CS漫谈 & 浅谈人工智能——它是什么以及为什么重要

苏世计算机考研，程序猿专属的学习分享社区

/ 写在前面的话 /

CS漫谈，聊聊和计算机有关的那些事。

小苏今天为大家讲讲人工智能，将分为以下5个部分：

人工智能的历史和今天

为什么人工智能很重要？

如何使用人工智能？

使用人工智能有哪些挑战？

人工智能如何运作？

1、人工智能的历史和今天

人工智能一词始创于1956年，但是由于数据量的增加，先进算法以及计算能力和存储能力的提高，人工智能在今天变得越来越流行。

1950年代早期的AI研究主要针对复杂公式的求解。1960年代，美国国防部对这种工作产生了兴趣，并开始训练计算机来模仿人类的算式推导，美国国防高级研究计划局（DARPA）在1970年代完成了街道测绘项目。DARPA于2003年制造出了智能个人助理，远远早于家喻户晓的苹果Siri，微软的Cortana。这项早期工作为我们今天在计算机中看到的各种自动化和公式推导铺平了道路，其中包括可以设计为补充和增强人类办事效率的决策支持系统和智能搜索系统。

众所周知，好莱坞的电影和科幻小说将AI描绘成占领世界的类人机器人，但是AI技术的当前发展并没有那么可怕，甚至还没有那么聪明。取而代之的是，人工智能已经发展为在每个行业提供许多意想不到的便利。

图一、神经网络的早期工作激起了“思维机器”的兴奋

图二、机器学习变得流行

图三、深度学习突破推动AI蓬勃发展

2、为什么人工智能很重要？

01

AI通过数据自动化的重复学习得以实现相应功能，但是，人工智能不同于硬件驱动的机器人自动化，AI不是自动执行手动任务，而是可靠、无疲劳地执行频繁、大量的计算机化任务。AI为现有的产品增加了智能，但是在大多数情况下，不会将AI单独作为商品出售给大众。而是让大家已经使用的产品将通过AI功能得到大幅改善，就像将Siri作为新一代Apple产品的功能添加一样。自动化，对话平台，机器人和智能机都可以与大数据结合使用，以改善从安全智能到投资分析等各种场景下的所应用的老技术，从而获取更高性能的新技术新产品。

02

AI通过渐进式学习算法进行不断调整，找出数据的结构和规律性，从而使该算法成为相应的分类器或预测器。因此，就像一位老者可以教自己如何下棋一样，AI可以教自己下一个推荐什么热门产品。当给定新数据时，模型会适应。反向传播也是一种AI技术，允许在第一个答案不太正确时通过训练和添加数据来调整模型。

03

人工智能使用具有许多隐藏层的神经网络分析更多和更深的数据。几年前几乎不可能构建具有五个隐藏层的欺诈检测系统，但是现在不可思议的计算机功能和大数据改变了这一切这需要大量数据来训练深度学习模型，因为它们直接从数据中学习，你可以提供的数据越多，它们变得越准确。

04

人工智能通过深度神经网络实现了令人难以置信的准确性，这在以前是不可能的。例如，你与Siri交互都是基于深度学习的，并且随着我们持续性使用这些语音助手，Siri将变得越来越准确。在医学领域，来自深度学习，图像分类和对象识别的AI技术现在可以用在MRI上发现癌症，并且准确性与经验丰富的放射科医生旗鼓相当。

诸如此类的因AI导致的方便快捷应用在现代生活中处处可见，这也是为什么近年来世界大力发展人工智能的根本原因。

3、如何使用人工智能？

人工智能不能代替人类，但它增强了我们的能力，使我们的工作做得更好。由于AI算法的学习方式与人类不同，因此它们对事物的看法也有所不同。人工智能可以看到存在于事物之间我们普通人看不到的关系和模式，每个行业对AI功能的需求都很高，当下利用人工智能技术的应用场景有：

