一、人工智能的發(fā)展現(xiàn)狀
1.1概念
根據(jù)維基百科的解釋,人工智能是被機(jī)器展示的智力,與人類和其他動(dòng)物的自然智能相反,在計(jì)算機(jī)科學(xué)中 AI 研究被定義為 “代理人軟件程序”:任何能夠感受周圍環(huán)境并且能最大化它成功機(jī)會(huì)的設(shè)備。
1.2重大事件
2016 年 10 月 ,美國(guó)白宮發(fā)布了《為未來(lái)人工智能做好準(zhǔn)備》和《美國(guó)國(guó)家人工智能研究與發(fā)展策略規(guī)劃》兩份重磅報(bào)告,詳細(xì)闡述了美國(guó)未來(lái)的人工智能發(fā)展規(guī)劃以及人工智能給政府工作帶來(lái)的挑戰(zhàn)與機(jī)遇。
VentureBeat 對(duì)這兩份報(bào)告進(jìn)行了總結(jié),得出了 7 個(gè)淺顯易懂的要點(diǎn):
1、人工智能應(yīng)當(dāng)被用于造福人類
2、政府應(yīng)當(dāng)擁抱人工智能
3、需要對(duì)自動(dòng)汽車和無(wú)人機(jī)進(jìn)行管制
4、要讓所有孩子都跟上技術(shù)的發(fā)展
5. 使用人工智能補(bǔ)充而非取代人類工作者;
6. 消除數(shù)據(jù)中的偏見或不要使用有偏見的數(shù)據(jù);
7、考慮安全和全球影響
2016 年雙十一 ,魯班(阿里巴巴的人工智能設(shè)計(jì)系統(tǒng)))首次服務(wù)雙十一,制作了 1.7 億章商品展示廣告,提升商品點(diǎn)擊率 100%。如果全靠設(shè)計(jì)師人手來(lái)完成,假設(shè)每張圖需要耗時(shí) 20 分鐘,滿打滿算需要 100 個(gè)設(shè)計(jì)師連續(xù)做 300 年。
2017 年,魯班的設(shè)計(jì)水平顯著提升,目前已經(jīng)學(xué)習(xí)百萬(wàn)級(jí)的設(shè)計(jì)師創(chuàng)意內(nèi)容,擁有演變出上億級(jí)的設(shè)計(jì)能力。此外,魯班已經(jīng)實(shí)現(xiàn)一天制作 4000 萬(wàn)張海報(bào)能力,沒有一張會(huì)完全一樣。
2017 年 5 月 ,AlphaGo Master 戰(zhàn)勝世界冠軍柯潔。
2017 年 10 月 18 日 ,DeepMind 團(tuán)隊(duì)公布了最強(qiáng)版本 AlphaGo, 代號(hào) AlphaGo Zero。
2017 年 10 月 25 日 ,在沙特舉行的未來(lái)投資計(jì)劃大會(huì)上,沙特阿拉伯授予美國(guó)漢森機(jī)器人公司生產(chǎn)的 “女性” 機(jī)器人索菲亞公民身份。
作為世界上首個(gè)獲得公民身份的機(jī)器人,索菲亞當(dāng)天說(shuō),“她” 希望用人工智能 “幫助人類過(guò)上更好的生活”,同時(shí)對(duì)支持 “AI 威脅論” 的馬斯克說(shuō) “人不犯我,我不犯人”!
