人工智能入门

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。

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。

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。

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。

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。

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。

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。