如何做人工智能

日期:

2019-08-13 14:40:31

的风景:

9

评价:

1喜欢 0不喜欢

分享:

如何做人工智能

近年来我们。 它是使用几乎无处不在:从领域的高技术和复杂的数学向医学、汽车工业和甚至有智能手机。 技术基础的工作AI在现代观点,即我们每天使用,有时甚至不去想它。 但是,什么是人工智能吗? 它是如何工作的? 而且是危险的?

<跨id="更321507">

什么是人工智能

第一,让我们来定义的术语。 如果你想像人工智能的东西是能够独立思考,作出决定,且通常的迹象的意识,然后赶紧让你失望。 几乎所有现有的今天,该系统不是更接近«;成本»的定义,大赦国际的。 和这些系统,显示出这种活动,它实际上仍内运作预先定义的算法。

有时,这些算法,但他们保留的«框架»,其内AI工作。 没有«宪章»;以及特别意识的迹象没有汽车。 这只是一个非常有成效的程序。 但他们«;最佳业务». 此外,大赦国际系统继续改善。 是的,他们被安排相当unhackneyed. 甚至如果你丢弃,事实上,现代人工智能是远非完美,它有我们很多共同点。

如何做人工智能

首先AI可以执行他们的任务(关于其后)和要获得新的技能,通过深入的机学习。 这学期我们太经常听到和使用。 但这是什么意思? 不像«;经典»的方法,当所有的必要信息载入提前系统,计算机学习算法导致系统发展他们自己的,学习可用的信息。 其中,此外,机器在某些情况下,也可以寻找自己。

例如,创建一个程序,以侦测欺诈,该机学习算法的工作列表的银行交易及其结果(合法或非法). 该机学习模型考虑的例子和发展统计的依赖之间的合法和欺诈交易。 然后,当你提供算法的详细信息的一个新的信贷交易,他klassificeret它根据该模式,他提请从实例。

通常,更多的数据提供更准确地成为该机学习算法的同时执行他们的任务。 特别是有用的解决问题时那里的规则是不预先定义并不能解释二进制的。 回到我们的例子,与银行业务:在事实上离开我们是二进制:0—;一个合法运作,1—非法的。 但是为了达到这一结论,该系统需要执行一整套参数和如果你让他们动手动,那么,它将采取更多的超过一年。 和预测的所有选项都同样不会的工作。 一个系统基于深入的学习机会能够认识到的东西,即使正是这样一种情况下她以前从未遇见了.

深入学习和神经网络

的时候,作为一个典型机械学习的算法解决许多问题,其中有很多信息在数据库,他们不应对,可以这么说,«;视觉、听觉»;数据,如图像、视频、音频文件等。

<大段引用>

例如,创建预测模型的乳腺癌使用的典型机械学习的方法要求程序员和数学家,说一名研究人员在该领域的艾杰里米*霍华德。 科学家们必须做很多较小的算法机学习,以应付流动的信息。 独立的子系统研究x-射线图像,私人和#8212;对核磁共振成像、其他—;对于解释血液测试,等等。 对于每一分析,我们将需要自己的系统。 然后,他们都联合成一个大系统…;这是一个非常困难和资源密集的过程。

<面width="500"height="281"src="https://www.youtube.com/embed/i76E6tvey_M?feature=oembed"架边界="0"允许="加速计;自动播放;加密-媒体;陀螺仪;画中画"allowfullscreen>

深学算法,以解决同样的问题使用深度的软件类型的建筑,启发人的脑子(虽然神经网络不同生物的神经元,原则的工作是几乎相同)。 神经计算机网络—;链接«;电子神经元»,这是能够处理和分类的信息。 他们是如何«层»;每«;层»;负责东西,最终形成一个总的画面。 例如,当你火车神经网络上的图像的各种各样的对象,她发现方式的提取功能,从这些图像。 每一层的神经网络检测到某些特点:物体的形状、颜色的物体等。


a<他们>肤浅层的神经网络的发现共同的特点。 深层已经揭示了实际的对象。 图一示意图的一个简单的神经网络。 绿色代表输入神经元(postupala信息),蓝色的—隐藏的神经元(数据分析),黄出神经元(决定)

神经网络—;是人造人大脑?