卫生保健

AI应用程序可以提供个性化的医学护理方案，设备上的私人健康助理还可以充当生活教练，提醒你吃药，锻炼身体或保持健康饮食。

零售

AI提供了虚拟购物功能，可提供个性化的建议并与消费者讨论购买选项，而且AI还将改善物流库存管理和站点布局技术。

制造业

AI可以使用循环网络（一种与序列数据一起使用的特定类型的深度学习网络），分析工厂物联网数据，使其从连接的设备流向预测预期的负载和需求端。

银行金融业

人工智能提高了人类工作的速度，准确性和有效性。在金融机构中，人工智能技术可用于识别哪些交易可能是欺诈性的，采用快速准确的信用评分以及自动执行密集数据管理任务。

4、使用人工智能有哪些挑战？

人工智能将改变每个行业，但我们必须了解其局限性。AI的原则局限性在于它只能从数据中学习，没有其他方法可以整合规律，这意味着数据中的任何错误都会反映在结果中，并且必须单独添加其他预测或分析层。

现如今的AI系统经过训练，可以完成明确定义的任务。玩扑克的系统不能玩单人纸牌或国际象棋。检测欺诈的系统无法驾驶汽车或向用户提供法律咨询，医疗保健的AI系统无法准确检测税收欺诈或保修索赔欺诈。换句话说，这些系统非常非常专业。他们只专注于一项任务，而且行为表现完全不会像人类，从而保证超高的效率和准确率。同样，现在的自学系统也不是自主系统。你在电影和电视中看到的AI技术仍然是科幻小说，但是这种拥有自主学习能力并且有发散思维的AI技术将会是今后科学发展的方向。

5、人工智能如何运作？

AI通过将大数据与快速迭代的处理操作和智能算法结合在一起来工作，从而使该软件可以自动从数据的模式或特征中学习。人工智能是一个广泛的研究领域，包括许多理论，方法和技术，以及以下主要子领域：

机器学习，使分析模型构建自动化。它使用来自神经网络，统计学，运筹学和物理学的方法来找出数据中隐藏的特性，重新组织已有的知识结构使之不断改善自身的性能。

神经网络其实也是一种机器学习类型，由相互连接的单元（如神经元）组成，这些单元通过响应外部输入，在每个单元之间中继信息来处理信息。该过程需要对数据进行多次遍历才能找到连接并从未定义的数据中获取含义。深度学习使用具有多层处理单元的巨大神经网络，利用计算能力的进步和改进的训练技术来学习大量数据中的复杂模式。常见的应用包括图像和语音识别。

认知计算也是AI的一个子领域，它致力于与机器进行自然的，类似于人的交互。使用AI和认知计算，最终目标是使机器能够通过解释图像和语音的能力来模拟人类行为过程，然后做出连贯的回应。

计算机视觉依赖于模式识别和深度学习来识别图片或视频中的内容。当机器可以处理，分析和理解图像时，它们可以实时捕获图像或视频并解释其周围环境。

自然语言处理 （NLP）是计算机分析，理解和生成人类语言（包括语音）的能力。NLP的下一个阶段是自然语言交互，它允许人类使用日常的日常语言与计算机进行通信以执行任务。

此外，在AI启用和支持方面也是涉及了多项技术：图形处理器（GPU）是AI的关键，因为它们提供了迭代处理所需的强大计算能力。训练神经网络需要大量数据和强大的计算能力。物联网从设备源端生成大量数据，其中大部分未经分析，我们训练网络所用到的数据都是从这而得到的，使用AI自动化模型将使我们能够使用更多模型。

另外开发出来的先进算法通过应用程序接口（API）添加到现有的产品和软件包。比如这种API可以将图像识别功能添加到安防监控系统中，当监控内出现可疑人员时候，监控系统便会发出警报。

总之，AI的目标是提供可以根据输入进行推理并根据输出进行解释的软件。人工智能将提供与人类类似的软件交互，并为特定任务提供决策支持，但它在现在甚至未来十年内都是不能替代人类，而且能达到替代人类的地步还是需要很久的时间。

小苏在此旨在分享人工智能一些基本信息，有对人工智能感兴趣的同学，读研深造是一个不错且明智的选择。如何抉择人工智能的院校专业信息，感兴趣的同学可以参阅我们历史文章。

苏世学社旗下品牌，专注于计算机考研

计算机考研一手资讯，原创高质量干货

深度的学习分享丨咨询前辈丨个性化指导