極客網(wǎng)·人工智能5月17日 從自動駕駛汽車到多模式聊天機器人，毫無疑問，AI正在迅速發(fā)展。但在這些神秘的技術創(chuàng)新背后，都采用了經(jīng)過多年的改進和優(yōu)化的一些AI算法。如果想更好地理解AI，那么需要了解一些AI算法。
首先，人們需要了解什么是AI算法？簡單地說，AI算法是使機器能夠從數(shù)據(jù)中學習的數(shù)學模型。它們有不同的形式，包括監(jiān)督學習、無監(jiān)督學習和強化學習。
監(jiān)督學習算法從標記的例子中學習，而非監(jiān)督學習算法則從未標記的數(shù)據(jù)中學習。標記的數(shù)據(jù)是用預定義的目標值進行注釋的數(shù)據(jù)，而未標記的數(shù)據(jù)是未分配任何目標值的數(shù)據(jù)。強化學習算法通過試錯來學習，因此在游戲(如國際象棋和圍棋)和機器人行業(yè)中非常流行。
十種常用的AI算法：
（1）人工神經(jīng)網(wǎng)絡(ANN)
人工神經(jīng)網(wǎng)絡的靈感來自人類的大腦，用于圖像和語音識別以及自然語言處理。人工神經(jīng)網(wǎng)絡背后的基本思想是輸入數(shù)據(jù)，網(wǎng)絡通過人工神經(jīng)元層發(fā)送數(shù)據(jù)。每個神經(jīng)元從上一層獲取信息并計算輸出，然后將其傳遞到下一層。深度學習使用多層人工神經(jīng)網(wǎng)絡，是當今幾乎所有AI應用程序的首選架構。人工神經(jīng)網(wǎng)絡首次使用是在20世紀50年代。
（2）支持向量機（SVM）
支持向量機（SVM）用于分類和回歸問題，其工作原理是找到分離不同數(shù)據(jù)點組的最佳直線或曲線（稱為“超級平臺”）。然后，這個超級平臺可以用來預測新數(shù)據(jù)點屬于哪一組。支持向量機（SVM）可以告訴人們哪些電子郵件是否是垃圾郵件，并被廣泛用于生物信息學、金融和計算機視覺等領域。
（3）決策樹
決策樹是一種用于進行預測的監(jiān)督學習算法。它的工作原理是根據(jù)所選特征的值將數(shù)據(jù)遞歸地劃分為子集。
（4）隨機森林
隨機森林是決策樹的延伸。它們通過組合多個決策樹的結果來提高預測的準確性。
（5）K-means聚類
K-means聚類是一種無監(jiān)督機器學習算法，它根據(jù)數(shù)據(jù)點的相似性將數(shù)據(jù)點劃分為K個聚類(不同的子集)。K的值由用戶預先定義或使用算法確定，它在圖像分割和文檔聚類等領域很有用。
（6）梯度增強
梯度增強是一種機器學習技術，它通過結合許多弱模型的結果來構建預測模型。它被用于網(wǎng)絡搜索排名和在線廣告。
（7）卷積神經(jīng)網(wǎng)絡(CNN)
卷積神經(jīng)網(wǎng)絡的靈感來自于人類大腦的視覺皮層，可以自動從圖像中學習邊緣和角落等特征。人工神經(jīng)網(wǎng)絡是通用的，而卷積神經(jīng)網(wǎng)絡是專門用于處理網(wǎng)格數(shù)據(jù)(如像素)的網(wǎng)絡，因此用于圖像和視頻處理。
（8）長短期記憶網(wǎng)絡（LSTM）
長短期記憶網(wǎng)絡是一種神經(jīng)網(wǎng)絡，用于處理語音和文本等順序數(shù)據(jù)，因此對語音識別、機器翻譯和手寫文字識別非常有用。
（9）主成分分析(PCA)
主成分分析(PCA)是一種通過將數(shù)據(jù)投影到低維空間來降低數(shù)據(jù)維數(shù)的技術。它被用于人臉識別和圖像壓縮。
（10）Apriori算法
Apriori是一種關聯(lián)規(guī)則學習算法，這是一種通過識別變量之間的頻繁模式、關聯(lián)或相關性來發(fā)現(xiàn)大型數(shù)據(jù)集中變量之間關系的技術。在市場購物分析中，識別經(jīng)常一起購買的商品是很受歡迎的。
當人們與AI互動時，就是在與這些算法進行互動。人們傾向于將AI系統(tǒng)擬人化，但這對理解AI來說是沒有必要的。因為這只是數(shù)學問題，而且有局限性，其中的一個限制是對數(shù)據(jù)的依賴。AI算法需要采用大量高質(zhì)量的數(shù)據(jù)才能得到有效的訓練。在AI中，需要更多更好的數(shù)據(jù)進行訓練。相比之下，一個人只需要通過一個例子就能學到更多的知識，也就是人更具備舉一反三的能力。
AI系統(tǒng)的普及應用需要滿足以下條件中的一個或幾個：
（1）擴展假設是正確的(簡單地增加更多的數(shù)據(jù)和計算將產(chǎn)生人工通用智能（AGI）)。
（2）與生物路徑（例如飛機實現(xiàn)飛行，但設計得并不像鳥類）相比，大型語言模型（LLM）代表了一條可行的通用智能替代路徑。
（3）需要新的或創(chuàng)新的算法和架構，使AI系統(tǒng)能夠從一個或幾個例子中學習任何知識(這樣的系統(tǒng)可能需要一個有凝聚力的世界模型和虛擬/物理體現(xiàn))。
我們從AI那里學到了什么?
AI雖然功能強大，令人敬畏，但它也僅僅是一套基于公認的數(shù)學原理、概率和統(tǒng)計學的優(yōu)化算法。目前還不清楚，一個融入AI的信息處理系統(tǒng)在什么時候會成為一個完全實現(xiàn)的有意識的數(shù)字生物，而且它的能力超過了人類的思維。然而，有一點是明確的，我們正在進入一個新時代，而不斷增加的數(shù)據(jù)和計算資源正在改變我們所知道的世界。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
