人工智能什么是有什么價值和意義

　　人工智能什么是有什么價值和意義，人工智能(AI)使機器可以從經驗中學習，適應新的輸入并執(zhí)行類似人的任務。您今天聽到的大多數AI示例-從下象棋的計算機到自動駕駛汽車-都嚴重依賴于深度學習和自然語言處理。使用這些技術，可以訓練計算機通過處理大量數據并識別數據中的模式來完成特定任務。
,

一、人工智能歷史
 

　　人工智能一詞始創(chuàng)于1956年，但是由于數據量的增加，先進算法以及計算能力和存儲能力的提高，人工智能在當今變得越來越流行。
 

　　1950年代早期的AI研究探索了諸如解決問題和符號方法之類的主題。1960年代，美國國防部對這種工作產生了興趣，并開始訓練計算機來模仿人類的基本推理。
 

　　這項早期工作為我們今天在計算機中看到的自動化和形式推理鋪平了道路，包括可以設計為補充和增強人類能力的決策支持系統(tǒng)和智能搜索系統(tǒng)。
 

　　好萊塢的電影和科幻小說將AI描繪成占領世界的類人機器人，而AI技術的當前發(fā)展并沒有那么可怕，甚至還沒有那么聰明。取而代之的是，人工智能已經發(fā)展為在每個行業(yè)提供許多特定的利益。繼續(xù)閱讀有關醫(yī)療保健，零售等方面人工智能的現代示例。

 

二、為什么人工智能很重要?
 

　　1)AI通過數據實現重復學習和發(fā)現的自動化。但是，人工智能不同于硬件驅動的機器人自動化。AI不是自動執(zhí)行手動任務，而是可靠，無疲勞地執(zhí)行頻繁，大量的計算機化任務。對于這種類型的自動化，人工詢問對于設置系統(tǒng)并提出正確的問題仍然至關重要。
 

　　2)人工智能為現有產品增加了智能。在大多數情況下，不會將AI單獨出售。而是，您已經使用的產品將通過AI功能得到改善，就像將Siri作為新一代Apple產品的功能添加一樣。自動化，對話平臺，機器人和智能機可以與大量數據結合使用，以改善從安全智能到投資分析的各種家庭和工作場所技術。
 

　　3)AI通過漸進式學習算法進行調整，以使數據進行編程。人工智能發(fā)現數據的結構和規(guī)律性，從而使該算法獲得技能：該算法成為分類器或預測器。因此，就像該算法可以教自己如何下棋一樣，它可以教自己下一個在線推薦什么產品。當給定新數據時，模型會適應。反向傳播是一種AI技術，允許在第一個答案不太正確時通過訓練和添加數據來調整模型。
 

　　4)AI使用具有許多隱藏層的神經網絡分析更多和更深的數據。幾年前幾乎不可能構建具有五個隱藏層的欺詐檢測系統(tǒng)。不可思議的計算機功能和大數據改變了這一切。您需要大量數據來訓練深度學習模型，因為它們直接從數據中學習。您可以提供的數據越多，它們變得越準確。
 

　　5)人工智能通過深度神經網絡實現了令人難以置信的準確性，這在以前是不可能的。例如，Alexa，百度搜索和百度相冊的交互都是基于深度學習的，并且隨著我們使用它們的不斷增加，它們將變得越來越準確。在醫(yī)學領域，來自深度學習，圖像分類和對象識別的AI技術現在可以用于以與訓練有素的放射科醫(yī)生相同的準確性在MRI上發(fā)現癌癥。
 

　　6)AI充分利用數據。當算法是自學時，數據本身可以成為知識產權。答案在數據中。您只需要應用AI即可將其淘汰。由于數據的作用現在比以往任何時候都重要，因此可以創(chuàng)造競爭優(yōu)勢。如果您在競爭激烈的行業(yè)中擁有最好的數據，即使每個人都在應用類似的技術，那么最好的數據也會取勝。
 

三、如何使用人工智能
 

　　每個行業(yè)對AI功能的需求都很高，尤其是可以用于法律援助，專利檢索，風險通知和醫(yī)學研究的問答系統(tǒng)。AI的其他用途包括：
 

　　衛(wèi)生保健
 

　　AI應用程序可以提供個性化的醫(yī)學和X射線讀數。私人保健助理可以充當生活教練，提醒您吃藥，鍛煉身體或保持健康飲食。
 

　　零售
 

　　AI提供了虛擬購物功能，可提供個性化的建議并與消費者討論購買選項。人工智能還將改善庫存管理和站點布局技術。
 

　　制造業(yè)
 

　　AI可以使用循環(huán)網絡(一種與序列數據一起使用的特定類型的深度學習網絡)，分析工廠IoT數據，使其從連接的設備流向預測預期的負載和需求。
 

　　銀行業(yè)
 

