人工智能入门

人工智能入门》标题图片

如今,人工智能遍布 IT 领域。但它是如何工作的?你又如何自己创造人工智能?

在本文中,我将向您介绍开始使用人工智能所需的一切知识。

AI历史

自古以来,人类就一直在思考如何赋予事物生命。但特别是随着计算机的发明,思考机器的想法开始形成。

最有名的是,1950 年,阿兰-图灵发明了图灵测试,用于评估机器是否智能。

人工智能一词最早是在1956年达特茅斯学院的一次会议上提到的。

1967年的一项重要发明是近邻算法,该算法对物体分类和模式识别非常重要。

第一辆自主推车是在1979年开发的。它被称为斯坦福推车,可以检测和躲避墙壁。

1985年,人工智能NETtalk被发明了。它使用深度学习来学习如何说话。

AI历史
AI历史

1997年,人工智能真正开始起飞。IBM的深蓝超级计算机成功地击败了当时的世界象棋冠军加里-卡斯帕罗夫。

美国国家航空航天局开发了自动驾驶的探索车 "精神号 "和 "机遇号",它们于2004年在火星表面自主行驶。

2011年,一个名为Watson的人工智能在 "Jeopary!"游戏节目中击败了人类。

谷歌的AlphaGo在2016年的围棋比赛中击败了一名职业选手。围棋被认为比国际象棋复杂得多,计算能力并不是成功的唯一条件。

2019年,一个人工智能甚至在《星际争霸II》中击败了一名职业选手。

今天,人工智能无处不在。它解决了蛋白质折叠问题,甚至学会了创造艺术或编写代码。

重要术语

以下是与人工智能有关的最重要术语的概述。

重要术语
重要术语

人工智能领域非常广泛。它涵盖了诸如计算机视觉、自然语言处理、机器人和自动化等内容,仅举几例。

人工智能的一个重要部分是机器学习。它是一个允许计算机学习的方法和算法的集合。这些方法可以分为三类。

监督学习、无监督学习和强化学习。

在监督学习中,人工智能使用标记的数据进行训练。而无监督学习则不是这样。强化学习是一种训练虚拟代理的方法。每当代理做了它应该做的事,它就会得到奖励。这鼓励了所需的行为。

神经网络

监督学习的一个具体方法是深度学习。深度学习是训练一个所谓的神经网络的过程。该网络由无数的节点(神经元)组成。它们以特定的权重连接,并以所谓的偏置方式堆叠在各层。

为了从上一个神经元计算出一个神经元的值,你把上一个神经元的值乘以神经元之间的权重,然后加上偏置。

神经网络
神经网络

为了训练网络,你需要将标记的训练数据写入输入层。网络根据权重和偏差,通过数量不等的隐藏层传播数据。

最后,数据到达输出层。具有最高值的输出神经元是网络的预测。根据预测是否正确,人工智能会调整所有单独的权重和偏差。这样一来,预测变得越来越准确,这意味着网络正在学习。

查阅我们的 YouTube视频 来看一个例子并训练你自己的人工智能。

创建你的第一个AI

AI应用

让我们来看看人工智能的一些应用。人们可以说,只要有足够的时间和计算能力,人工智能可以做任何事情。

AI应用
AI应用

人工智能可以识别图像并理解人类语言。我们都知道像Alexa或Siri这样的东西。

如果你想建立自己的人工智能,特别是用于家庭自动化、计算机视觉或自然语言处理,那么我们为你准备了一些特别的东西。

我们的新 AIY制造商套件 包括你的机器学习项目所需的一切。

我们新的AIY制作套件
我们新的AIY制作套件

配备 8GB 内存的 Raspberry Pi 4 与 Google Coral USB 加速器的组合,意味着您可以随心所欲地制作任何东西。想想自动狗门或你自己的家庭助理。你还可以制作人脸识别锁或实时翻译设备。

3评论

  1. [...]同时,如果您有兴趣了解更多关于深度学习的信息,我的同事内森在这里写了一篇关于深度学习的精彩文章。[...]

  2. [...] 如果您对人工智能感兴趣,可以查看我们的《人工智能简介》。[...]

  3. [...]如果您对人工智能感兴趣,还可以浏览我们的《人工智能简介》。[...]

发表评论