栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > 资讯 > 高等教育 > 院校资讯

机器学习是什么人工智能与机器学习和深度学习的关系解答篇

机器学习是什么人工智能与机器学习和深度学习的关系解答篇

写一篇零基础也能看懂的入门文章。本文的目标是理解机器学习的定义和应用场景。

内容太长。如果看不懂第一章,不建议学。

学习目标:

了解人工智能在现实生活中的应用,知道人工智能发展的三个必备要素,知道人工智能、机器学习和深度学习的关系。1.人工智能的应用场景

1.1人工智能的小案例

案例1

手表行业旅游

1.2人工智能发展的三个基本要素

算法计算能力:CPU,GPU,TPU

CPU和GPU计算能力的比较;

CPU主要适用于I/O密集型任务。

GPU主要适用于计算密集型任务。

什么样的程序适合在GPU上运行?

A.计算密集型程序

所谓计算密集型程序,是指其大部分运行时间都花在寄存器操作上。寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延迟。相比之下,读取内存的延迟大约是几百个时钟周期;别说读取硬盘的速度,就连SSD也太慢了。

B.易于并行的程序。

实际上,GPU是一种SIMD架构。它有数百个内核,每个内核应该同时做同样的事情。

1.3人工智能、机器学习和深度学习

机器学习是实现人工智能的一种方式,深度学习是从机器学习发展而来的一种方法。

本阶段总结:

人工智能的应用场景:网络安全、电子商务、计算模拟、社交网络...人工智能的三个必备要素:数据、算法、计算能力,人工智能与机器学习、深度学习的关系。

2.人工智能的发展历史

本文的目标是了解人工智能的发展过程。

2.1人工智能的起源

图灵测试

当测试者与被测试者分离时,被测试者可以通过一些设备随意提问。

很多时候,如果超过30%的测试者不能确定被测试者是人还是机器,那么这台机器就通过了测试,被认为具有人类的智能。

达特茅斯会议

1956年8月,在美国汉诺威一个安静的小镇达特茅斯学院,

约翰·麦卡锡

马文·明斯基

克劳德·香农

艾伦·纽厄尔

赫伯特·西蒙的科学家们正聚在一起讨论一个完全不切实际的主题:

用机器来模仿人类的学习和其他方面的智能。

会议持续了两个月。虽然没有达成普遍共识,但它给会议的内容起了一个名字:

人工智能

因此,1956年成为人工智能元年。

2.2开发流程

人工智能充满未知,探索之路一波三折。如何描述人工智能自1956年以来60多年的发展,学术界可谓是仁者见仁,智者见智。我们将人工智能的发展过程分为以下六个阶段:

第一个是初步发展时期:1956年-20世纪60年代初。人工智能概念提出后,取得了机器定理证明、跳棋程序等一批令人瞩目的研究成果,掀起了人工智能发展的第一次高潮。二是反思发展时期:60年代-70年代初。人工智能早期发展的突破大大提高了人们对人工智能的期望,人们开始尝试更具挑战性的任务,并提出一些不切实际的研发目标。然而接连的失败和预期目标空的跌落,让人工智能的发展进入了低谷。三是应用发展期:70年代初至80年代中期。20世纪70年代出现的专家系统,模拟了人类专家解决特定领域问题的知识和经验,实现了人工智能从理论研究到实际应用、从一般推理策略讨论到专门知识应用的重大突破。专家在医学、化学、地质等领域的成功,将人工智能推向了应用开发的新高潮。第四个是发展迟滞期:80年代中期到90年代中期。随着人工智能应用规模的不断扩大,专家系统应用领域狭窄、缺乏共同知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。第五,稳定发展期:90年代中期至2010年。随着网络技术特别是互联网技术的发展,人工智能的创新研究加速,人工智能技术进一步付诸实践。1997年,国际商用机器公司深蓝超级计算机获得国际象棋世界冠军卡斯帕罗夫。2008年,IBM提出了“智慧地球”的概念。以上都是这个时期的标志性事件。六是蓬勃发展期:2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展,无处不在的传感数据、图形处理器等计算平台推动了以深度神经网络为代表的人工智能技术的快速发展,极大地跨越了科学与应用之间的“技术鸿沟”。图像分类、语音识别、知识问答、人机博弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“能用”的技术突破。

本阶段总结:

人工智能的起源:图灵测试->达特茅斯会议

人工智能的发展经历六个阶段:起步->反思->应用->低迷->稳定->蓬勃。

3.人工智能的主要分支

3.1主要分行介绍

交流、感知和动作是现代人工智能的三大关键能力。这里我们将根据这些能力/应用来介绍这三个技术领域:

计算机CV NLP:是在NLP领域吗?会涵盖文本挖掘/分类、机器翻译和语音识别机器人吗?

