AI條款小抄(容易講解員AI的術語)

領域的人工智能(AI)是由許多學科,技術和分支學科。

有很多術語,用來描述人工智能技術,和定義可以複雜和混亂。

很大一部分我們的重點市場人工智能研究所是讓AI更加平易近人和可操作的。BETVlCTOR1946伟德

要做到這一點,我們已經創建了這個人工智能備忘單,這檔節目的特點就是容易,可人工智能核心術語的定義。

我們鼓勵你跳過這個詞你好奇。但是,條款也在特定的順序來幫助你建立在每一塊知識。

算法

一個算法是一係列步驟用於解決一個問題或執行一個動作。

人類的程序員編寫的算法。然後,機器跟隨他們產生一個結果。

幾乎所有的軟件你使用由一個機器指令後一個人寫的。

包括人工智能。除了人工智能以不同的方式使用不同的算法來做你的典型的軟件不能做的事情。

人工智能(AI)

人工智能是使機器智能的科學。

這個定義來自DeepMind AI專家兼首席執行官黛米斯。。

這是我們所說的使機器智能…

典型的軟件隻能聽從指示。

這是有利於自動化。連最基本的軟件使我們的生活更容易,更好更快地為我們做事情。

但典型的軟件是靜態的。它不僅是告訴做什麼,一遍又一遍。而且它隻成為更好地當一個人類程序員升級它。

簡而言之,典型的軟件不能適應實時數據或改變條件或環境。

使它不適合快速變化的情況或市場。

人工智能是不同的。它允許我們教機器變得更像人類。

我們給他們的能力看,聽,說,移動,和寫作。我們甚至給他們的能力去理解和作出預測。

在某些情況下,這些智能機器可以讓自己得到更好的在上麵列出的任務。

讓AI典型的軟件沒有的能力。它可以反應,反應,建議在real-time-without人類明確告訴它要做什麼。

這使得AI適合寬領域的智能任務通常隻留給人類。

今天,AI可以:

• 寫句子和段落。
• 理解人類語言和前後一致地回應。
• 驅動車輛。
• 識別人臉和對象。
• 導航道路,城市,和倉庫。
• 預測接下來你想買或者看什麼。
• 預測不同的行為將如何影響業務。
• 創建新的問題解決方案。

還有更多,更多。

現在,“人工智能”並不是一種技術,所有這些聰明的任務。

它實際上是一個總稱技術的集合。

這些技術包括自然語言生成(NLG),機器學習,自然語言處理(NLP),深度學習和神經網絡。

機器學習

機器學習是人工智能的核心子集,使其最先進的功能成為可能。

機器學習是人工智能技術學習和變得更聰明。

在機器學習中,人類訓練機器實現的結果,使用數據準備的人。

使用它從人類的什麼,接著,試圖實現結果的機器使用數據是從未見過的。

每次試圖實現結果的機器,它可以從實驗中如果他們不好。這些經驗教訓適用於下一個嚐試。

這樣,機器使用機器學習任務沒有直接人工參與迅速改善。

在此過程中,它可能會發現新的創意,或者違反直覺的方式來實現人類從未想過嚐試的結果。

這就是為什麼AI通過機器學習是如此的強大。一旦訓練,它可以很快超過人類,以及找到解決方案和模式我們無法看到。

作為一個例子,黛米斯(上麵提到的)教一個機器學習程序如何從1980年代打電子遊戲。

係統”程序找到一個分數獎勵,但沒有給出指令,如何獲得獎勵,“根據《紐約客》。

開始時,係統會隨機移動,有時得分,有時不是。

然而,程序的機器學習算法評估其過去的行動和決定哪個效果最好,把這些信息付諸實踐在未來的遊戲。

通過這種方式,它可以提高。DeepMind係統給定的遊戲從任何了解掌握它在幾小時內使用這種方法。

模式識別

模式識別是當機器檢測數據中的模式。

這些模式幫助機器更好的優化結果,使模式識別機器學習的一個關鍵功能。

人工智能模式識別也是權力的預測能力。機器使用模式曆史數據來預測未來結果最有可能。

自然語言生成(NLG)

