也许更令人惊讶的是,我们许多人几乎没有理解的技术正在悄悄地改变我们的生存,即使有的话,也是如此复杂,甚至科学家也有一个棘手的时光来解释它。
“人工智能是一系列技术,执行的任务被认为是人类执行的,需要智力。”Vasant Honavar,宾夕法尼亚州立大学人工智能研究实验室的教授兼主任。“我说'思想',因为没有人真的很确定什么是智力。”
Honavar描述了智力的两个主要类别。有狭窄的智力这是在狭义的域中实现能力,例如分析X射线和放射学中MRI扫描的图像。通用情报相比之下,是一个更像人类的学习任何东西并谈论它的能力。Honavar解释说:“一台机器可能擅长放射学诊断,但是如果您询问有关棒球的问题,那将是毫无头绪的。”人类的智力多功能性“此时仍然超出了AI的范围”。
根据Honavar的说法,AI有两个关键作品。其中之一是工程部分 - 即建立以某种方式利用智能的工具。另一个是智力科学,或者更确切地说,如何使机器能够提出的结果与人脑的想法相当,即使机器通过截然不同的过程实现了它。霍纳瓦尔(Honavar)使用类比,“鸟儿飞行和飞机飞行,但它们以完全不同的方式飞行”。“即便如此,他们都利用了空气动力学和物理学。以相同的方式,人工智能基于这样的观念,即关于智能系统的行为方式有一般原则。”
AI基本上是我们试图理解和模仿大脑工作方式的结果,以及将其应用于赋予大脑样功能到其他自主系统(例如,例如,无人机,机器人和代理商),”Kurt Cagle,作家,数据科学家和未来主义者是咨询公司语义的创始人,他在电子邮件中写道。他也是Cagle报告,每日信息技术新闻通讯。
尽管人类并没有像计算机那样真正思考,这些计算机利用电路,半导体和磁性介质而不是生物细胞来存储信息,但仍有一些有趣的相似之处。“我们开始发现的一件事是图网络当您开始谈论数十亿个节点时,非常有趣,大脑本质上是一个图网络,尽管您可以通过在电容性火花火势之前改变神经元的阻力来控制过程的优势,” Cagle解释说。神经元本身为您提供了非常有限的信息,但是将足够多的不同强度的神经元射出,最终您会得到一种仅根据某些刺激而发射的模式,通常通过DSP调制电信号[即数字信号处理]我们称我们的视网膜和耳蜗。”
Honavar说:“ AI的大多数应用都在拥有大量数据的域中。”再次使用放射学示例,由人类放射科医生评估的X射线和MRI扫描的大型数据库的存在使得可以训练一台机器模仿该活动。
AI通过将大量数据与智能算法- 一系列说明 - 允许软件从数据的模式和功能中学习,SAS底漆关于人工智能的解释。
如SAS底漆所指出的那样,在模拟大脑的工作方式时,AI使用了许多不同的子场。
- 机器学习自动化分析模型构建,以在数据中找到隐藏的见解而没有编程以查找某些内容或得出一定的结论。
- 神经网络模仿大脑相互联系的神经元的数组,并在各个单元之间中继信息,以找到连接并从数据中得出含义。
- 深度学习利用非常大的神经网络和许多计算能力来在数据中找到复杂的模式,例如图像和语音识别。
- 认知计算正如SAS所说的那样,是关于建立“自然,类似人类的互动”,包括使用解释言语和响应的能力。
- 计算机视觉采用模式识别和深度学习来了解图片和视频的内容,并使机器能够使用实时图像来理解周围的内容。
- 自然语言处理涉及分析和理解人类语言并对其做出回应。