一.人工智能三大概念:
1.人工智能(AI)Artifical Intelligence
2.机器学习 (ML) Machine Learning
3.深度学习 (DL) Deep Learning
其中
人工智能是研究合成和分析能够智能行动的计算机代理的领域,是利用计算机来模拟和代替人类大脑。
机器学习是赋予计算机学习能力而无需明确编程的研究领域。
深度学习,也叫深度神经网络,仿照大脑,设计一层一层的神经元模拟计算。
机器学习是实现人工智能的一种途径,深度学习是机器学习的一种方法。
他们三个之间的关系,就像是一个金字塔。人工智能是最宽泛的概念,就像金字塔的底部,包含了很多不同的领域。机器学习,就像是金字塔的中间部分,是实现人工智能的一种方式,特别是通过让计算机模拟人类的学习行为来不断提升自己的性能。而深度学习,就是机器学习中的一个热门分支,就像金字塔的顶尖,近些年取得了很大的进展,让机器能够更好地理解和分析复杂的数据。
简单来说,人工智能是一个大范畴,机器学习是实现人工智能的一种方法,而深度学习则是机器学习中的一个重要分支。他们之间的关系,就是这样一个层层递进、相辅相成的关系。
二.学习方法
·基于模型的学习
从数据中发现规律
用于无法用规则进行判断的复杂问题,如自然语言处理,图像处理和语音识别等
·基于规则的学习
通过设计if-else语句进行预测
三.人工智能的三要素:数据,算力,算法
四.人工智能的发展史
人工智能的起源可以追溯到1950年,当时被誉为“计算机之父”的Alan Turing提出了“图灵测试”的概念。他设想,如果一台机器能够与人类开展对话而不能被辨别出机器身份,那么这台机器就具有智能。这为人工智能的发展奠定了哲学基准。
1951年,Marvin Minsky与他的同学建造了世界上第一台神经网络计算机,这被看作是人工智能的一个起点。
而人工智能真正被确立为一个学科领域,是在1956年。那一年,计算机专家John McCarthy提出了“人工智能”一词,并与Minsky共同创建了世界上第一座人工智能实验室——MIT AI LAB实验室。同年,在达特茅斯学院举行的一次会议上,人工智能被正式确立为研究学科,其被定义为“一种使机器表现出智能的研究领域”。这场会议也被认为是人工智能领域的起源。
在接下来的十余年里,人工智能迎来了发展史上的第一个小高峰。研究者们疯狂涌入,取得了一批瞩目的成就。这一时期,人工智能研究主要集中在使用逻辑和符号来表示和处理知识的方法上,被称为“符号主义 AI”。
然而,到了1970年代,人工智能的研究进入了低谷期。早期的研究方法,尤其是符号主义,无法处理模糊的语言和不确定性的情况,这使得人工智能的发展遭遇了瓶颈。
直到20世纪80年代,人工智能研究开始从符号主义转向连接主义。连接主义是一种基于模拟神经网络的方法,通过模拟大脑中神经元之间的连接来实现智能。这种方法对非线性和非结构化数据的处理能力较强,使得人工智能在语音识别、图像识别等领域取得了显著的进步。
进入90年代,人工智能迎来了第二个高潮期。专家系统、机器学习、自然语言处理等技术不断得到改进和完善,计算机开始具备了更强的智能。1997年,IBM的深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫,这被视为人工智能在游戏领域取得重大突破的里程碑。
进入21世纪,人工智能的发展更加迅猛。深度学习、强化学习等技术的出现,使得人工智能在图像识别、语音识别、自然语言处理等领域的性能大幅提升。同时,人工智能也开始在医疗、金融、交通等各个领域得到广泛应用,为人类生活带来了极大的便利。
就此来看,人工智能的发展前景非常广阔并且会有无限可能。
五.机器学习分类
1.监督学习 (对所有数据进行标签化)
2.半监督学习 (对部分数据进行标签化,部分数据没有进行标签)
3.无监督学习 (输入数据集包含特征值,没有目标值)
4.强化学习 (智能体与环境进行交互,获得奖励的方式,由agent.environment.action.reward四部分组成)
六.机器学习建模
1.数据获取
2.数据处理
3.特征工程
4.机器学习建模
5.模型评估