让我问一个简单的问题:什么是无监督的机器学习算法?您可能会问这与AI有什么关系。您可能还会问一个算法是什么,无监督的意思,甚至是什么机器学习。这发生在每一个初学者的AI域名。人眼花缭乱不同的条款之间,然后将它们混合在一起,改变的意思了技术。我们来看看关键AI的概念:机器学习(ML),深度学习(DL)和神经网络(NN)。
了解ML,DL和NN
ML和DL是部分的与AI不同。在以下图会给你更多 这些术语的清晰度:
![](https://img-blog.csdnimg.cn/20181109225557742.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2MTU1NjA5,size_16,color_FFFFFF,t_70)
在图中,ML算法是AI算法的子集。类似地,DL算法是ML算法的子集,DL基于NN。NN是所有这些术语的核心和灵魂。他们正是我们刚刚讨论的内容:了解输入和输出之间的关系。
例如,他们可以绘制某人的身高和体重与他们打篮球的可能性之间的关系。组成输入和输出的数字以向量排列,向量是数字行。总之,是的,AI与ML和DL不同,但只是部分。几乎所有AI应用程序都使用不同类型的NN。
算法
说AI是建立在算法之上的不是轻描淡写。这导致我们问,算法究竟是什么?
算法是数学公式和/或编程命令。它们帮助计算机找出如何使用AI消除问题。算法只不过是一套规则,可以帮助我们教电脑如何自己解决不同的事情。
它可能看起来像很多数字和命令,并且由于涉及大量的数学和决策理论算法,人们经常被推迟。
让我们简要讨论ML,DL和NN。
ML是AI的支柱。在某些情况下,我们可以交替使用AI和机器学习这两个术语。它们并不完全相同,但却有着深刻的联系。
ML是计算机使用算法的过程执行AI功能。基本上,它是应用不同规则通过AI系统创建不同结果的结果。
ML由四种主要类型的算法组成:监督学习算法,无监督学习算法,半监督学习(SSL)算法和强化学习算法。让我们依次讨论这些问题。
使用监督学习方法训练AI模型就像要求孩子参加测试,但事先给他们所有问题的答案。我们为机器提供正确的答案。这意味着机器同时知道问题及其相应的答案。
这是训练系统的常用方法,因为它定义了问题和答案之间的模式。当新数据没有答案时,机器只会尝试映射与之前已映射的类似问题最相关的答案。
人工智能研究的可怕部分是了解机器是否有能力学习和他们使用层数据和处理能力来执行任何任务。当涉及无监督学习时,我们不给出系统的答案。我们希望机器为我们找到答案。例如,如果我们研究为什么有人会选择一个品牌而不是另一个品牌,我们只需向机器提供一堆数据,这样就可以找到数据中的任何一种模式。
SSL是另一组的AI的方法有在过去的几个月里变得非常受欢迎。从概念上讲,半监督学习可以被视为无监督学习和监督学习模型之间的中间点。SSL问题始于一系列标记数据点和一些标识未知的数据点。SSL模型的目标是使用提供的标记信息对未标记的数据进行分类。
AI更具相似性人类可能认为对人类而言。AI以类似于人类的方式学习。教授机器的一种方法是使用强化学习。这涉及给AI一个与特定指标相关的目标,例如告诉它提高效率或找到问题的解决方案。AI不会找到一个特定的答案,而是运行场景并报告不同的结果,然后由人类进行评估,判断他们是否正确。AI接收反馈并调整下一个周期以获得更好的结果。
当我们想要改进AI时,我们可以创建一个NN。这些网络有很多相似之处与人类的神经系统和大脑。它使用不同的学习阶段,通过将AI分解为多个级别的数据,使AI能够解决复杂问题。网络的第一级可能仅涉及图像文件中的几个像素。一旦初始阶段完成,神经网络将把收集的信息传递到下一级,这将尝试理解更多的像素,也许还有一些底层结构。该过程在神经网络的不同级别上继续。
DL是神经系统发生的事情网络开始工作。在处理一组数据时,AI会对该数据有基本的了解。例如,如果您正在教您的AI系统以了解猫,它可能会将任务划分为不同的子任务。网络的某个部分将学习猫爪子,另一部分将学习他们的面部特征,等等。DL也被认为是分层学习方法。
由于AI领域非常庞大,因此有一些术语常常让人感到困惑,特别是当您处理更高级的概念时。我们简要介绍一下这些术语。
自然语言处理(NLP)
先进的神经网络是理解人类语言所必需的。当AI被训练来解释人类交流时,这个过程被称为自然语言处理(NLP)。这是聊天机器人和翻译服务非常有用,但它' s的由AI助手,如亚马逊的Alexa和苹果的Siri的切削刃也表示。
转学习
机器也可以通过学习转学习。一旦AI系统成功学习了某些东西,例如如何确定图像是否是猫,它就从基本的特征理解开始,这不一定需要关于猫。这些特征称为通用特征,可用于初始化不同的分类器,例如用于狗分类器。这可以节省大量的训练时间,因为狗分类器不必学习广义特征。
黑盒子
当不同的规则应用于AI系统时,它会携带出了很多复杂的数学。这通常超出了人类的理解,但获得的输出是有用的。当发生这种情况时,它被称为黑盒学习。我们对机器到达的结果比对它的结果更感兴趣。
自主性
简单来说,自治意味着人工智能系统不需要人们的帮助。这个词起源于无人驾驶汽车的发展。有不同程度的自治权。基本情报系统被认为是自治级别1到3之间。
不需要方向盘或踏板的车辆被归类为处于自治级别4。这仅仅意味着车辆不需要人来控制车辆的全部容量。当车辆不需要来自外部源(例如服务器或GPS)的任何帮助时,自治级别5将是。
除此之外的任何东西都会被称为清醒机器,具有意识。尽管人工智能领域取得了重大进展,但奇点是一个用于描述已经变得自我意识的人工智能系统的术语,它只是理论上的。