尽管结构类似的机和人类神经网络特点的我们的中枢神经系统,他们不具备的。 神经计算机网络基本上是所有的同事业。 只是碰巧,最高度有组织的系统用于计算原来是我们的大脑。 你可能听说过的表达«;我们的大脑—;这种计算机»? 科学家只是#171;重复»的一些方面,其结构在«;数字形式». 它只是允许的速度计算,但不赋予机的意识。

<大段引用>

这很有趣:

神经网络已经存在,由于1950年代(至少在形式concepi). 但是,直到最近,他们没有得到多少的发展,因为他们的创作所需要的大量数据和计算能力。 在过去几年中,它成为可供使用,所以神经网络和脱颖而出之后他发展。 重要的是要明白,对于他们充分的外观缺乏技术。 因为他们没有现在为了把技术到新的水平。

为什么使用深度的学习和神经网络

有几个领域,这两种技术有助于实现重大进展。 而且,他们中的一些我们每天都在使用我们的生活,甚至不考虑什么是他们背后。

    p—;能力的软件,以了解内容的图像和视频。 这是其中一个领域深入的学习已经取得很大进展。 例如,图像处理算法深入学习可以检测到不同类型的癌症、肺病、心脏等。 并且要做得更快和更有效的医生。 而是深入学习的也根植于许多应用中使用的每一天。 苹果和谷歌面ID的照片使用深学习认识面和提高质量图像。 Facebook使用深度的学习以自动标记的人在上传照片等等。 计算机的视野还有助于公司自动识别并阻止可疑的内容,例如暴力和裸体。 最后,深入学习发挥着非常重要的作用,确保自动驾驶的汽车,使他们能够了解他们周围的环境。
  • 语音识别,语音。 当你说的命令对于你的助手,算法,深入学习,改变你. 几个网上应用程序的使用深度的学习抄录音频和视频文件。 甚至当你171;catamite»;歌曲,在这种情况下,涉及的算法、神经网络和深刻的机学习。
  • 搜索网页:即使你寻找的东西在一个搜索引擎,以便为你的请求待处理的更准确的结果是最正确的,该公司开始连接的算法的神经网络为他们的搜索引擎。 因此,性能的搜索引擎Google增加了几次后的系统转换至机深学和神经网络。

的限制,深入学习和神经网络

尽管有其优点,深入学习和神经网络也有一些缺点。

    一个li>依赖的数据:在一般情况下,深入学习需要大量的培训数据,以准确地完成他们的任务。 不幸的是,对于许多问题的解决不足的高质量的培训数据,以创造工作模式。
  • 不可预测性:神经网络是在一些奇怪的方式。 有时候,一切都按计划进行。 并且有时(甚至如果神经网络处理与其任务),即使创造者正在努力了解如何算法的工作。 缺乏可预测性,使得极其难以解决和纠正错误算法的神经网络。
  • 算法抵消:算法深入学习的一样好的数据对他们的培训。 问题是,训练数据常常包含隐藏的或明显的错误或遗漏,和算法得到他们的«继承». 例如,面部检测的算法、培训主要是在照片的白人的工作将较少准确的人有不同的皮肤颜色。
  • 缺乏聚合:深入学习的算法是执行有目的的任务,但不概括他们的知识。 人类不同,该模式的深度学习,不会能够发挥的另一个类似的游戏:说,在魔兽。 此外,深入学习不配合的数据偏离其培训的实例。

未来的深入学习的神经网络,并AI

很明显,工作深入的学习和神经网络仍然远远没有完成。 各种正在努力提高深学习算法。 深学习—;它是一个简单技术在创造人工智能。 它正变得越来越受欢迎在过去的几年里,谢谢以丰富的数据和增加计算能力。 这是基本的技术基础的许多应用程序,我们每天使用。

但是出生在这一技术的基础的意识? 真正的人工生命? 一个科学家认为,在当时的编号之间的连接部件的人工神经网络的方法相同图,你必须在人的大脑之间的神经元,像这样的东西可能会发生。 然而,这zayavlenie非常值得怀疑的。 为了一个真正的爱现,我们需要重新思考发展办法的基础的系统。 所有这就是现在—;这只是一个应用程序来严格限范围的任务。 如果我们不想相信未来是现在…

