第四次工业革命:人工智能(AI)入门

第四次工业革命:人工智能(AI)入门

人工神经元有一个或多个输入。它执行数学计算基于这些提供的产出。输出将取决于每个输入的‘权重’和 ‘输入输出函数’ 在神经元中的配置 (图 5,所示)。输入输出函数可以发生变化。神经元可能是︰

  • 线性单元 (输出是成正比的总加权的输入;
  • 阈值单位(输出设置为两个级别中的一个,具体取决于是否总投入是上面指定的值)
  • S形单元 (输出不断变化,但作为输入的变化不是线性增长)

神经网络被创建当神经元连接到另一个;一个神经元的输出成为另一个的输入 (图 6,所示)。

神经网络被组织成多层的神经元 (所以叫 ‘深度’ 学习)。’输入的层’ 接收信息,神经网络将处理 — — 例如,一组图片。’输出层’ 提供结果。输入和输出之间层是大多数活动发生的’隐藏的层’。通常情况下,每个神经元上一个级别的神经网络的输出作为下一层神经元的输入 (图 7,所示)。

让我们考虑一种图像识别算法的例子 — — 识别人类面孔的图片。当数据被送入神经网络时,第一层识别局部对比度模式 — — 低水平的功能,例如边缘。作为图像遍历网络,逐步提取 ‘高层次’ 特征 — — 从边缘到鼻子,从鼻子到脸 (图 8,下面)

在其输出层,基于它的训练神经网络将提供的图片是指定类型的概率 (人脸︰ 97%; 气球 2%; 叶 1%)。

通常情况下,通过显露的大量贴有标签的例子训练神经网络。检测到错误的神经元之间的连接权值调整的算法,以改进结果。广泛地重复这一优化过程,系统部署后,用没标示的图像进行评估。

以上就是一个简单的神经网络,但其结构可以改变和大多更复杂。变化包括于同一层上; 神经元之间的连接不同数目的神经元每层; 神经元连接到之前的网络输出层 (’递归’ 神经网络) 。

设计和改进神经网络需要相当的技巧。步骤包括构建网络中的一个特定的应用程序提供一个合适的训练数据集、 调整按进度,网络的结构、 结合多种方法。

3.为什么 AI 重要?

AI 重要是因为它处理非常非常困难的问题,解决这些问题的办法可以应用到人类其他领域分支 — — 从健康、 教育和商务到交通、 公用设施和娱乐。自 20 世纪 50 年代,AI 研究集中在五个领域︰

  1. 推理︰ 解决问题,通过逻辑演绎的能力
  2. 知识︰ 关于世界的知识表示能力 (理解世界上确定的实体、 事件和情况; 这些元素具有属性; 这些元素可被分门别类)
  3. 规划︰ 能够设定和实现目标 (未来具体的状态,是可描述的,一系列的操作可影响到它的进展)
  4. 通讯︰ 理解书面语和口语的能力。
  5. 感知︰ 能够从视觉图像、 声音和其他传感器输入推断这个世界的事情。

AI 是宝贵的因为在许多情况下,这些功能的进展提供了革命,而不是渐进的功能。示例的 AI 应用包括以下;还有更多。

  1. 推理︰ 法律评估;金融资产管理;金融应用程序处理;游戏;自主武器系统。
  2. 知识︰ 医疗诊断;药物的创作;媒体建议;采购预测;金融市场交易;预防欺诈。
  3. 规划︰ 物流;调度;导航;物理和数字网络优化;预防性维护;需求预测;库存管理。
  4. 通讯︰ 语音控制;智能助理、 助理和客户支持;实时翻译书面语和口语语言;实时的转录。
  5. 感知︰ 自动驾驶汽车;医疗诊断;监视。

在未来的几年中,机器学习能力将参与几乎所有部门的各种过程。考虑一个企业日常 — — 例如,在公司内的人力资源 (HR) — — 描述了机器学习可以应用的范围︰

  • 招聘 增强靶向、 智能就业选配和部分自动的评估;
  • 劳动力管理 预测规划的人员的要求和可能缺勤;
  • 劳动力学习 更有效,更适合于员工的建议内容
  • 预测有价值的员工离开的风险,可以减少员工流失。

随着时间的推移,我们期望机器学习成为正常现象。机器学习将成为开发人员的标准工具包,最初会改善现有流程,然后重塑他们。

这篇文章对你有用吗?

点右边奖杯,点个赞⤵

平均分: 5 / 5. 评价数: 1

抢先点评此文章。

太好了,这篇文章对你有用...

请在社交媒体上转发!

很抱歉,这篇文章对你没用...

让我们改进这篇文章!

请告诉我们如何改进这篇文章?

Author: 太极客