人工智能在过去两年被谷歌引爆,于是该领域的创业公司如雨后春笋般生长
起来,有的做专用芯片,有的做算法,有的做机器人人工智能到底是什么?是让机器代替
人类完成重复的生产线劳动吗?这样理解为免太简单。
人工智能绝对不只是让机器完成模
仿,从而替代重复性工作,真正的人工智能需要机器经过训练和学习,接近或者超越人类
的智能行为。
人工智能训练模型的时候,数据是最重要的因素,只有通过大数据训练,才能让训练的模
型更接近于实际需求。比如,自动驾驶的模型训练,现在基本是靠自动驾驶汽车上路测试
收集数据训练模型,
路上的汽车只有采集到更多可能的场景,
才能确保训练出的模型更接
近实际路况。在人工智能训练中一般会遇到两个问题:第一,数据量不够如何训练模型?
第二,数据量太大如何快速进行标注?
MathWorks
产品市场经理赵志宏
迁移学习:
通过模型产生数据训练神经网络如果没有数据能做人工智能吗?这是很多初创
公司的困惑。在笔者的概念里,正常的
AI
开发流程是,先采集数据,再训练模型。在最
近的
Matlab
大会上,
MathWorks
产品市场经理赵志宏先生给出了一个不一样的答案,他
表示,数据、输出和模型是整个
AI
开发流程的一个步骤。如果开发者想做人工智能,又
没有太多的数据,可以采用迁移学习的方法。
迁移学习又是什么概念?不防从实际例子
来理解。比如:通过人工智能的方式来预测风力发电机的故障,用户不能等到采集到大量
故障数据以后再预测,
这样不符合设备维护的目标,
而是先用
Simulink
模型建立一个风里
发电机的模型,
通过校正让这个模型非常接近风力发电机,
然后通过该模型产生故障数据,
进而训练机器学习或者深度学习的神经网络。
赵志宏先生表示,基于模型设计的优势是,它是在真正做出产品之前建好一个模型,这个
模型与实际产品非常的接近,
不管是从数字计算、
行为计算产生的结果与真正的结果都非
常接近。
很多工程师在设计产品的时候已经把这个模型建好了,在这个模型上加入故障情