人工智能技术现状剖析

智能家居 2020-04-09 10:3064未知admin

从1956年达特茅斯会议提出AI开始,AI的研究经历几次沉浮。在一次次的高潮和低谷的交替中,不可否认的是,AI无论是在理论还是实践中都取得了长足的进步。尤其是近期以深度学习为代表的AI技术取得了突破性的进展,在计算机视觉、机器学习、自然语言处理、机器人技术方面取得了巨大的进步,深刻改变了我们的生活。在这次变革中,实验室的成果很快就可以进入工业界,这在以往的技术发展史上是非常罕见的。2016年5月国家发展改革委员会等四部门联合下发《互联网+AI三年行动实施方案》,李克强总理的政府报告中也提到了AI产业发展,中国科学技术部“科技创新2030重大项目”将增加“AI2.0”,AI已经上升为国家战略。面对AI的热潮,我们应该如何理解现状?如何看待其进步?又如何理解其功能和限制?本文将从AI的核心理论基础,当前存在的一些问题以及未来可能发展的方向等诸多方面对AI做介绍。   

一、 AI的核心基础   

1.专用AI算法   

深度学习本质上是一个自主学习系统,是从传统的模式识别衍生而来。通过大量数据进行训练,深度学习网络会自动找到这些数据的模式,然后通过这些模式来对未知数据进行预测。以Kaggle大赛中的猫狗分类为例,具体步骤是:(1)让计算机“看”数以万计包含猫和狗的图像;(2)程序通过对图像数据进行分类和聚类(例如:边缘、形状、颜色、形状之间的距离等)来建立模式,足够多的的模式可以得到最终的预测模型;(3)运行程序通过预测模型来查看新的图像集,之后与预测模型比对,确定图像中是猫还是狗。   

深度学习算法通过模拟我们大脑神经元网络的人工神经网络来实现类似人类大脑的功能。算法在运行中会执行各种循环,通过缩小模式与实际的差距来改进每个循环的预测,最终建立一个预测模型。   

安防行业中人脸识别应用是一个很好的关于深度学习的工业应用案例。人脸识别算法通过大量带有标签的人脸数据来训练模型,算法会自动识别出人脸的关键点。通过调用算法,设备会捕获到多个关键点,这些关键点会送到深度学习模型中,通过内置引擎和执行预测模型判断是谁。   

强化学习也是一种自主学习系统,但它主要是通过反复试验来学习的。通过有限次执行行动以得到最大化奖励从而确定答案,换句话说,它是通过实践来学习,从实践中找到结果。这就好比小时候学习骑自行车,刚开始的时候会经常摔倒,但随着摔的次数多了,慢慢就掌握窍门了,这个学习的过程就是强化学习。当计算机使用强化学习时,它们会尝试不同的行为,从反馈中学习该行为是否能够得到更好的结果,然后将能得到好结果的行为记住,规范点说就是计算机在多次迭代中进行自主重新修正算法,直到能做出正确的判断为止。   

眼爆科技 Copyright © 2002-2017 深圳眼爆智能科技有限公司 版权所有 备案号:* 本站资源来自互联网,我们转载的目的是用于学习交流与讨论,如果您认为我们的转载侵犯了您的权益,请与我们联系(Email:gm@ybbtb.com),我们将在3个工作日内删除相关内容。

邮箱地址:gm@ybbtb.com