e-works数字化企业网  »  文章频道  »  管理信息化  »  BI

有哪些传统数据科学技术被大众媒体称为人工智能(AI)?

2017/2/20    来源:互联网    作者:佚名      
关键字:数据科学技术  人工智能  AI  
本文对数据科学技术的简要概述,而这些数据科学技术在通俗报纸中被称为人工智能(AI)。

    Bill Vorhies不久前写了一篇文章《AI背后的数据科学》,他分享的观点很新颖,经InfoQ翻译并发布。

    对于那些对AI感兴趣但还没有深入研究的传统数据科学家,下面是对数据科学技术的简要概述,这些数据科学技术在通俗报纸中被称为人工智能(AI)。

    Data Science Central与其他人已经撰写了相当多的关于构成AI的各种类型的数据科学的文章。但是Bill Vorhies仍然听到很多人询问关于AI的问题,好像它就是单一的实体。他表示,不是这样的。AI是一个数据科学技术的集合,在这一点上,开发甚至都没有特别好地集成,或易于使用。然而,在这些领域中,他们仍然取得了很大的进步,并受到了大众媒体的关注。

    这篇文章并不是一个深入的研究,而是进行粗略的介绍,以便你了解这领域的研究进展和发展趋势。如果你是一位传统数据科学家,读过一些文章,但仍然没有把这些拼图拼起来建立全面的认识,你可能会发现这是一种整合你当前的知识,甚至发现你想关注哪个目标并致力于此的方式。

AI只是数据科学部件的总和

    构成AI的数据科学“部件”分为以下几类。这里有所重叠,但都是详细的主题,你会在媒体上看到。

    ●深度学习

    ●自然语言处理

    ●图像识别

    ●强化学习

    ●问答机

    ●对抗性训练

    ●机器人

    这些都是独立的学科(好吧,深度学习的类别实际上还包含一些其他)。AI只是这些部件的总和。它们只是由一大批创业公司和主要参与者创造的一些真正奇妙的应用非常松散地结合在一起。当它们一起工作时,例如Watson、或Echo/Alexa、或者在使用自驾车,那么它们应该可以超过组成它们的部分的总和,然而情况并非如此。如何集成这些不同技术仍然是最大的挑战之一。

我们的AI必须做什么? 

    当向初学者解释这一点时,我总是认为,从AI需要具备什么类似人类能力的拟人化描述开始的话,还是有所帮助的。

    ●观看:这是定格画面和视频图像的识别。

    ●听取:通过文本或口头语言接收输入。

    ●说话:以相同的语言或甚至外语有意义地响应我们的输入。

    ●像人类一样做出决定:提供建议或新知识。

    ●学习:根据其环境中的更改来改变其行为。

    ●移动:以及操作物理对象。

    您可以立即开始看到,当今新兴的AI许多商业应用,只有这些能力中的一部分。但我们期待的是,未来有更复杂的应用能具备几乎所有这些能力。

    今天出现的许多AI的商业应用程序只需要这些功能中的一部分。但是我们期待的更复杂的应用程序将需要几乎所有这些功能。

将人类能力转换为数据科学 

    这里确实有点凌乱。这些能力中的,每个不一定与其基础数据科学一一对应。但是,要真正了解现今AI正在发生着什么,理解数据科学如何与这些要求相匹配是最重要的。作为一张图解,它们的匹配或多或少像这样的:

    深度学习发生了什么?

    您可能已经注意到,我们的图表中缺少“深度学习”。这是因为它是上面讲到的递归神经网络和卷积神经网络的汇总类别。人工神经网络(ANNs)是自80年代以来的最高水平,并且一直是用于解决标准分类和回归问题的标准数据科学机器学习工具包的一部分。

归神经网络和卷积神经网络的汇总类别

图1 归神经网络和卷积神经网络的汇总类别

    最近发生的事情是,我们大量增加并行处理,使用GPU(图形处理单元)而不是传统的英特尔芯片,允许我们实验的ANN有几十个甚至超过一百个隐藏层的版本。这些隐藏层就是我们为什么将这些类型成为“深度”的原因,因此也成了“深度学习”的说法。添加隐藏层意味着乘法计算的复杂性,这就是为何我们不得不等待硬件赶上我们的雄心。

    至少有27种不同类型的ANN,但最重要的是卷积神经网络(CNN)和递归神经网络(RNN),没有它们,图像识别和自然语言处理将是不可能的任务。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