自然語言生成當AI寫或說著最富的語言。

自然語言生成權力從書寫工具到智能家居助理聊天機器人。它可以與機器交流。

自然語言處理(NLP)

自然語言處理是人工智能解釋人類語言意味著什麼。

NLG,機器必須使用自然語言處理首先理解書麵或口語。

例如,穀歌翻譯使用NLP理解文本類型,然後生成在您選擇的語言的翻譯。

情緒分析

情感分析是當AI理解人類語言的語氣和情感。

情緒分析NLP更進一步。它不僅能理解語言,但也理解其語氣和情感。

情緒分析使機器調整NLG輸出基於情緒的人說話。

圖像識別

圖像識別是人工智能中準確地識別對象的照片。

使用機器學習、人工智能係統可以識別對象在圖像高度的準確性。

AI係統訓練對數百萬或數十億的圖像來檢測某些對象。訓練好了,然後去認識這些對象在圖像還沒有見過的。

今天使用圖像識別的一個例子是在放射學。AI能夠識別特定的腫瘤具有高精確度更好,更快,更便宜的比人類。

麵部識別

麵部識別是人工智能準確識別人臉的照片和視頻。

你使用麵部識別任何時候你的iPhone上使用的ID函數。人工智能能夠認出你的臉,然後使用這些信息來確認你的身份。

人臉識別也被社會媒體平台用來標記你的朋友照片或視頻過濾器映射到你的臉。

計算機視覺

計算機視覺,人工智能中準確地識別對象視頻或實時視覺反饋。

計算機視覺圖像和人臉識別。當人工智能可以識別移動對象,在一個視頻或在世界上。

事實上,自動駕駛汽車依賴計算機視覺驅動沒有崩潰。他們使用傳感器來“看到”他們周圍的世界,然後計算機視覺引導周圍的對象。

機器人

機器人和機器人不是艾城是由人工智能。

機器人技術結合圖像識別、人臉識別和計算機視覺力量的身體。(如果會談一個機器人,它也可能使用NLG和NLP)。

機器人本身並不是人工智能,但它在很大程度上依賴於人工智能軟件功能。

機器人可以使用這些核心AI功能從走路和說話到卸載貨物在倉庫裏。

深度學習

深度學習是機器學習的一個子集,它超人的AI的性能。

機器學習是人工智能的高級功能,深度學習推動人工智能有什麼可能的邊界。

深度學習試圖模仿人類大腦是如何工作的。它通過使用“神經網絡”,相互關聯的人工神經元的集合。

每一層的神經元“加權”優先考慮一些標準,根據神經網絡的目標。

機器學習係統可以學習如何提高任務他們一直訓練他們從來沒有看過任何數據。

進一步深度學習需要這個。

最複雜和先進的深度學習係統可以學會做事情他們從來沒有訓練。

這個打開的可能性,我們將創建機器可以學會做許多不同的事情遠超越人類的水平。

人工狹窄智能(ANI)

所有的人工智能係統是人工狹窄的情報,這意味著他們隻執行狹隘的任務。

他們可能會執行這些狹隘的任務在超人的水平。

例如,一個係統,比人類更好更快地識別麵臨不能轉身學習如何開車。

無論多麼強大,AI的範圍是有限的,它能做什麼。但這可能會改變。

人工總體智能(AGI)

人工總體智能不存在,但描述了一個人工智能係統,可以學習和理解任何智能任務。

現在,美國國際集團不存在,不接近現有的。

但這就是很多人認為當他們認為AI:一個有超常智慧的電腦或機器人,可以做任何一個人能做的。

今天這是不可能的。和一些專家劃分是否甚至可以建立的。

但隨著深度學習技術的進步,我們可以寸接近通用的智能機器。

的潛在創造美國國際集團對技術的好處和危害提出了根本的問題,以及作為人類意味著什麼。

值得慶幸的是,今天我們必須回答這些不是問題,因為美國國際集團目前科幻小說。