久久国产成人av_抖音国产毛片_a片网站免费观看_A片无码播放手机在线观看,色五月在线观看,亚洲精品m在线观看,女人自慰的免费网址,悠悠在线观看精品视频,一级日本片免费的,亚洲精品久,国产精品成人久久久久久久

分享

小學(xué)堂|認(rèn)識(shí) AI,,一定要知道這些知識(shí),!

 剩礦空錢 2017-11-09

從一開(kāi)始計(jì)算機(jī)就被設(shè)計(jì)成幫助人類解決各種問(wèn)題,,傳統(tǒng)的軟件工程就是針對(duì)某個(gè)問(wèn)題進(jìn)行編程。換句話說(shuō),,就是我們告訴計(jì)算機(jī)一個(gè)能解決某個(gè)問(wèn)題的算法,,并讓它來(lái)執(zhí)行。現(xiàn)實(shí)世界中很多問(wèn)題可以被描述成某個(gè)算法,。 比如,,小學(xué)算數(shù)中,我們用加法來(lái)解決計(jì)數(shù)問(wèn)題,。一旦現(xiàn)實(shí)問(wèn)題被抽象成了算法,,計(jì)算機(jī)能比人類更快速,更高效地執(zhí)行它們,。

不過(guò),,人們也漸漸的發(fā)現(xiàn)了這種過(guò)程的局限性。對(duì)于類似圖像識(shí)別這類問(wèn)題,,在人類看來(lái)是如此的輕而易舉,,然而想把這類問(wèn)題描述成一種高效的算法卻并不容易。由于對(duì)象的特征有可能被隱藏起來(lái),,我們不能簡(jiǎn)單的用 ' 有四條腿 ' 或 ' 有兩只眼睛 ' 來(lái)對(duì)判斷是否是貓的照片,。而且,照片中還可能只顯示了貓的一部分,,問(wèn)題就演變?yōu)樽R(shí)別貓的某個(gè)部位,,進(jìn)而使得問(wèn)題變得愈加復(fù)雜。

以上對(duì)于傳統(tǒng)編程來(lái)說(shuō)的難題卻恰恰是機(jī)器學(xué)習(xí)的強(qiáng)項(xiàng),。我們并不需要告訴計(jì)算機(jī)如何解決這個(gè)問(wèn)題,,而是使用樣本來(lái)訓(xùn)練計(jì)算機(jī),使其學(xué)習(xí)算法本身,。  我們用大量標(biāo)記為貓的照片來(lái)訓(xùn)練計(jì)算機(jī)(有監(jiān)督學(xué)習(xí)),。  通過(guò)這種方式,算法得到了演進(jìn),,最終能夠識(shí)別出各種貓的圖片,。

與傳統(tǒng)軟件工程不同,機(jī)器學(xué)習(xí)中的計(jì)算機(jī)考察的是神經(jīng)網(wǎng)絡(luò)中的邊際權(quán)重,。  這個(gè)原理與人類大腦中的學(xué)習(xí)過(guò)程非常相似,,依靠神經(jīng)元的相互通訊來(lái)完成。而人類很難對(duì)這個(gè)具有邊際權(quán)重的網(wǎng)絡(luò)做出全面的解釋,。在這種情況下,,深度學(xué)習(xí)應(yīng)運(yùn)而生,,并被證明了它的成功。深度學(xué)習(xí)是多種機(jī)器學(xué)習(xí)方法中的一種,,目前也成為了人工智能中的一門(mén)學(xué)科,,是計(jì)算機(jī)科學(xué)研究的主要分支之一。  早在 2012 年,,一支 Google 研究小組成功地訓(xùn)練了一個(gè)由 16,000 臺(tái)計(jì)算機(jī)組成的網(wǎng)絡(luò),這個(gè)網(wǎng)絡(luò)能通過(guò)處理千萬(wàn)記的視頻圖像,,來(lái)識(shí)別出貓或任何指定的事物對(duì)象,。而其中他們就采用了深度學(xué)習(xí)技術(shù)。

許多現(xiàn)實(shí)世界中的問(wèn)題更需要通過(guò)機(jī)器學(xué)習(xí)的方式來(lái)解決,。這是由于許多問(wèn)題常常需要我們發(fā)現(xiàn)數(shù)據(jù)中的某種特征或模式,,例如從圖像中識(shí)別出某個(gè)對(duì)象,從語(yǔ)言中提取目標(biāo)文本,,從交易數(shù)據(jù)中偵測(cè)到可能的欺詐行為,。

這里有一個(gè)簡(jiǎn)單的例子。假設(shè),,我們有許多傳感器在發(fā)送并接受數(shù)據(jù),。為了確保它們的正常工作,我們需要對(duì)它們進(jìn)行實(shí)時(shí)的監(jiān)測(cè),,一旦其中的某臺(tái)機(jī)器發(fā)生故障,,我們就要進(jìn)行及時(shí)的處理。通過(guò)監(jiān)測(cè),,我們可以從導(dǎo)致故障的數(shù)據(jù)流中發(fā)現(xiàn)某些固定的模式,。  一旦了解了這些模式,就可以在日常運(yùn)行期間偵測(cè)這種模式,。一旦這種模式出現(xiàn),,就能提前預(yù)測(cè)到可能發(fā)生的故障,從而提高運(yùn)維的效率,。

