PYTORCH学习(1):AI发展进程
1 AI发展过程
2 AI计算方式演变
2.1 基于规则的系统
2.1.1 定义
最初代的人工智能计算系统。(如图搜索,树搜索)
2.1.2 工作原理
手动根据人的经验设计计算程序(例如求原函数),输入各种已知的规则,让计算机根据规则进行计算。
2.1.3 缺点
只是利用了计算机的计算能力,毫无智能可言。
2.2 经典机器学习
2.2.1 定义
二代的人工智能计算系统。例如逻辑回归,SVM等
2.2.2 工作原理
手动根据人的经验选择并提取可以表示某一种类别的特征,以张量 x x x的形式表示,然后通过计算机计算得到一个映射关系 f ( x ) f(x) f(x),通过以 x x x为输入, f ( x ) f(x) f(x)为函数式,求得输出 y y y。
2.2.3 缺点
(1)需要人工根据经验提取特征,有可能存在人想不到的有效特征而被忽略掉。
(2)难以处理大量的数据。
(3)处理无结构数据存在额外的步骤和困难。
(4)维度诅咒。为了涵盖更多的特征就需要更多的数据才能满足需求。数据的采集与标注是一件很大开销的事情。
2.3 表示学习
2.3.1 定义
三代的人工智能计算系统。
2.3.2 工作原理
科学家们希望某一种类别的特征也能通过学习得到(训练专门的特征提取器),而不是人工经验选取。通过特征维度降维(以低维度特征表率高维度特征)来减弱维度诅咒这一缺点。计算方式与机器学习一致。
2.3.3 缺点
特征的提取与映射是分开的,先提取特征再寻找映射关系。
2.4 深度学习
2.4.1 定义
现代人工智能计算系统。(END 2 END)
2.4.2 工作原理
以某一种类别的本身要素作为简单特征(比如图像——>像素,语音——>波形序列。。。),添加层进一步提取特征,然后根据特征和映射关系得到输出。