子是如何做到的?这些智能来自哪里了?我们继续来看。
02
用机器学习来实现人工智能
告别狭义人工智能
机器学习最早源自决策树学习、归纳逻辑编程、强化学习、贝叶斯网络等,这些早期的机器学习方法都没有实现通用人工智能,甚至连狭义人工智能都没有实现。最早仅仅运用分析数据,从学习中预测现实世界的某些事情。
后来慢慢开始手动编码特定指令,用软件程序来完成某个特定的任务。经过长时间的证明,计算机视觉是机器学习的最佳领域之一。已经有一些手写分类器,使得程序识别对象。
但这还不够好,计算机视觉和图像检测还是不能与人类媲美,因为它容易出错。
03
深度学习渐渐出现
人工智能迎来全新的高度
早些年,人工智能领域的探索在神经网络方面应用广泛,但是,研究多年后,效果甚微。因为基本的神经网络属于计算密集型,这并不是一个实用的方法。
但是,吴恩达突破了这一界限,他从根本上使用这些神经网络 并将它们变得庞大,增加了层数和神经元的数量,然后通过系统运行大量的数据来训练它。吴恩达使用了 1000 万个 YouTube 视频的图像。他将“深度”运用在深度学习中,这就描述了这些神经网络的所有层。
深度学习已经实现了许多机器学习方面的实际应用,还有一些人工智能领域也涉猎其中。目前金融、汽车、零售、大健康、安防、教育等领域都有涉及。抖音的精准视频推荐、淘宝的“猜你喜欢”推荐、等待就诊时听到的“请到诊室就诊”的语音……