　　人工智能提高了人類工作的速度，準確性和有效性。在金融機構中，人工智能技術可用于識別哪些交易可能是欺詐性的，采用快速準確的信用評分以及自動執(zhí)行手動密集型數據管理任務。
 

四、人類與AI合作
 

　　人工智能不能代替我們。它增強了我們的能力，使我們的工作做得更好。由于AI算法的學習方式與人類不同，因此他們對事物的看法也有所不同。他們可以看到逃避我們的關系和模式。這種人類之間的AI合作關系提供了許多機會。它可以：
 

　　1)將分析引入當前未充分利用的行業(yè)和領域。

　　2)改善現有分析技術的性能，例如計算機視覺和時間序列分析。

　　3)打破經濟障礙，包括語言和翻譯障礙。

　　4)增強現有能力，使我們的工作做得更好。

　　5)給我們更好的視野，更好的理解，更好的記憶力等等。
 

五、使用人工智能有哪些挑戰(zhàn)?
 

　　人工智能將改變每個行業(yè)，但我們必須了解其局限性。
 

　　AI的原則局限性在于它從數據中學習。沒有其他可以合并知識的方式。這意味著數據中的任何錯誤都會反映在結果中。并且必須單獨添加任何其他預測或分析層。
 

　　如今的AI系統(tǒng)已經過培訓，可以完成明確定義的任務。玩撲克的系統(tǒng)不能玩單人紙牌或國際象棋。檢測欺詐的系統(tǒng)無法駕駛汽車或向您提供法律建議。實際上，檢測醫(yī)療保健欺詐的AI系統(tǒng)無法準確檢測稅收欺詐或保修索賠欺詐。
 

　　換句話說，這些系統(tǒng)非常非常專業(yè)。他們只專注于一項任務，而且行為舉止遠不及人類。
 

　　同樣，自學系統(tǒng)也不是自主系統(tǒng)。您在電影和電視中看到的想象中的AI技術仍然是科幻小說。但是可以探測復雜數據以學習并完成特定任務的計算機變得非常普遍。
 

六、人工智能如何運作
 

　　AI通過將大量數據與快速，迭代的處理和智能算法結合在一起來工作，從而使該軟件可以自動從數據的模式或特征中學習。人工智能是一個廣泛的研究領域，包括許多理論，方法和技術，以及以下主要子領域：
 

　　1)機器學習 使分析模型構建自動化。它使用來自神經網絡，統(tǒng)計學，運籌學和物理學的方法來查找數據中的隱藏見解，而無需明確地為在哪里尋找或得出的結論進行編程。

　　2)神經網絡是一種由相互連接的單元(如神經元)組成的機器學習，該單元通過響應外部輸入，在每個單元之間中繼信息來處理信息。該過程需要對數據進行多次遍歷才能找到連接并從未定義的數據中獲取含義。

　　3)深度學習使用具有多層處理單元的巨大神經網絡，利用計算能力的進步和改進的訓練技術來學習大量數據中的復雜模式。常見的應用包括圖像和語音識別。

　　4)認知計算是AI的一個子領域，它致力于與機器進行自然的，類似于人的交互。使用AI和認知計算，最終目標是使機器能夠通過解釋圖像和語音的能力來模擬人類過程，然后做出連貫的回應。

　　5)計算機視覺依賴于模式識別和深度學習來識別圖片或視頻中的內容。當機器可以處理，分析和理解圖像時，它們可以實時捕獲圖像或視頻并解釋其周圍環(huán)境。

　　6)自然語言處理 (NLP)是計算機分析，理解和生成人類語言(包括語音)的能力。NLP的下一個階段是自然語言交互，它允許人類使用日常的日常語言與計算機進行通信以執(zhí)行任務。
 

　　此外，多種技術可以啟用和支持AI：
 

　　1)圖形處理單元是AI的關鍵，因為它們提供了迭代處理所需的強大計算能力。訓練神經網絡需要大數據和計算能力。

　　2)物聯網 從連接的設備生成大量數據，其中大部分未經分析。使用AI自動化模型將使我們能夠使用更多模型。

　　3)正在開發(fā)先進算法并以新方式進行組合，以更快地，在多個級別上分析更多數據。這種智能處理是識別和預測罕見事件，了解復雜系統(tǒng)并優(yōu)化獨特方案的關鍵。

　　4)API或應用程序編程接口，是代碼的可移植性軟件包使其能夠AI功能添加到現有的產品和軟件包。他們可以將圖像識別功能添加到家庭安全系統(tǒng)中，并可以使用Q&A功能來描述數據，創(chuàng)建標題和標題或在數據中標注出有趣的模式和見解。
 

　　總之，AI的目標是提供可以根據輸入進行推理并根據輸出進行解釋的軟件。人工智能將提供與人類類似的軟件交互，并為特定任務提供決策支持，但它不能替代人類，而且不會很快出現。