從汽車(chē)到智能手機,到數字助理,甚至包括機器人。我們不只是在講每天層出不窮的、突破性的新功能。更重要的是,設備、計算機和機器都在聰明地執行任務(wù)。它們是如何做到的呢?通過(guò)人工智能,也就是AI。
“人工智能”一詞最早由認知科學(xué)家約翰·麥卡錫在研究中提出,他寫(xiě)到,“這項研究基于一種推測,即任何學(xué)習行為或其它智力特征,在原則上都可以被精確地描述,從而可以制造出一臺機器來(lái)模擬它。”這種描述在今天仍然適用,只是復雜性增加了一些。
你也許最近經(jīng)常聽(tīng)到“人工智能”和另外幾個(gè)詞匯同時(shí)出現,特別是“機器學(xué)習”和“深度學(xué)習”。它們經(jīng)常被互換使用,盡管它們存在關(guān)聯(lián),但其實(shí)并非同一事物。
這樣說(shuō)可能會(huì )讓人感到困惑。我們通過(guò)一個(gè)經(jīng)典的例子來(lái)解釋人工智能、機器學(xué)習和深度學(xué)習之間的區別:比較蘋(píng)果和橙子。
人工智能
從廣義上講,人工智能描述一種機器與周?chē)澜缃换サ母鞣N方式。通過(guò)先進(jìn)的、像人類(lèi)一樣的智能——軟件和硬件結合的結果——一臺人工智能機器或設備就可以模仿人類(lèi)的行為或像人一樣執行任務(wù)。
我們今天讀到了很多關(guān)于人工智能的內容,比如語(yǔ)音識別(用于智能個(gè)人助理設備),面部識別(被用在目前社交媒體上很流行的濾鏡中),或者物體識別(比如搜索蘋(píng)果和橙子的圖片)。然而這些功能是如何實(shí)現的?
從根源上看,配備人工智能的機器會(huì )模仿人類(lèi)的思維過(guò)程,比如分辨蘋(píng)果和橙子的能力。
機器學(xué)習
機器學(xué)習是人工智能的一種途徑或子集,它強調“學(xué)習”而不是計算機程序。一臺機器使用復雜的算法來(lái)分析大量的數據,識別數據中的模式,并做出一個(gè)預測——不需要人在機器的軟件中編寫(xiě)特定的指令。在錯誤地將奶油泡芙當成橙子之后,系統的模式識別會(huì )隨著(zhù)時(shí)間的推移而不斷改進(jìn),因為它會(huì )像人一樣從錯誤中吸取教訓并糾正自己。
通過(guò)機器學(xué)習,一個(gè)系統可以從自身的錯誤中學(xué)習來(lái)提高它的模式識別能力。
通過(guò)機器學(xué)習,一個(gè)系統可以從自身的錯誤中學(xué)習來(lái)提高它的模式識別能力。
深度學(xué)習
深度學(xué)習是機器學(xué)習的一個(gè)子集,推動(dòng)計算機智能取得長(cháng)足進(jìn)步。它用大量的數據和計算能力來(lái)模擬深度神經(jīng)網(wǎng)絡(luò )。從本質(zhì)上說(shuō),這些網(wǎng)絡(luò )模仿人類(lèi)大腦的連通性,對數據集進(jìn)行分類(lèi),并發(fā)現它們之間的相關(guān)性。如果有新學(xué)習的知識(無(wú)需人工干預),機器就可以將其見(jiàn)解應用于其他數據集。機器處理的數據越多,它的預測就越準確。
例如,一臺深度學(xué)習的設備可以檢查大數據——比如通過(guò)水果的顏色、形狀、大小、成熟時(shí)間和產(chǎn)地——來(lái)準確判斷一個(gè)蘋(píng)果是不是青蘋(píng)果,一個(gè)橙子是不是血橙。
通過(guò)深度學(xué)習,機器可以處理大量數據,識別復雜的模式,并提出深入的見(jiàn)解。
人工智能、機器學(xué)習和深度學(xué)習之間的差異并不像蘋(píng)果和橙子那么明顯,它們更微妙。Qualcomm已將人工智能技術(shù)整合進(jìn)驍龍移動(dòng)平臺,創(chuàng )造出令人折服的、直觀(guān)的體驗,讓設備可以更深入地了解你。