现在的人工智能完全由数据来驱动,我们所见到的数据,比方说一张图片有三个通道,分为R(红)、G(绿)、B(蓝),每个通道是一个图层,相当于有三张图层,比如每一张图片是5050像素,5050*3就是整个数据的大小。这种数据在人工智能使用时,会被变成一个矩阵,相当于有一个50行50列高度3的矩阵,矩阵里面每一个小单元是一个数字,这个数字就是像素。从0到255反映颜色的色阶从少到多,三通道反映了点的颜色从而绘制了整个画面,这样的数据我们把它叫做原数据,把原数据送进我们的人工智能系统,学习完特征后,把结果读出来,“结果”其实是一个概率。
比如现在的任务是画面里有一只猫画,想要让电脑去认一下。让电脑知道这是只猫,他通过学习以后再把图片给到电脑,让电脑去认,会得到一个概率。如果是猫,它可能概率是93%,如果是狗,可能概率就是6%。其他概率是1%,最后认得出来是猫。我们可以看到,基本所有的人工智能问题都会涉及到一个决策性的东西即概率。应用方面就会很多,比方说我们在医学造影的时候会让你区分一张X光片,最后得到结果是肿瘤是恶性还是非恶性,以及我们的自动驾驶的话,比如前面在视频中进入了一只猫,或者进入了一个老人,系统会区分这个老人是否会被我撞到,或者是前面到底是一个什么东西、路线是否正确,前面是否有斑马线红绿灯这些,最后所有的结果会集中到一个概率上,包括我们对自然语言的处理也是一样的,一句话读出来可能是个什么意思褒义或贬义。又或一些影评系统去读大量的影评,让人工智能的系统去学习,学习完以后