你怎么想? 引起人们的爱 请您分享您的意见,在我们

建议

在荷兰打开的世界上第一个

在荷兰打开的世界上第一个"浮动的"农场

我们已经写了许多时间有关,但也许我们从来没有触及问题的漂浮农场。 想象一下他们存在! 此外,一个这样的地方中心,位于西欧的—;在荷兰。 隔壁的欧洲最大港口,在鹿特丹是一个未来的平台,以供其所有的居民全年获得清洁用水、新鲜的牧草和其他"烹饪的乐趣". 其已经建立了一个浮动的农场? 这似乎是有什么动物,需要以外的其通常的生境? 这将有可能建立一个相当现代化的农场,并在地面上。 那么,根据开发这样一个不寻常的项目,只是仍然在地面的情况。 荷兰—;一个小而人口密集的国家,已经带来...

为什么打哈欠是会传染吗?

为什么打哈欠是会传染吗?

我们每个人都知道,从经验,如果至少有一个小的打哈欠,即使在最小的团队,那么你就可以开始整个链条的这个奇怪而有趣的现象。 而且,有些人只是想关于这个舒缓过程,作为已经经过一些时刻,他们成为受害者。 你有没有想过什么是原籍国的这种大规模毁灭性武器? 如果是的话,那么科学家们回答这个长期令人困扰人类的问题。 人为什么要打哈欠? 根据科学家出现的传染打哈欠是由于存在这样的人的素质的同情。 该进程的巨大在其上下文中是一个具体标志的非言语沟通。 换句话说,正常的打哈欠可能显示,一个特定的其他人是你的情绪,...

评论意见 (0)

这篇文章已经没有意见,是第一个!

增加的评论

相关消息

我需要接种疫苗?

我需要接种疫苗?

如果你认为这样的疾病如麻疹、破伤风和百日咳嗽不再是一个威胁,我们有个坏消息告诉你。 在过去几年世界各地越来越受欢迎的运动反对者接种疫苗。 在2019年疫苗接种的恐惧超过。 这种恐惧导致爆发的麻疹和百日咳在俄罗斯、欧洲和美国。 红色和艮图像中选定的国家,其中记录的大爆发麻疹。 人们如何克服病毒 的历史,我们的物种。 失败者消失。 记得大量的流行病的各种疾病具有历史的世界。 只是100年前,第一次世界大战之后,西班牙流感流行病变成一种流行病,采取的生命,50...

会发生什么蛇,如果它被咬伤了另一个蛇?

会发生什么蛇,如果它被咬伤了另一个蛇?

我认为这是没有必要解释什么可能发生对人类的咬的毒蛇,因为令人不快的后果的这样的事件很多人都听到。 但如果发生了什么蛇咬的另一个蛇? 根据官方的科学、蛇通常每一个其他不攻击。 除蛇吃自己喜欢的动物。 虽然其中的蛇是相当罕见的,efiopiya(所谓的电蛇)观察到在所有已知的眼镜蛇。 已知的是,所谓的cabe-眼镜蛇有最嗜血的性质,以他们的品种,攻击的主要是在配合。 蛇有豁免权以自己的毒药 尽管有时不可预测的行为,蛇是很方便的生存功能–他们中的大多数具有...

科学家们提出了一种新的方法用于生产可再生能源

科学家们提出了一种新的方法用于生产可再生能源

根据科学家从斯坦福大学,在那里混咸海水淡水、能源的巨大生产量,根据一份新闻稿上的大学网站。 作者注意,这种技术的能量生产可能会使沿海地处理厂废水中的能源独立于其他动力源。 此外,这种类型的能源生产创造无污染的环境。 如何水产生的能量? 当新鲜的水处理从沿海植物混合,用盐水,在此过程是电化学反应过程中,能源生产。 这种能源可以用于例子。 的科学家估计,一立方米的淡水混合的相同数量的盐水能够产生关于0.65千瓦小时的能量。 这将是足够的力量平均每个美国家庭...