人工智能實際上是如何工作的?
這是我們經常遇到的問題。
即使你知道人工智能和相關技術是什麼，或者它們是做什麼的，有時也很難理解它們是如何工作的。
這是因為這是一個複雜的、技術性的話題。
在這篇文章中，我們想要簡化這個問題，這樣非技術專業人士就可以理解AI是如何工作的。
為什麼?
無論你做什麼，理解AI的工作原理都是至關重要的。那是因為當局喜歡麥肯錫全球研究所期望人工智能擁有數萬億在經濟影響方麵。這是一場互聯網規模的技術和經濟變革。
這意味著每一類專業人士都需要發展對人工智能的理解和能力。這並不意味著每個專業人士都必須學習如何編碼或使用機器學習模型。但這確實意味著，如果你想蓬勃發展，你需要對人工智能的工作原理有一個基本的了解。
關於人工智能的工作原理，最重要的一點是:
這不是魔法;它是數學。
人工智能是由機器學習驅動的不同類型係統的總稱。機器學習就是我們訓練機器學習。
我們通過給算法數據來做到這一點。算法隻是一係列計算機化的步驟。我們輸入算法數據。該算法執行一係列步驟。我們分析輸出的準確性。
在機器學習中，我們訓練機器對這些輸出的準確性。經過足夠的訓練，機器會非常擅長它接受的訓練。更重要的是，機器最終可以自我訓練。它可以學會在沒有人類監督的情況下提高結果。
人工智能係統用於自我訓練的數據越多，隨著時間的推移，它就會變得越好。從理論上講，提高的能力是無限的。這就是那些看似“神奇”的結果發生的地方。
穀歌在Gmail電子郵件客戶端中使用的人工智能就是一個例子。
幾年前，它還可以推薦對電子郵件的基本回複。比如“謝謝!”或“聽起來不錯!”這些回答在很大程度上是準確的，因為穀歌的人工智能訓練了足夠多的電子郵件數據。
但事情並沒有就此結束。
《Gmail》中的AI學得越多，就越好。顯著更好。現在，它可以實時準確地預測你想要輸入的下一個單詞或句子。
這與傳統軟件的工作方式非常不同。
傳統軟件使用一組由人類編寫的固定規則來執行任務。這可能會有幫助。但它不會自己變得更好更聰明。
讓我們看一個市場營銷中的例子來看看區別……
在市場營銷中，傳統的軟件可以幫助你寫出更好的電子郵件主題。人類程序員分析了哪些主題行有效，然後將分析結果轉化為軟件遵循的規則。
也許人類程序員發現主題行不超過60個字符效果最好。他們給機器編程，讓它推薦不超過60個字符的主題行。如果你想寫出更好的主題行，這台機器有數百條規則可以提供有用的指導。
但規則不會改變，它們都是基於一組靜態數據。
然而，人工智能現在存在於為你寫主題的營銷領域。人工智能係統會分析你過去的主題行，然後在數據中找到模式，指出哪些是最好的。
然後，每當你發送它推薦的主題行時，係統就會不斷地分析性能。每次發送後，它都會學習和改進。通過持續的、實時的學習，下一批主題行就會更加有效。
這都要歸功於人工智能能夠發現模式，從這些模式中學習，預測未來的模式，並從中學習以變得更好。