1. 首頁 > 云知道 > >

人工智能的三大研究學派,什么是人工智能

云知道研究

人工智能到底是什么？

人工智能的三大研究學派,什么是人工智能


▲人工智能artificial intelligence英文縮寫AI，早在六十年的1956年夏天人工智能學科就誕生了 ?，F如今科技發展，使人工智能應用與人類生活的方方面面，隨著科技水平提高會不斷完善壯大 。簡單理解人工智能就是人不愿意做的事情由智能機器人代替 。人工智能的發展是以軟硬件為基礎，經歷了漫長的發展歷程 。
人工智能的原理是什么？
人工智能的三大研究學派,什么是人工智能


謝邀！在回復《人類與AI（人工智能）如何相處？（ https://www.wukong.com/answer/6955462920969830692/）》中談了在面對擁有自我意識的機器人，人類該如何與之相處？又該遵從哪些倫理道德？接下來，借著回復此問題，向大家介紹一下AI的三大核心要素（也是AI的三大基石）——數據、算力和算法 。
數據是AI算法的“飼料”在如今這個時代，無時無刻不在產生數據（包括語音、文本、影像等等），AI產業的飛速發展，也萌生了大量垂直領域的數據需求 。在AI技術當中，數據相當于AI算法的“飼料” 。機器學習中的監督學習（Supervised Learning）和半監督學習（Semi-supervised Learning）都要用標注好的數據進行訓練（由此催生大量數據標注公司，對未經處理的初級數據進行加工處理, 并轉換為機器可識別信息），只有經過大量的訓練，覆蓋盡可能多的各種場景才能得到一個良好的模型 。
目前，數據標注是AI的上游基礎產業，以人工標注為主，機器標注為輔 。最常見的數據標注類型有五種：屬性標注（給目標對象打標簽）、框選標注（框選出要識別的對象）、輪廓標注（比框選標注更加具體，邊緣更加精確）、描點標注（標注出目標對象上細致的特征點）、其他標注（除以上標注外的數據標注類型） 。AI算法需要通過數據訓練不斷完善，而數據標注是大部分AI算法得以有效運行的關鍵環節 。
算法是AI的背后“推手”AI算法是數據驅動型算法，是AI背后的推動力量 。主流的算法主要分為傳統的機器學習算法和神經網絡算法，目前神經網絡算法因為深度學習（源于人工神經網絡的研究，特點是試圖模仿大腦的神經元之間傳遞和處理信息的模式）的快速發展而達到了高潮 。南京大學計算機系主任、人工智能學院院長周志華教授認為，今天“AI熱潮”的出現主要由于機器學習，尤其是機器學習中的深度學習技術取得了巨大進展，并在大數據和大算力的支持下發揮巨大的威力 。
當前最具代表性深度學習算法模型有深度神經網絡（Deep Neural Network，簡稱DNN）、循環神經網絡（Recurrent Neural Network，簡稱RNN）、卷積神經網絡（Convolutional Neural Network，簡稱CNN） 。談到深度學習，DNN和RNN就是深度學習的基礎 。
DNN內部的神經網絡層可以分為三類，輸入層，隱藏層和輸出層, 一般來說第一層是輸入層，最后一層是輸出層，而中間的層數都是隱藏層 。DNN可以理解為有很多隱藏層的神經網絡，是非常龐大的系統，訓練出來需要很多數據、很強的算力進行支撐 。算力是基礎設施AI算法模型對于算力的巨大需求，推動了今天芯片業的發展 。據OpenAI測算,2012年開始,全球AI訓練所用的計算量呈現指數增長,平均每3.43個月便會翻一倍,目前計算量已擴大30萬倍,遠超算力增長速度 。
在AI技術當中，算力是算法和數據的基礎設施，支撐著算法和數據，進而影響著AI的發展，算力的大小代表著對數據處理能力的強弱 。算力源于芯片，通過基礎軟件的有效組織，最終釋放到終端應用上，作為算力的關鍵基礎，AI芯片的性能決定著AI產業的發展 。加快補齊AI芯片短板從技術架構來看，AI芯片可以分為四大類：通用性芯片（GPU，特點是具備通用性、性能高、功耗高）、半定制化芯片（FPGA，特點是可編程、功耗和通用性一般）、全定制化芯片（ASIC，特點是不能擴展、性能穩定、功耗可控）和類腦芯片（特點是功耗低、響應速度快） 。

推薦閱讀