雖然機(jī)器學(xué)習(xí)的原理并不新鮮,,但它越來(lái)越受到人們的追捧。這有三個(gè)主要原因:首先,,得益于大數(shù)據(jù)技術(shù),,我們有了充分的樣本數(shù)據(jù)可以被用來(lái)訓(xùn)練計(jì)算機(jī)。  其次,,我們現(xiàn)在擁有了前所未有的計(jì)算能力,,特別是在云計(jì)算的基礎(chǔ)下。  第三,,一系列開(kāi)放源碼的項(xiàng)目使得幾乎每個(gè)人都可以利用這些機(jī)器學(xué)習(xí)的算法為自己的項(xiàng)目進(jìn)行研發(fā),。

機(jī)器學(xué)習(xí)并不是傳統(tǒng)軟件工程的替代品,,而是對(duì)其做了很好的補(bǔ)充。  機(jī)器學(xué)習(xí)提供了許多有用的工具,,使我們能夠解決更多傳統(tǒng)軟件工程解決不了的問(wèn)題,。  機(jī)器學(xué)習(xí)帶來(lái)了許多新的機(jī)會(huì),同時(shí)現(xiàn)有的系統(tǒng)也越來(lái)越多地采用了機(jī)器學(xué)習(xí)技術(shù),。

其中,,遵循模式的重復(fù)操作就是一個(gè)典型的例子。  想象一下,,一個(gè)應(yīng)用系統(tǒng)有著多達(dá)一百多個(gè)功能,,但其實(shí)用戶每天一般只會(huì)使用其中的幾個(gè)功能。  通過(guò)觀察用戶操作步驟,,計(jì)算機(jī)可以學(xué)習(xí)并預(yù)測(cè)用戶的下一步操作,,從而提高效率。另一個(gè)例子就是分配和轉(zhuǎn)換數(shù)據(jù)(例如,,用于填充數(shù)據(jù)倉(cāng)庫(kù)的 ETL 作業(yè)), 計(jì)算機(jī)在這個(gè)過(guò)程中學(xué)習(xí)重復(fù)的數(shù)據(jù)和對(duì)象,,并對(duì)其中的步驟進(jìn)行自動(dòng)化并提高性能。

在其他領(lǐng)域我們也可以找到這樣的場(chǎng)景:針對(duì)不同學(xué)生(特別是 ' 大型開(kāi)放式在線課程 ' 或 MOOC 課程)定制個(gè)性化的學(xué)習(xí)材料,、對(duì)疾病的早期診斷,、定位正確的在線營(yíng)銷目標(biāo)群體、自動(dòng)識(shí)別數(shù)據(jù)質(zhì)量問(wèn)題,,或是在線交友網(wǎng)站的自動(dòng)匹配,。

由于其出色的功能,Spark(與 Hadoop 組合)已經(jīng)成為機(jī)器學(xué)習(xí)主流的大數(shù)據(jù)框架,。  Talend 也正在往這個(gè)方向發(fā)展,,而且它更進(jìn)一步,使用了更高效的建模作業(yè),。在使用建模以后,,就能降低復(fù)雜性,同時(shí)也使得它的底層技術(shù)有了自己的獨(dú)立性,。由于這些技術(shù)在不停的改進(jìn)中,,因此只有少數(shù)這方面的專家才能運(yùn)用得法。

雖然目前只有少數(shù)專家才需要真正了解機(jī)器學(xué)習(xí)領(lǐng)域的算法細(xì)節(jié),,但是另一方面,,機(jī)器學(xué)習(xí)概念的普及也同樣重要。從大量的樣本中發(fā)現(xiàn)某種模式最終拓展了計(jì)算機(jī)可以解決問(wèn)題的類別,,具體來(lái)說(shuō)是就是自動(dòng)化的決策過(guò)程,,這正是計(jì)算機(jī)學(xué)到的東西。它從訓(xùn)練數(shù)據(jù)中積累知識(shí),,之后利用學(xué)到的知識(shí)對(duì)新數(shù)據(jù)做出決策,。  一方面,,我們可以直接利用機(jī)器學(xué)習(xí)的訓(xùn)練結(jié)果讓決策過(guò)程更智能、更準(zhǔn)確,。  另一方面,,我們也可以對(duì)其他領(lǐng)域的機(jī)器學(xué)習(xí)的結(jié)果進(jìn)行分析、改進(jìn),,使其適合自己的業(yè)務(wù)領(lǐng)域,。

總而言之,如今計(jì)算機(jī)已經(jīng)不僅能夠遵循明確的指令(比如,,算數(shù)計(jì)算),,還可以通過(guò)樣本來(lái)進(jìn)行學(xué)習(xí)(比如,前面提到的圖像識(shí)別),。在不同的場(chǎng)景下,這兩種方法都有著本身的特點(diǎn)和優(yōu)勢(shì),。  然而,,如果我們能換種思路,把這兩種方式結(jié)合在一起,,那可能在人工智能方面我們又會(huì)向著最終目標(biāo)更進(jìn)一步,。

本文來(lái)源:全球人工智能、Dzone,、AI Zone,;

原網(wǎng)頁(yè)已經(jīng)由 ZAKER 轉(zhuǎn)碼以便在移動(dòng)設(shè)備上查看查看原文

    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,所有內(nèi)容均由用戶發(fā)布,,不代表本站觀點(diǎn),。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息,,謹(jǐn)防詐騙,。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊一鍵舉報(bào),。
    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評(píng)論

    發(fā)表

    請(qǐng)遵守用戶 評(píng)論公約

    類似文章 更多