極客網(wǎng)·人工智能5月17日 從自動駕駛汽車到多模式聊天機(jī)器人,毫無疑問,AI正在迅速發(fā)展。但在這些神秘的技術(shù)創(chuàng)新背后,都采用了經(jīng)過多年的改進(jìn)和優(yōu)化的一些AI算法。如果想更好地理解AI,那么需要了解一些AI算法。
首先,人們需要了解什么是AI算法?簡單地說,AI算法是使機(jī)器能夠從數(shù)據(jù)中學(xué)習(xí)的數(shù)學(xué)模型。它們有不同的形式,包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
監(jiān)督學(xué)習(xí)算法從標(biāo)記的例子中學(xué)習(xí),而非監(jiān)督學(xué)習(xí)算法則從未標(biāo)記的數(shù)據(jù)中學(xué)習(xí)。標(biāo)記的數(shù)據(jù)是用預(yù)定義的目標(biāo)值進(jìn)行注釋的數(shù)據(jù),而未標(biāo)記的數(shù)據(jù)是未分配任何目標(biāo)值的數(shù)據(jù)。強(qiáng)化學(xué)習(xí)算法通過試錯來學(xué)習(xí),因此在游戲(如國際象棋和圍棋)和機(jī)器人行業(yè)中非常流行。
十種常用的AI算法:
(1)人工神經(jīng)網(wǎng)絡(luò)(ANN)
人工神經(jīng)網(wǎng)絡(luò)的靈感來自人類的大腦,用于圖像和語音識別以及自然語言處理。人工神經(jīng)網(wǎng)絡(luò)背后的基本思想是輸入數(shù)據(jù),網(wǎng)絡(luò)通過人工神經(jīng)元層發(fā)送數(shù)據(jù)。每個神經(jīng)元從上一層獲取信息并計算輸出,然后將其傳遞到下一層。深度學(xué)習(xí)使用多層人工神經(jīng)網(wǎng)絡(luò),是當(dāng)今幾乎所有AI應(yīng)用程序的首選架構(gòu)。人工神經(jīng)網(wǎng)絡(luò)首次使用是在20世紀(jì)50年代。
(2)支持向量機(jī)(SVM)
支持向量機(jī)(SVM)用于分類和回歸問題,其工作原理是找到分離不同數(shù)據(jù)點(diǎn)組的最佳直線或曲線(稱為“超級平臺”)。然后,這個超級平臺可以用來預(yù)測新數(shù)據(jù)點(diǎn)屬于哪一組。支持向量機(jī)(SVM)可以告訴人們哪些電子郵件是否是垃圾郵件,并被廣泛用于生物信息學(xué)、金融和計算機(jī)視覺等領(lǐng)域。
(3)決策樹
決策樹是一種用于進(jìn)行預(yù)測的監(jiān)督學(xué)習(xí)算法。它的工作原理是根據(jù)所選特征的值將數(shù)據(jù)遞歸地劃分為子集。
(4)隨機(jī)森林
隨機(jī)森林是決策樹的延伸。它們通過組合多個決策樹的結(jié)果來提高預(yù)測的準(zhǔn)確性。
(5)K-means聚類
K-means聚類是一種無監(jiān)督機(jī)器學(xué)習(xí)算法,它根據(jù)數(shù)據(jù)點(diǎn)的相似性將數(shù)據(jù)點(diǎn)劃分為K個聚類(不同的子集)。K的值由用戶預(yù)先定義或使用算法確定,它在圖像分割和文檔聚類等領(lǐng)域很有用。
(6)梯度增強(qiáng)
梯度增強(qiáng)是一種機(jī)器學(xué)習(xí)技術(shù),它通過結(jié)合許多弱模型的結(jié)果來構(gòu)建預(yù)測模型。它被用于網(wǎng)絡(luò)搜索排名和在線廣告。
(7)卷積神經(jīng)網(wǎng)絡(luò)(CNN)
卷積神經(jīng)網(wǎng)絡(luò)的靈感來自于人類大腦的視覺皮層,可以自動從圖像中學(xué)習(xí)邊緣和角落等特征。人工神經(jīng)網(wǎng)絡(luò)是通用的,而卷積神經(jīng)網(wǎng)絡(luò)是專門用于處理網(wǎng)格數(shù)據(jù)(如像素)的網(wǎng)絡(luò),因此用于圖像和視頻處理。
(8)長短期記憶網(wǎng)絡(luò)(LSTM)
長短期記憶網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò),用于處理語音和文本等順序數(shù)據(jù),因此對語音識別、機(jī)器翻譯和手寫文字識別非常有用。
(9)主成分分析(PCA)
主成分分析(PCA)是一種通過將數(shù)據(jù)投影到低維空間來降低數(shù)據(jù)維數(shù)的技術(shù)。它被用于人臉識別和圖像壓縮。
(10)Apriori算法
Apriori是一種關(guān)聯(lián)規(guī)則學(xué)習(xí)算法,這是一種通過識別變量之間的頻繁模式、關(guān)聯(lián)或相關(guān)性來發(fā)現(xiàn)大型數(shù)據(jù)集中變量之間關(guān)系的技術(shù)。在市場購物分析中,識別經(jīng)常一起購買的商品是很受歡迎的。
當(dāng)人們與AI互動時,就是在與這些算法進(jìn)行互動。人們傾向于將AI系統(tǒng)擬人化,但這對理解AI來說是沒有必要的。因為這只是數(shù)學(xué)問題,而且有局限性,其中的一個限制是對數(shù)據(jù)的依賴。AI算法需要采用大量高質(zhì)量的數(shù)據(jù)才能得到有效的訓(xùn)練。在AI中,需要更多更好的數(shù)據(jù)進(jìn)行訓(xùn)練。相比之下,一個人只需要通過一個例子就能學(xué)到更多的知識,也就是人更具備舉一反三的能力。
AI系統(tǒng)的普及應(yīng)用需要滿足以下條件中的一個或幾個:
(1)擴(kuò)展假設(shè)是正確的(簡單地增加更多的數(shù)據(jù)和計算將產(chǎn)生人工通用智能(AGI))。
(2)與生物路徑(例如飛機(jī)實現(xiàn)飛行,但設(shè)計得并不像鳥類)相比,大型語言模型(LLM)代表了一條可行的通用智能替代路徑。
(3)需要新的或創(chuàng)新的算法和架構(gòu),使AI系統(tǒng)能夠從一個或幾個例子中學(xué)習(xí)任何知識(這樣的系統(tǒng)可能需要一個有凝聚力的世界模型和虛擬/物理體現(xiàn))。
我們從AI那里學(xué)到了什么?
AI雖然功能強(qiáng)大,令人敬畏,但它也僅僅是一套基于公認(rèn)的數(shù)學(xué)原理、概率和統(tǒng)計學(xué)的優(yōu)化算法。目前還不清楚,一個融入AI的信息處理系統(tǒng)在什么時候會成為一個完全實現(xiàn)的有意識的數(shù)字生物,而且它的能力超過了人類的思維。然而,有一點(diǎn)是明確的,我們正在進(jìn)入一個新時代,而不斷增加的數(shù)據(jù)和計算資源正在改變我們所知道的世界。
(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )