現(xiàn)在越來越多的人都熟悉“人工智能”這個(gè)術(shù)語?！督K結(jié)者》、《黑客帝國》和《我的個(gè)人最愛》等電影一直是人們關(guān)注的焦點(diǎn)。但最近你可能聽說過“機(jī)器學(xué)習(xí)”和“深度學(xué)習(xí)”等其他術(shù)語，有時(shí)與人工智能交替使用。因此，目前對(duì)于我們來說人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的區(qū)別是非常不清楚的。
首先，我會(huì)快速解釋人工智能(AI)、機(jī)器學(xué)習(xí)(ML)和深度學(xué)習(xí)(DL)實(shí)際上是什么意思，以及它們是如何不同的。然后，我會(huì)分享人工智能和物聯(lián)網(wǎng)是如何不可避免地交織在一起的，幾項(xiàng)技術(shù)進(jìn)步立即匯聚成人工智能和物聯(lián)網(wǎng)科技爆炸的基礎(chǔ)。
機(jī)器學(xué)習(xí)只是實(shí)現(xiàn)人工智能的一種方式。
那么，人工智能機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間有什么區(qū)別?
人工智能是由約翰·麥卡錫于1956年首創(chuàng)的，它涉及的機(jī)器可以執(zhí)行人類智能特征的任務(wù)。雖然這是相當(dāng)普遍的，但它包含了諸如計(jì)劃、理解語言、識(shí)別對(duì)象和聲音、學(xué)習(xí)和解決問題的能力。
我們可以把AI分為一般和狹義兩類。人工智能將具備人類智能的所有特征，包括上面提到的能力。狹義人工智能展示了人類智能的一些方面，并且可以很好地做到這一點(diǎn)，但在其他方面卻缺乏。一臺(tái)能識(shí)別圖像的機(jī)器，但沒有別的功能，這就是一個(gè)狹義人工智能的例子。
機(jī)器學(xué)習(xí)只是實(shí)現(xiàn)人工智能的一種方式。
亞瑟·塞繆爾在1959年把這個(gè)詞定義為“學(xué)習(xí)的能力不被明確編程”因此，機(jī)器學(xué)習(xí)是“訓(xùn)練”的一種算法，使它能夠?qū)W習(xí)如何完成一項(xiàng)特定的任務(wù)，而不是硬編碼軟件程序?！芭嘤?xùn)”包括向算法提供大量數(shù)據(jù)，并允許算法自我調(diào)整和改進(jìn)。
舉個(gè)例子，機(jī)器學(xué)習(xí)已經(jīng)被用來對(duì)計(jì)算機(jī)視覺進(jìn)行重大改進(jìn)(機(jī)器識(shí)別圖像或視頻中的物體的能力)。你收集了成千上萬甚至數(shù)百萬的圖片，然后讓人類給它們貼上標(biāo)簽。例如，人類可能會(huì)標(biāo)記有只貓的圖片，而不是那些沒有的照片。然后，該算法試圖建立一個(gè)模型，能夠準(zhǔn)確地標(biāo)記出包含貓或人類的圖片。一旦精確度達(dá)到足夠高的水平，機(jī)器就會(huì)“學(xué)會(huì)”貓的樣子。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的眾多途徑之一。其他方法包括決策樹學(xué)習(xí)、歸納邏輯編程、聚類、強(qiáng)化學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)等。
深度學(xué)習(xí)的靈感來自于大腦的結(jié)構(gòu)和功能，即許多神經(jīng)元的相互連接。人工神經(jīng)網(wǎng)絡(luò)(ANNs)是模擬大腦生物結(jié)構(gòu)的算法。
在ANNs中，有“神經(jīng)元”，它們有離散的層和與其他“神經(jīng)元”的連接。每一層都選出一個(gè)特定的特性，例如圖像識(shí)別中的曲線/邊緣。正是這種分層提供了深度學(xué)習(xí)的名稱，深度是通過使用多個(gè)層而不是單個(gè)層來創(chuàng)建的。
人工智能和物聯(lián)網(wǎng)是密不可分的
我認(rèn)為AI和IoT之間的關(guān)系就像人類大腦和身體之間的關(guān)系。
我們的身體收集感官輸入，如視覺、聽覺和觸覺。我們的大腦接受這些數(shù)據(jù)并理解它，將光線轉(zhuǎn)換為可辨認(rèn)的物體，并將聲音轉(zhuǎn)變成可以理解的語言。我們的大腦會(huì)做出決定，向身體發(fā)出信號(hào)，以指揮動(dòng)作，比如拾起一個(gè)物體或說話。
構(gòu)成物聯(lián)網(wǎng)的所有連接傳感器都像我們的身體一樣，它們提供了世界上正在發(fā)生的事情的原始數(shù)據(jù)。人工智能就像我們的大腦一樣，對(duì)這些數(shù)據(jù)有意義，并決定采取什么行動(dòng)。物聯(lián)網(wǎng)的連接設(shè)備和我們的身體一樣，都是在進(jìn)行身體活動(dòng)或與他人交流。
釋放彼此的潛力
AI和物聯(lián)網(wǎng)的價(jià)值彼此而得以實(shí)現(xiàn)。
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)近年來為人工智能帶來了巨大的飛躍。正如上面提到的，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)需要大量的數(shù)據(jù)來工作，而這些數(shù)據(jù)是由數(shù)十億的傳感器收集的，這些傳感器正在互聯(lián)網(wǎng)上繼續(xù)感知數(shù)據(jù)。物聯(lián)網(wǎng)使人工智能變得更好。
改進(jìn)人工智能還將推動(dòng)物聯(lián)網(wǎng)的普及，創(chuàng)造一個(gè)良性循環(huán)，使這兩個(gè)領(lǐng)域的加速發(fā)展。這是因?yàn)槿斯ぶ悄茏屛锫?lián)網(wǎng)變得有用。
在工業(yè)方面，人工智能可以應(yīng)用于預(yù)測機(jī)器何時(shí)需要維護(hù)或分析制造過程以提高效率，節(jié)省數(shù)百萬美元。
在消費(fèi)者方面，技術(shù)可以適應(yīng)我們，而不是必須適應(yīng)技術(shù)。我們不需要點(diǎn)擊、打字和搜索，只需問一臺(tái)機(jī)器我們需要什么。我們可能會(huì)問一些諸如天氣之類的信息，比如為睡覺準(zhǔn)備房子(調(diào)低恒溫器、鎖好門、關(guān)燈等等)。
融合技術(shù)進(jìn)步使這成為可能
電腦芯片的制造技術(shù)的改進(jìn)意味著更便宜、更強(qiáng)大的傳感器。
快速改進(jìn)電池技術(shù)意味著這些傳感器可以持續(xù)數(shù)年不需要連接電源。
智能手機(jī)的出現(xiàn)推動(dòng)了無線連接，這意味著數(shù)據(jù)可以以便宜的速度被發(fā)送到高容量，允許所有的傳感器向云發(fā)送數(shù)據(jù)。
而且，云的誕生使得這種數(shù)據(jù)幾乎可以無限地存儲(chǔ)，并且?guī)缀跏菬o限的計(jì)算能力。
當(dāng)然，對(duì)于人工智能對(duì)我們的社會(huì)和未來的影響有一兩個(gè)問題。但是，隨著人工智能和物聯(lián)網(wǎng)的進(jìn)步和采用繼續(xù)加速，影響將是深遠(yuǎn)的。
聯(lián)系客服