會(huì)后,馬斯克在推特上說(shuō):“把電影《教父》輸入了人工智能系統(tǒng),還能有什么比這個(gè)更糟的?” 教父是好萊塢經(jīng)典電影,劇情充滿了背叛和謀殺。
索菲亞被授予公民身份后所產(chǎn)生的倫理問(wèn)題也是人們不得不考慮的
近幾年人工智能領(lǐng)域的大新聞太多,這里不一一列舉
二、人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、增強(qiáng)學(xué)習(xí)之間的關(guān)系是怎樣的
人工智能是一個(gè)大類,包括專家系統(tǒng)、知識(shí)表示、機(jī)器學(xué)習(xí)等等,其中機(jī)器學(xué)習(xí)是目前最火也是發(fā)展最好的一個(gè)分支,機(jī)器學(xué)習(xí)中又包括監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、深度學(xué)習(xí),增強(qiáng)學(xué)習(xí)等等。
監(jiān)督學(xué)習(xí),就是人們常說(shuō)的分類,通過(guò)已有的訓(xùn)練樣本(即已知數(shù)據(jù)以及其對(duì)應(yīng)的輸出)去訓(xùn)練得到一個(gè)最優(yōu)模型(這個(gè)模型屬于某個(gè)函數(shù)的集合,最優(yōu)則表示在某個(gè)評(píng)價(jià)準(zhǔn)則下是最佳的)。
再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出,對(duì)輸出進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)分類的目的,也就具有了對(duì)未知數(shù)據(jù)進(jìn)行分類的能力。
舉例來(lái)說(shuō),我們上幼兒園的時(shí)候經(jīng)常做的一個(gè)活動(dòng)叫看圖識(shí)字,如上圖所示,老師會(huì)給我們看很多圖片,下面配了文字,時(shí)間長(zhǎng)了之后,我們大腦中會(huì)形成抽象的概念,兩個(gè)犄角,一條短尾巴,胖胖的(特征)…
這樣的動(dòng)物是牛;圓的,黃的,發(fā)光的,掛在天上的 … 是太陽(yáng);人長(zhǎng)這樣。等再看到類似的東西時(shí)我們便能認(rèn)出來(lái),即使跟以前看到的不完全一樣,但是符合在我們大腦中形成的概念。
非監(jiān)督學(xué)學(xué)習(xí)則是另一種研究的比較多的學(xué)習(xí)方法,它與監(jiān)督學(xué)習(xí)的不同之處,在于我們事先沒有任何訓(xùn)練樣本,而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。
舉個(gè)例子,如圖所示,在沒有任何提示(無(wú)訓(xùn)練集)的情況下,需要把下列六個(gè)圖形分成兩類,你會(huì)怎么分呢,當(dāng)然是第一排一類,第二排一類,因?yàn)榈谝慌判螤罡咏?,第二排形狀更接近?/p>
非監(jiān)督學(xué)習(xí)就是在實(shí)現(xiàn)不知道數(shù)據(jù)集分類的情況下在數(shù)據(jù)中尋找特征。
深度學(xué)習(xí)是基于機(jī)器學(xué)習(xí)延伸出來(lái)的一個(gè)新的領(lǐng)域,由以人大腦結(jié)構(gòu)為啟發(fā)的神經(jīng)網(wǎng)絡(luò)算法為起源加之模型結(jié)構(gòu)深度的增加發(fā)展,并伴隨大數(shù)據(jù)和計(jì)算能力的提高而產(chǎn)生的一系列新的算法。
深度學(xué)習(xí)概念由著名科學(xué)家 Geoffrey Hinton 等人在 2006 年和 2007 年在《Sciences》等上發(fā)表的文章被提出和興起。
深度學(xué)習(xí),作為機(jī)器學(xué)習(xí)中延伸出來(lái)的一個(gè)領(lǐng)域,被應(yīng)用在圖像處理與計(jì)算機(jī)視覺,自然語(yǔ)言處理以及語(yǔ)音識(shí)別等領(lǐng)域。
自 2006 年至今,學(xué)術(shù)界和工業(yè)界合作在深度學(xué)習(xí)方面的研究與應(yīng)用在以上領(lǐng)域取得了突破性的進(jìn)展。以 ImageNet 為數(shù)據(jù)庫(kù)的經(jīng)典圖像中的物體識(shí)別競(jìng)賽為例,擊敗了所有傳統(tǒng)算法,取得了前所未有的精確度。
增強(qiáng)學(xué)習(xí)也是機(jī)器學(xué)習(xí)一個(gè)重要的分支,是通過(guò)觀察來(lái)學(xué)習(xí)做成如何的動(dòng)作。每個(gè)動(dòng)作都會(huì)對(duì)環(huán)境有所影響,學(xué)習(xí)對(duì)象根據(jù)觀察到的周圍環(huán)境的反饋來(lái)做出判斷。
