人工智能基础 1 - DAY8
人工智能现状
目前人工智能广泛应用于各个行业,如金融,教育,农业,广告投放等等。目前的人工智能更像数据处理工具,尚未像人类一样具备智慧,目前仍处于比较早期的阶段。中国,美国,英国,法国,日本的人工智能技术均处于领先地位,各国均把人工智能纳入国家战略发展之中。
机器学习与深度学习
机器学习与深度学习是人工智能系统中必不可少的核心。
机器学习
当要区分辣椒与豌豆,人类的经验主义可以是通过其味道,形状去区分。但是这项任务交给计算机的话,计算机会通过大量的数据,自动找出规律,数据量越大,判断越准确。因此,机器学习可以理解为机器从数据中自动学习规律,而不是我们告诉机器具体怎样去做。
深度学习
Hinton 等人于 1986 年已经提出了反向传播算法(back-propagation),也就是最早提出的深度学习,只是由于当时数据跟硬件的受限,没能发挥潜力。
深度学习是机器学习的一种,而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究,含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本等(韦坚 et al., 2017)。
5 种常见深度学习模型
深度神经网络 Deep Neural Networks
卷积神经网络 Convolutional Neural Networks
循环神经网络 Recurrent Neural Networks
递归神经网络 Recursive Neural Networks
生成式对抗网络 Generative Adversarial Networks
常用的工具
数据分析
Matplotlib 常用
NumPy 常用
Pandas 常用
机器学习
SKlearn AI 应用基本上离不开它
分布式处理
Spark MLlib
深度学习框架
TensorFlow 有门槛,初学者不容易使用
Keras 容易上手
PyTorch 相对 TensorFlow 容易,推荐初学者使用
AI 领域顶级会议
AI 全领域: AAAI IJCAI
机器学习领域: Neurips ICML UAI AISTATS
深度学习领域: ICLR
计算机视觉领域: CVPR ICCV ECCV
自然语言处理领域: ACL EMNLP COLING NAACL
数据挖掘领域: KDD WSDM SDM
语音识别领域: ICASSP INTERSPEECH
REFERENCES
韦坚, 刘爱娟, & 唐剑文. (2017). 基于深度学习神经网络技术的数字电视监测平台告警模型的研究. 有限电视技术
版权声明: 本文为 InfoQ 作者【Qien Z.】的原创文章。
原文链接:【http://xie.infoq.cn/article/e49d59fcf3badc18d350a864a】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论