程序員如何自信的回答普通人問你什么是人工智能，因為我被問過，答不出來感覺很丟臉，當然，只是個人覺得，不是說程序員就要懂。人工智能試圖理解智能的本質(zhì)，并產(chǎn)生一種新的智能機器，它可以以類似于人類智能的方式作出反應。該領域的研究包括機器人技術，語音識別，圖像識別，自然語言處理和專家系統(tǒng)。自人工智能誕生以來，理論和技術日趨成熟，應用領域不斷擴大。可以預見，在未來幾年內(nèi)，它將進入“人工智能時代”。

人工智能現(xiàn)在遍布全世界，并在日常生活中經(jīng)歷了巨大的變化。這些AI不是科幻電影中的機器人，它們具有自我意識并計劃摧毀世界的邪惡。相反，我們的智能手機，智能家居，銀行信用卡管理員和智能汽車等產(chǎn)品在我們每天生活的產(chǎn)品和服務中使用AI。

人工智能將通過促進自動駕駛汽車的發(fā)展，改進醫(yī)學圖像分析，促進更好的醫(yī)療診斷和個性化醫(yī)療，帶來重大的社會轉(zhuǎn)型。人工智能也將成為支持未來技術發(fā)展的基本資源，就像電力和網(wǎng)絡一樣。但對于大多數(shù)人來說，人工智能仍然非常奇怪，充滿了神秘色彩。

那么讓我們來談談今天人工智能最重要的功能。——模式識別有效。我希望通過簡短而簡潔的介紹幫助您理解這一領域。

人工智能是一門嚴謹?shù)目茖W，而不是一種無所不能的神話。媒體過度夸大報道人工智能的功能，提倡威脅論是不負責任的。人工智能的目標是設計一個具有智能的機器，其中算法和技術基于人腦的當前研究結果。今天許多流行的AI系統(tǒng)使用人工神經(jīng)網(wǎng)絡來模擬非常簡單的互連元素的網(wǎng)絡，有點像大腦中的神經(jīng)元。這些網(wǎng)絡可以通過調(diào)整單元之間的連接來學習經(jīng)驗，這個過程類似于通過修改神經(jīng)元之間的連接而學習的人和動物大腦。神經(jīng)網(wǎng)絡可以學習模式識別，翻譯語言，學習簡單的邏輯推理，甚至創(chuàng)建圖像或形成新的設計。其中，模式識別是一項特別重要的功能，因為AI非常擅長識別海量數(shù)據(jù)中隱藏的模式，這對于依賴經(jīng)驗和知識的人來說并不容易。這些程序運行在具有數(shù)百萬單位和數(shù)十億連接的神經(jīng)網(wǎng)絡上。我們現(xiàn)在可以創(chuàng)建的“智能”由這些電子神經(jīng)元網(wǎng)絡組成。

機器沒有人體器官和大腦，它們可以很好地協(xié)同工作。例如，當我們看到一只狗時，我們會很快判斷它是什么動物以及它是什么類型的動物。這個看似簡單的過程對于機器來說非常困難。人類獲得這種力量的能力也來源于數(shù)億年來生物學的進化過程。機器了解世界的方式是通過模型，需要通過復雜的算法和數(shù)據(jù)建立模型，這樣機器就可以獲得簡單的感知和判斷能力。以下描述了深度學習系統(tǒng)中最重要的算法之一，即——卷積神經(jīng)網(wǎng)絡。如果你以前對AI有一些了解，那么你一定聽說過這個概念。該算法涉及人類和其他動物大腦視覺皮層結構的研究。簡要介紹這種特殊類型的人工神經(jīng)網(wǎng)絡，它使用感知器，機器學習單元算法來監(jiān)督數(shù)據(jù)的學習和分析。適用于圖像處理，自然語言處理和其他類型的認知任務。與其他類型的人工神經(jīng)網(wǎng)絡一樣，卷積神經(jīng)網(wǎng)絡具有輸入層，輸出層和各種隱藏層。其中一些層是復卷的，并使用數(shù)學模型將結果傳遞給連續(xù)的層。該過程模仿人類視覺皮層中的一些動作，因此稱為卷積神經(jīng)網(wǎng)絡或CNN。例如，當我們?nèi)祟惪吹截埡凸窌r，雖然它們的大小相似，但我們可以立即將它們與貓和狗區(qū)分開來。對于計算機，圖像只是一堆數(shù)據(jù)。通過神經(jīng)網(wǎng)絡的第一層中的特征來檢測對象的輪廓。神經(jīng)網(wǎng)絡的下一層將檢測由這些簡單模式組合形成的簡單形狀，例如動物眼睛和耳朵。下一層將檢測由這些形狀組合形成的物體的某些部分，例如貓和狗的頭部或腿部。神經(jīng)網(wǎng)絡的最后一層將檢測這些部分的組合：完整的貓，完整的狗，等等。神經(jīng)網(wǎng)絡的每一層將執(zhí)行圖像組合分析和特征檢測，以判斷和組合并將結果傳遞給下一層神經(jīng)網(wǎng)絡。所使用的神經(jīng)網(wǎng)絡的實際深度將比該示例深得多，因此神經(jīng)網(wǎng)絡可以以這種分層方式執(zhí)行復雜的模式識別。

只要有大量標記的樣本數(shù)據(jù)庫，就可以在神經(jīng)網(wǎng)絡上進行特征訓練。它對于識別圖像，視頻，語音，音樂甚至文本特別有用。為了很好地訓練AI的機器視覺，我們需要提供這些神經(jīng)網(wǎng)絡所標記的大量圖像數(shù)據(jù)。神經(jīng)網(wǎng)絡學習將每個圖像與其對應的標簽相關聯(lián)。您還可以將之前從未見過的圖像與相應的標簽配對。這樣的系統(tǒng)可以對各種圖像進行分類并識別照片中的元素。同時，神經(jīng)網(wǎng)絡在語音識別和文本識別中也非常有用。自動駕駛汽車和最新的醫(yī)學圖像分析系統(tǒng)也是關鍵組件，因此您可以看到神經(jīng)網(wǎng)絡的使用非常廣泛和有效。最初，有必要依靠手工標記大量有效數(shù)據(jù)來完成知識輸入?，F(xiàn)在，通過運行海量數(shù)據(jù)，神經(jīng)網(wǎng)絡可以自學。大大增強的人工智能應用范圍降低了使用門檻。人類的大腦與動物大不相同，在進化過程中具有高度的專業(yè)性和適應性。目前的人工智能系統(tǒng)遠沒有人類擁有的看似普遍的智能。人工智能的更先進的發(fā)展將在后面討論，我們?nèi)匀魂P注現(xiàn)在實施的人工智能的基本原則。