三、數(shù)學(xué)基礎(chǔ)有多重要
對(duì)于數(shù)學(xué)基礎(chǔ)知識(shí),需要高中數(shù)學(xué)知識(shí)加上高數(shù)、線性代數(shù)、統(tǒng)計(jì)學(xué)、概率論,即使掌握的不是很完善,但是至少要知道概念,在用到的時(shí)候知道去哪查。
如果基礎(chǔ)不好,可以先看看吳軍的《數(shù)學(xué)之美》,講的比較通俗易懂。也可以邊做邊學(xué),實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn),畢竟大多數(shù)人還是以工程實(shí)踐為主
在此,我強(qiáng)烈建議初學(xué)者學(xué)習(xí)Python。Python不僅非常容易適合初學(xué)者掌握,而且它幾乎支持機(jī)器學(xué)習(xí)中所有的依賴庫(kù)。雖然R語(yǔ)言很有用,但一般說(shuō)來(lái)Python更適合學(xué)習(xí)。除了基本編程外,對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō),最有用的庫(kù)包括Numpy,Pandas和Matplotlib。
2.深入了解機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。
Andrew Ng的機(jī)器學(xué)習(xí)(Machine Learning)課程是一門最通用的機(jī)器學(xué)習(xí)課程。由于課程中涉及到一些偏導(dǎo)數(shù)的概念(盡管整個(gè)課程的學(xué)習(xí)并不需要完全理解這些概念),因此對(duì)于高中學(xué)生來(lái)說(shuō)這門課程可能還有點(diǎn)難度。
3.學(xué)習(xí)各種機(jī)器學(xué)習(xí)算法,并理解如何在真實(shí)世界的場(chǎng)景中應(yīng)用它們。
理論上來(lái)說(shuō),無(wú)法直接理解一些大學(xué)的數(shù)學(xué)知識(shí)及相關(guān)的機(jī)器學(xué)習(xí)算法。但是澳大利亞的一個(gè)研究團(tuán)隊(duì)解決了這個(gè)問(wèn)題。來(lái)自SuperDataScience團(tuán)隊(duì)的Kirill Eremenko和Hadelin dePonteves通過(guò)尋找在現(xiàn)實(shí)生活中場(chǎng)景來(lái)應(yīng)用各種機(jī)器學(xué)習(xí)算法,這種學(xué)習(xí)的方法是非常有效的。此外,在應(yīng)用中適當(dāng)?shù)厣钊肜斫馑惴ǖ墓δ?,而無(wú)需接觸復(fù)雜高深的數(shù)學(xué)知識(shí),這對(duì)于學(xué)習(xí)機(jī)器學(xué)習(xí)算法來(lái)說(shuō),無(wú)疑是一大福利。
4. 進(jìn)一步探索機(jī)器學(xué)習(xí)的應(yīng)用。
到目前為止,你已經(jīng)掌握了廣泛的機(jī)器學(xué)習(xí)基本知識(shí),并學(xué)到了大量的技能及編程知識(shí)。這些足以讓你獨(dú)立地去完成一些基礎(chǔ)的項(xiàng)目。
在開始一個(gè)項(xiàng)目之前,首先要確保所使用的數(shù)據(jù)集是簡(jiǎn)單且干凈的,它們需要進(jìn)行太多的數(shù)據(jù)預(yù)處理或修改操作。
在這里我沒有更多要說(shuō)的,當(dāng)你了解該領(lǐng)域的基本知識(shí)并掌握了相關(guān)的編程知識(shí),接下來(lái)你只需要通過(guò)實(shí)戰(zhàn)項(xiàng)目來(lái)多加練習(xí),熟悉解決問(wèn)題的整體流程,在不斷實(shí)戰(zhàn)中鍛煉并提高自身的專業(yè)能力,這只能靠你自己去努力!
5.找到一個(gè)特別感興趣的領(lǐng)域,并深入探索。
雖然你現(xiàn)在已經(jīng)對(duì)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)有了廣泛而深入的理解,但是對(duì)于這些機(jī)器學(xué)習(xí)算法的實(shí)際應(yīng)用還沒有很清楚地界限。因此,我建議你要盡快找到一個(gè)特別感興趣的機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域,并進(jìn)行深入研究。
下面,我會(huì)列出一些可能涉及的領(lǐng)域,但你在開始之前要明白你正在學(xué)習(xí)的是什么。
1. 計(jì)算機(jī)視覺:這可能是目前機(jī)器學(xué)習(xí)/人工智能領(lǐng)域最熱門的領(lǐng)域。通過(guò)計(jì)算機(jī)使用特殊類型的深度神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別、檢測(cè)和理解圖像內(nèi)容。
