在「AI」隨處可見的當(dāng)下，你真的理解人工智能領(lǐng)域核心概念嗎?
剛剛，斯坦福大學(xué)教授、人工智能實驗室(SAIL)負(fù)責(zé)人、HAI 副主任 Christopher Manning 用一頁紙的篇幅定義了 AI 領(lǐng)域的核心術(shù)語。他表示希望這些定義能夠幫助非專業(yè)人員理解 AI。
在這一頁紙中，Manning 介紹了十多個術(shù)語的定義，包括「智能」、「人工智能」、「機器學(xué)習(xí)」、「深度學(xué)習(xí)」等。
智能可以定義為學(xué)習(xí)和執(zhí)行恰當(dāng)?shù)募夹g(shù)以解決問題、實現(xiàn)目標(biāo)的能力，且這些能力能夠適用于不確定、不斷變化的外部環(huán)境。經(jīng)過完全預(yù)編程的工業(yè)機器人具有靈活性、準(zhǔn)確性和一致性，但并不智能。
人工智能(AI)由斯坦福大學(xué)名譽教授 John McCarthy 在 1955 年提出，他將人工智能定義為「制造智能機器的科學(xué)與工程」。許多研究使人類編程的機器能夠以聰明的方式執(zhí)行任務(wù)，如下棋。但是如今，AI 領(lǐng)域致力于實現(xiàn)至少可以像人類一樣學(xué)習(xí)的機器。
自主系統(tǒng)能夠獨立地計劃和確定操作步驟，以實現(xiàn)指定的目標(biāo)，而無需進行微觀管理。醫(yī)院中的配送機器人必須在人來人往的走廊中自主導(dǎo)航才能成功完成任務(wù)。在人工智能領(lǐng)域中，「自主」并不意味著政治或生物學(xué)中常見的「自治」(self-governing)。
機器學(xué)習(xí)(ML)是人工智能的一部分，旨在研究計算機智能體如何根據(jù)經(jīng)驗或數(shù)據(jù)改善其感知、知識、思維或行動。為此，機器學(xué)習(xí)領(lǐng)域的知識涉及計算機科學(xué)、統(tǒng)計學(xué)、心理學(xué)、神經(jīng)科學(xué)、經(jīng)濟學(xué)和控制論。
在監(jiān)督學(xué)習(xí)中，計算機學(xué)習(xí)預(yù)測人類給定的標(biāo)簽，例如基于帶標(biāo)簽的狗狗照片來學(xué)習(xí)狗的品種。而無監(jiān)督學(xué)習(xí)不需要標(biāo)簽，有時需要自己做預(yù)測任務(wù)，例如嘗試預(yù)測句子中每個后續(xù)單詞。強化學(xué)習(xí)讓智能體學(xué)習(xí)可優(yōu)化其總體獎勵的動作序列，例如在沒有良好技術(shù)的明確示例下自主贏得游戲。
深度學(xué)習(xí)指使用大型多層神經(jīng)網(wǎng)絡(luò)計算連續(xù)(實數(shù))表示，與人腦中按層級結(jié)構(gòu)組織的神經(jīng)元略有相似。目前，深度學(xué)習(xí)是最成功的機器學(xué)習(xí)方法，可用于所有類型的機器學(xué)習(xí)，并且可基于少量數(shù)據(jù)實現(xiàn)更好的泛化性能，能夠更好地擴展至大規(guī)模數(shù)據(jù)和算力。
算法列出了待執(zhí)行的精確步驟，就像人把步驟寫進計算機程序一樣。AI 系統(tǒng)包含算法，但算法往往僅作為學(xué)習(xí)或獎勵計算方法。它們的很多行為是從數(shù)據(jù)或經(jīng)驗中學(xué)得的，正如斯坦福畢業(yè)生 Andrej Karpathy 所提出的「軟件 2.0」帶來的系統(tǒng)設(shè)計基礎(chǔ)性改變一樣。
狹義人工智能(Narrow AI)表示能夠處理特定任務(wù)的智能系統(tǒng)，如語音識別或人臉識別。人類級 AI(Human-level AI)或通用人工智能(AGI)則致力于尋找智能處理大量任務(wù)且能夠感知語境的機器，例如高效的社交聊天機器人或人機交互。
以人為中心的人工智能指尋求能夠增強人類能力、滿足人類社會需求且從人類身上得到啟發(fā)的 AI。它為人類研發(fā)高效的合作伙伴和工具，如機器人助手和老年陪護機器人。
關(guān)鍵詞：
責(zé)任編輯：Rex_07
