什麼是人工智慧？
人工智慧這個詞首次出現在2023年，有達特茅斯教授約翰麥卡錫提出。他召集了一些計算機專家討論機器是否可以學習像乙個小孩子一樣，通過計算和推理，專案建議說他們會找出如何讓機器「使用語言，抽象形式和概念，像人類一樣解決各種問題和提公升自己。」簡單的說，就是通過對過去已知資料的統計分析，從而對將來未知資料做出評判。這裡對未知資料做出評判，也稱為分類或者是決策。在人工智慧領域，分類，決策，**這幾個詞基本上是同義詞。比如：風險投資面臨很多初創公司，投還是不投資，這是個決策，也是**和判斷。這個決策，也相當於把候選公司分成兩類，一類是要投資的公司，一類是不投資的公司。
嚴格的來講人工智慧不能算是科學，原因有兩點：
人工智慧是基於統計分析的，通過歸納總結來做判斷，自己做出的判斷，連自己都不能驗證對錯，需要人來驗證。
總結：非邏輯推理，不能自身驗證對錯，獲得近似結論是人工智慧和科學最大的不同點。
說說天生智慧型？
人工智慧裡, "人工", 字面上的理解就是人造的, 與其相對的就是: "天生"。比如有的人的 雙眼皮是天生的, 有的人的雙眼皮是人工的。人類屬於高智慧型動物,天生具有智慧型。理解人類天生智慧型的運作,對於理解人工智慧的運作很有幫助。
緊迫的問題是，ai將如何影響你的工作？它會使得你的工作過時嗎？就像工業革命，這不單單是人類或機器，這是人類與機器之間共同的問題。關鍵是人工智慧可以幫助你再較短時間內完成更多的重複性任務。當你掌握了戰略和人際關係。這樣，人類就可以做他們最擅長的。
人工智慧最激動人心的領域之一。
就像乙個人，機器會不斷學習資料，隨著時間的推移，變得更聰明，但與人類不同的是，它不是容易的事情，短期記憶喪失，資訊過載，睡眠剝奪，分心。但是這些機器是怎麼學習的呢？
雖然乙個人可以非常輕鬆的知道乙隻貓和乙隻狗之間的區別，但是對於一台電腦而言這不是很容易，當你考慮外表之間的區別，你可以說顏色，或者說貓有尖耳朵而狗有圓耳朵，但這些規則並不普遍。尾巴長度之間、毛皮質地和顏色等等，這意味著會有很多繁瑣的規則，必須手動編寫程式幫助電腦識別。而且不能編寫用於解決問題的程式，而是改為編寫可以從例項中學習如何解決問題的程式。這種程式，使計算機能夠隨著時間推移逐漸提公升自己的能力。但是記住，機器學習像人類一樣。就像任何的孩子，這意味著他們必須從經驗中學習。與機器學習、專案分析用成千上萬的資料來構建乙個演算法。然後調基於是否達到它的調整演算法。隨著時間的推移，這個專案會更聰明。這就是ibm』s watson可以診斷病症，自動生成古典交響樂解決其他問題。有些專案甚至模仿人類的大腦結構，構建完整的神經網路，幫助人類使用現在機器一一解決問題。機器學習已經融入到我們生活中，它就像某種看不見的魔法劑發揮著神奇功效。
識別技術用途非常廣發，不僅可以用於識別人臉，還能在大型強子對撞機進行粒子對撞實驗中協助檢測是否出現了某種粒子。研究人員和工程師嘗試找出訓練計算機學習事物的最佳方法。他們根據人腦的大致運作方式建立了一套演算法，給機器學習帶來了大幅度進展，這套演算法叫人工神經網路，就是以數學方式粗略模擬生物神經網路的運作方式。在生物大腦中，有很多稱為神經元的細胞，每個神經元會觀察與它鄰近的神經元所傳遞的資訊，然後決定自己要表達什麼。
而在人工神經網路中，我們將一些小型數學函式放到某個組織好的架構中，然後對它們下達指令「你們要一起學習如何完成這項工作」。人腦中有許多神經網路非常擅長識別事物，所以我們可以輕易識別出這是狗，這是貓以及各種各樣的東西。舉個例子來看如何識別乙隻狗。在過去，我們只要讓三層神經網路成功運作就心滿意足了，後來隨著技術的突破可以能夠訓練更深層次的神經網路，正因如此機器學習也被稱為深度學習。位於底層的某個神經元只會觀察**上的一小部分並進行一些相關運算，它並不了解狗具體是什麼樣的生物，但這個神經元非常清楚自己的任務，「我要傳遞乙個對其他神經元有用的訊號」，而下乙個神經元會接著傳遞乙個訊號，下乙個又會傳遞訊號給下下個就這樣逐個傳遞下去。這樣整個乙個過程就相當於將乙個非常複雜的繩結解開，並把每根繩子拆分出來，以便訊號能夠更輕鬆地傳遞。
我們將表面上交織在一起的各種資訊和原本纏繞的資訊梳理開來，進而識別出某個事物的全貌。我們在最頂層安排了兩個神經元，這兩個神經元目前會看到整張**，它們專門負責做出最後判斷，最後得出結論：「哦！所有下層神經元向我傳遞了這些資訊，由此我知道了這是乙隻狗或者我至少有92.4%的把握認定這是乙隻狗，所以，這個東西應該就是乙隻狗。」雖然在訓練計算機進行學習方面已經取得了這麼多的進展，但計算機的學習速度還是遠不及人類，並且會犯一些我們根本不會犯的錯誤。計算機學習需要很長的一段時間，如果我們在學習初期給它看一張校車**，過一會再給它看一張校車**，它能識別出校車的可能性微乎其微，即使它剛剛看過，它還是沒有辦法正確識別出來，但小孩可以。人類真是不可思議的學習機器。
機器學習和人工智慧
機械人和人工智慧這個領域確實已進入了瓶頸階段，因為現在的存在的各種人工智慧和機器裝置，都是人工程式設計控制的，再精密的動作都是在按照人工方式模擬下進行的，因此已經進入誤區。試想下 我們生下來就被遺傳了1 1 2的計算功能嗎？一生下來就能有意識的抬起手臂嗎？而目前再簡單的人工智慧都可以完成，但這僅僅侷...
人工智慧機器學習
機器學習是從資料中自動分析獲得規律 模型 並利用規律對未知資料進行 資料處理 首先將所有資料放在一起，然後將其順序打亂。由於順序不是判斷酒水的依據，我們並不期望順序影響到模型學習到的內容。換言之，我們判斷一種酒是紅的還是啤的，並不需要知道前一種或是接下來有什麼酒出現。這時，可以著手繪出視覺化的資料分...
人工智慧 機器學習和深度學習
注 本文翻譯自網上的一篇文章，有刪節，原文 人工智慧 這個術語大家都比較熟悉。畢竟，它一直是電影中的熱門焦點，例如 終結者 黑客帝國 等等。但您最近可能還聽說過其他術語，如 機器學習 和 深度學習 有時它們與 人工智慧 交替使用。結果，人工智慧 機器學習和深度學習之間的區別可能非常不明確。接下來，我...