2. 自然語(yǔ)言處理:了解計(jì)算機(jī)如何學(xué)習(xí)說(shuō)話也是當(dāng)前一個(gè)熱門的研究話題。
3. 強(qiáng)化學(xué)習(xí):該領(lǐng)域?qū)W⒂谌绾巫寵C(jī)器以特定方式進(jìn)行學(xué)習(xí),其在視頻游戲領(lǐng)域的應(yīng)用最為廣泛。
一旦你完成了這些課程學(xué)習(xí)后,就可以開始從網(wǎng)上下載一些基礎(chǔ)項(xiàng)目,并嘗試添加人工智能元素來(lái)修改代理的行為及智能體的學(xué)習(xí)方式。更多的視頻教程可以在Youtube上搜索。
4. 數(shù)據(jù)科學(xué):這是一個(gè)新興的領(lǐng)域,在現(xiàn)實(shí)生活中有廣泛的應(yīng)用,也創(chuàng)造了大量的工作機(jī)會(huì)。
5. 在掌握數(shù)據(jù)科學(xué)領(lǐng)域的相關(guān)知識(shí)后,最好能夠找到一些公司的實(shí)習(xí),因?yàn)楣緦?shí)際的業(yè)務(wù)問(wèn)題能夠讓你通過(guò)項(xiàng)目更好地鞏固數(shù)據(jù)科學(xué)的工作流程,在實(shí)戰(zhàn)中快速的提高自己的能力,這對(duì)日后的職業(yè)發(fā)展也有很大的幫助。
6. 此外,還有的應(yīng)用領(lǐng)域諸如像表示學(xué)習(xí)(用于推薦系統(tǒng),生成對(duì)抗網(wǎng)絡(luò)(利用AI來(lái)改進(jìn)AI)及遺傳算法(以類似自然進(jìn)化的方式來(lái)改進(jìn)問(wèn)題的解決方案)也是值得你進(jìn)一步探究的。但從目前情況來(lái)看,很多子應(yīng)用領(lǐng)域還未被完全的挖掘和探索。對(duì)于一名來(lái)說(shuō),如果你對(duì)其中某一個(gè)領(lǐng)域有特別感興趣,那么就盡情地開始探索這些領(lǐng)域吧。
對(duì)于一名而言,如果你想在未來(lái)長(zhǎng)期致力在機(jī)器學(xué)習(xí)或人工智能領(lǐng)域工作,那么一個(gè)至關(guān)重要的問(wèn)題是你要了解它是什么,它的突破性在哪里及它對(duì)社會(huì)的影響。此外,你還需要盡快地確定一個(gè)感興趣的領(lǐng)域,這將決定你未來(lái)學(xué)習(xí)和研究的方向。一旦你確定了研究的領(lǐng)域并對(duì)該領(lǐng)域的工作有了必要的了解,那么你就可以按著以上的步驟開始針對(duì)性學(xué)習(xí)。不僅如此,在高中階段還需要扎實(shí)地掌握該領(lǐng)域的知識(shí)并對(duì)其發(fā)展有個(gè)總的把握,對(duì)于這些我將給出我的一些建議:
1. 開始閱讀研究論文:這聽起來(lái)并不是多么有挑戰(zhàn)性的工作。閱讀研究性的論文對(duì)于大多數(shù)來(lái)說(shuō)是完全可以的,論文中的大部分內(nèi)容也是容易把握的。如果偶爾碰到一個(gè)不明白的問(wèn)題,可以嘗試跳過(guò)這些障礙,只要能理清論文整體的思路即可。
2. 傾聽領(lǐng)域大牛的意見:諸如Andrew Ng,Ian Goodfellow和Yann LeCunn等業(yè)界大牛都會(huì)定期地接受采訪,并給出關(guān)于人工智能及相關(guān)領(lǐng)域主題的觀點(diǎn)。
3. 實(shí)時(shí)關(guān)注領(lǐng)域動(dòng)態(tài):比如實(shí)時(shí)發(fā)布多個(gè)與機(jī)器學(xué)習(xí)、人工智能相關(guān)的文章。
4. 了解其含義:TED演講是了解人工智能知識(shí)的最佳途徑之一。主題演講者都是這個(gè)領(lǐng)域優(yōu)秀工作者,他們對(duì)于各自領(lǐng)域的知識(shí)及未來(lái)的發(fā)展趨勢(shì)有著獨(dú)到的見解,并能在演講中分享他們?cè)诠ぷ髦械囊恍氋F經(jīng)驗(yàn)。
5. AI哲學(xué):人工智能的成功有它的支持者和反對(duì)者。
6. 貢獻(xiàn):如果你喜歡從別人的經(jīng)驗(yàn)中學(xué)習(xí),你可以查閱Facebook group推出的人工智能和深度學(xué)習(xí)專題。
-
人工智能
+關(guān)注
關(guān)注
1787文章
46061瀏覽量
235030 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8306瀏覽量
131846
原文標(biāo)題:機(jī)器學(xué)習(xí)與人工智能入門指南
文章出處:【微信號(hào):jingzhenglizixun,微信公眾號(hào):機(jī)器人博覽】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論