来源：Pixabay

　　到2017年为止，最常用的流行语就是人工智能（AI）和机器学习（ML）了，但是，现在越来越明显，它们的使用范围覆盖各种领域，包括数据分析、自动驾驶、网络安全、物联网、市场营销、数字助理和所有这些一切的鼻祖——大数据。

　　资深分析公司SAS已经指出，人工智能这个词其实是错的——只有它的算法是智能的，至少目前是这样的。其首席技术官Oliver Schabenberger说，虽然人工智能这个词听起来很时髦，但它只不过是人类智慧的一个错觉罢了。

　　“AI是以类人的方式来执行一组特定任务的。人类的智慧具有创造行性、创新能力、感性、道德、直觉、情景意识、偏见感、从错误中吸取教训等特点，而这些，AI在短时间内是没办法做到的。“他说。

　　他是对的——目前所有的AI能做的只是深入学习，使用编纂好的程序或是学到的知识来做出相关的反应。iTWire与ASI Solutions的总经理Nathan Lowe进行了会谈，双方就AI和ML进行了深入的交流。Lowe自1999年以来一直与ASI合作，并于2015年5月成为MD。

　　世界是如何进入AI领域的

　　在20世纪六十年代和七十年代，它是《迷失太空》中的机器人，是《星际迷航》中的电脑，是库布里克《2001太空漫游》中的HAL。但这些在很大程度上仍然被看做是计算设备，不算是真正的人工智能。尽管今天如果问Siri她长大后想成为什么的时候，她会说，“我想成为《星际迷航》中的电脑。”

　　2011年，在电视智力游戏节目“Jeopardy”中，两名前冠军肯?詹宁斯和布拉德?拉特和一名叫做沃森的人工智能型计算机系统进行竞赛，它是由IBM创建的。两位前冠军信心满满地走上擂台，却被沃森狠狠地打败，充分展示了IBM在先进科学和计算领域的专长。同时，这也是AI潜力的第一个真正示范。

　　来源：Pixabay

　　去年年底，一位旧金山的Uber用户称赞了自动驾驶汽车开车接他们，并将他们送到目的地的行为，这些汽车配有传感器和摄像机，并通过机器学习，学会驾驶、加速、制动和改变车道等技巧。

　　AI/ML的发展方向是什么？

　　其实，AI和ML之间是有区别的。

　　真正的人工智能有创造更大影响力的潜力，这远远超过个人电脑的发明和移动手机的传播所带来的影响力，这是人类智慧的体现，而这也仅仅是冰山一角罢了——我们根本没有计算能力来构建一个像人脑这样的神经网络。

　　所以让我们将人工智能的进步限制在ML的现实之中加以考虑，它使我们在技术上的进步比想象中要快的多。我们希望能够让机器从他们对世界的观察中进行学习，而不是试图按需知密般提前对机器进行组编（编写）程序。

　　现在世界上的一切都是由一台机器来驱动的。得益于技术的发展进步，当今的工程师们可以研发一种机器——在编码参数之内，可以自主学习，这就是机器学习。它试图创建预测模型和算法，赋予计算机在没有显式编程的情况下执行任务的能力。

　　有什么例子可以说明这些呢？

　　我们在日常生活中有使用机器学习的例子吗？哦，对，Google搜索引擎，这可是来自亚马逊，Netflix和YouTube的建议，甚至Facebook上的一些朋友都推荐了它。除此之外，ML融入我们日常生活的另一种方式是通过人脸识别，在机场，你正在盯着前方的照相机，脚上却好像做了标记一样，等待门打开，通过门禁。

　　现如今，工程师可以使用基本级别的人工智能来实现机器学习，其中包括使计算机在没有显式编程的情况下执行智能人工任务。人工智能在日常生活中的普遍应用包括苹果的Siri，计算机模拟，信用卡欺诈检测，使用Chatbots的在线客户支持以及安全监控等。

　　来源：Pixabay

　　随着计算机硬件和软件的迅速发展，人工智能似乎超越了人类专家的能力，比如，沃森在Jeopardy电视节目中赢得了胜利，日本的机器人在市场预测中击败了人类。这似乎表明在未来，这种技术的使用有着巨大的潜力，如减少医疗实践中的失误，道路交通中的事故。

　　人工智能具有速度更快，摄像机集成和精确速度识别等功能，这使机器能够比人类更好地执行某些任务。但这并不意味着人类已经被取代了。

　　ML的复杂性是什么？

　　机器学习的基础技术是非常复杂的，它有三个部分——模型，参数和学习者。

　　模型是一种能够进行预测和识别的系统。

　　参数是模型用于做出决定的信号和因素。

　　学习者是通过观察差异，预测结果和实际结果来调整参数的系统。

　　AI的复杂性是什么？

　　人工智能要复杂得多，每个程序在很大程度上都取决于产品的用途。它们都有三个组件——数据结构，输入和输出以及学习系统。

转载请注明出处。