你需要知道的人工智能这个词

1956年，约翰麦卡锡在达特茅斯大学设立了一个为期十周的研究项目，专注于他称之为“人工智能”的新概念。该活动包括许多将成为新兴领域巨头的研究人员，如马文·明斯基，纳撒尼尔Rochester，Allen Newell，OG Selfridge，Raymond Solomonoff和Claude Shannon。

然而，对人工智能这一短语的反应却是喜忧参半。它真的解释了这项技术吗?有没有更好的方式来说出来?好吧，没有人能想出更好的东西 - 所以人工智能卡住了。

从那以后，我们看到了该类别中大量词汇的创造，这些词汇经常定义复杂的技术和系统。结果是，很难理解所谈论的内容。所以为了帮助澄清事情，让我们来看看你需要知道的AI字：

一系列的计算，从最简单的(使用铅笔和纸张的长除法)到最复杂的。例如，机器学习使用算法来处理数据，发现隐藏在数据中的规则，然后将其编码在可用于对新数据进行预测的“模型”中。

传统编程涉及指定一系列指令，这些指令指示计算机确切地做什么。另一方面，机器学习是不同的编程范例，其中工程师提供包括程序的预期输出对于给定输入应该是什么的示例。然后，机器学习系统探索所有可能的计算机程序的集合，以便找到最接近地生成相应输入数据的预期输出的程序。因此，利用该编程范例，工程师不需要弄清楚如何指示计算机完成任务，只要它们具有足够数量的示例以供系统识别搜索空间中的正确程序。

神经网络是数学结构，模仿人类大脑的结构，将复杂信息概括为简单有形的结果。就像我们训练人类的大脑一样，例如，学会控制我们的身体以便行走，这些网络也需要接受大量数据的训练。在过去五年中，这些网络的分层和可用于训练它们的计算能力取得了巨大进步。

深度学习是一种专门的机器学习形式，基于模仿人类思维认知能力的神经网络。深度学习是机器学习机器学习对人工智能的影响 - 不是其父母的唯一表现，而是通常最强大和最引人注目的版本。在实践中，能够执行复杂任务的深度学习网络是1.)许多层深，有数百万，有时，数十亿输入(因此“深”);2.)使用现实世界的例子训练，直到他们熟练掌握当前的任务(因此'学习')。

标签： 人工智能