在 1949 年之前,计算机可以执行命令,但“记不住”所执行的操作,因为它们无法存储这些命令。1950 年,Alan Turing 在其论文《计算机与智能》(Computing Machinery and Intelligence) 中探讨了如何打造智能计算机并测试其智能程度。五年后,第一个AI 程序在达特茅斯夏季人工智能研究计划 (DSPRAI)中问世。这一程序的出现强有力地推动了接下来几十年的 AI 研究。
1957 年至 1974 年间,计算机技术迅猛发展,速度更快、成本更低且更容易获得。在此期间,机器学习算法也得到了改进。1970 年,DSPRAI 计划的一位主办人向《Life》杂志透露,三到八年后将出现一台智能程度与普通人类不相上下的机器。尽管他们取得了成功,但计算机仍无法高效存储及快速处理信息,这成为未来十年人工智能发展面临的主要障碍。
20 世纪 80 年代,随着算法工具包的扩展和更多专项资金的投入,AI 得以崛起。John Hopefield 和 David Rumelhart 提出了“深度学习”技术,使计算机能够从经验中学习演进。Edward Feigenbaum 还提出了能够模拟人类决策能力的“专家系统”。尽管缺乏政府的资金支持和公众的宣传推广,但 AI 仍在蓬勃发展,并在接下来的二十年内实现了多个里程碑式的目标。1997 年,IBM 专为下棋而设计的计算机程序“深蓝”在对弈中战胜了国际象棋世界冠军和特级大师 Gary Kasparov。同年,由 Dragon Systems 开发的语音识别软件开始在 Windows 上实施。此外,Cynthia Breazeal 还开发了可识别和模拟人类情绪的机器人Kismet。
2016 年,Google 的 AlphaGo 程序击败了围棋大师李世石,而 2017 年,用于玩扑克的超级计算机 Libratus完胜了多位顶级人类牌手。
人工智能主要分为两大类:基于功能的 AI 和基于能力的 AI。
基于功能
基于能力
人工智能是计算机科学的一个分支,旨在以机器模拟人类智能。AI 系统基于算法,运用机器学习和深度学习等技术来呈现“智能”行为。
当计算机上的软件能够基于以往结果,成功预测出现的场景并做出响应时,即意味着机器正在“学习”。机器学习指的是计算机的一个学习过程,在此过程中,计算机可以形成模式认知或者基于数据持续学习并做出预测,最后实现无需特别编程也可做出相应调整。机器学习是人工智能的一种形式,它能有效地自动处理分析建模过程,使计算机能够独立适应新场景。
机器学习建模的四大步骤:
1. 选择并准备解决问题所需的训练数据集。这些数据标不标记均可。
2. 选择要对训练数据运行的算法。
3. 训练算法,建立模型。
4. 使用并改进模型。
有三种机器学习方法:“有监督”学习使用标记数据,所需的训练较少。“无监督”学习可通过识别模式和关系对未标记数据进行分类。“半监督”学习先使用一小部分标记数据集进行训练,然后再来处理大型未标记数据集的分类任务。
深度学习是机器学习的一个分支,性能表现明显优于一些传统的机器学习方法。科学研究让我们对人类大脑行为有了新的理解,受此启发,深度学习综合利用了多层人工神经网络、数据密集型训练和计算密集型训练。这种方法非常有效,甚至在图像识别、语音识别和自然语言处理等许多领域超越了人类的能力。
深度学习模型可处理海量数据,通常采用无监督或半监督形式。
本文来源:慧与,转载请注明出处!
来源地址:https://www.hpe.com/cn/zh/what-is/artificial-intelligence.html
最新内容
© 2016 - 2024 chengxuzhixin.com All Rights Reserved.