分支1:计算机视觉

计算机视觉是指机器感知环境的能力。这一技术类别中的经典任务包括图像形成、图像处理、图像提取和三维推理。物体检测和人脸识别是比较成功的研究领域。

当前阶段:

现在视觉的应用有很多,显示了这类技术的成果,让我们把它归类到应用阶段。随着深度学习的发展,机器甚至可以在特定情况下超越人类的表现。但这项技术距离社会影响的舞台还有一定距离,还得等到机器在所有场景下都能达到和人类一样的水平。

发展历史:

分支2:语音识别

语音识别是指识别语音并将其转换为相应文本的技术。相反的任务也是该领域类似的研究课题。

当前阶段:

语音识别已经应用了很长时间。近年来,随着大数据和深度学习技术的发展,语音识别取得了长足的进步,现在已经非常接近社会影响力的阶段。

语音识别领域仍然面临着一些特殊的问题,如声纹识别和“鸡尾酒会效应”。

现代语音识别系统严重依赖云,离线时可能效果不佳。

发展历史:

语音识别:

距离小于1m,中文准确率97%。支持耳语、长发音、中英混合、方言。

分支3:文本挖掘/分类

这里的文本挖掘主要是指文本分类,可以用来理解、组织和分类结构化或非结构化的文本文档。它的主要任务包括语法分析、情感分析和垃圾邮件检测。

当前阶段:

我们把这种技术归为应用阶段,因为很多应用都集成了基于文本挖掘的情感分析或垃圾邮件检测技术。文本挖掘技术在智能投顾的开发中也得到了应用,改善了用户体验。

文本挖掘和分类领域的一个瓶颈出现在二义性和倾向性数据上。

发展历史:

分支4:机器翻译

机器翻译就是利用机器的力量,把一种自然语言的文本自动翻译成另一种语言。

当前阶段:

机器翻译是一个已经有了很大发展的应用领域。最近,由于神经机器翻译,该领域取得了显著进展,但仍未达到专业翻译员的水平。但我们相信,在大数据、云计算、深度学习技术的帮助下,机器翻译很快会进入社会影响阶段。

在某些情况下,很难翻译俚语和行话。

专业机器翻译的性能通常很差。

发展历史:

分支5:机器人

机器人学研究机器人的设计、制造、操作和应用,以及控制机器人的计算机系统、传感器反馈和信息处理。

机器人可以分为两类:固定机器人和移动机器人。工业生产中通常使用固定式机器人。常见的移动机器人有货运机器人、空机器人和自动车。机器人需要不同部件和系统的协作来实现最佳操作。硬件包括传感器、反应器和控制器。此外,还有可以实现感知的软件,比如定位、测绘、目标识别等。

当前阶段:

自从上个世纪“机器人”一词诞生以来,人们已经为工业制造设计了许多机器人。机器人是发展最快的应用领域,他们在20世纪80年代将这一领域带入应用阶段。感谢安川电机、发那科、ABB、库卡等公司的努力,我们相信进入21世纪后,机器人领域已经进入社会影响阶段,而此时各种工业机器人已经主导了流水线。此外,软机器人还广泛应用于许多领域,如医疗行业的辅助手术或金融行业的自动执行核保流程。

然而,法律法规和“机器人威胁论”可能会阻碍机器人领域的发展。在设计和制造机器人方面也有相对较高的投资。

发展历史:

总的来说,人工智能的研究前沿正逐渐从搜索、知识和推理转向机器学习、深度学习、计算机视觉和机器人学。

大部分早期技术至少处于应用阶段,其中一些已经显示出社会影响力。一些新开发的技术可能还处于工程甚至研究阶段,但是我们可以看到不同阶段之间的转移速度变得越来越快。

本阶段总结:人工智能的主要分支

计算机视觉、语音识别、文本挖掘/分类、机器翻译、机器人技术;

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/news/1702404.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号