1 Intelligence artificielle - Notions de base
AI (intelligence artificielle, IA) fait référence à l'ordinateur comme des êtres humains ont des capacités de renseignement, est un mélange de la science informatique, statistiques, sciences sociales et multidisciplinaire frontière de la science du cerveau, peut remplacer l'être humain pour obtenir la reconnaissance, la cognition, l'analyse et la prise de décision et d'autres caractéristiques. Tels que quand vous dites le mot, la machine peut être reconnue comme texte et comprendre le sens de vos paroles, l'analyse et le dialogue.
2 processus de développement AI
** origines de l'intelligence artificielle: AI ** formellement proposé dans les années cinquante et soixante, en 1950, un nommé Ma Wen Minsky (plus tard connu comme le « père de l'intelligence artificielle ») et les personnes âgées ses camarades de classe Dunn Edmund ensemble, construit le premier ordinateur de réseau de neurones dans le monde. Ceci est également considéré comme un point de départ pour l'intelligence artificielle. Par pure coïncidence, également en 1950, il est connu comme le « père de l'ordinateur » Alan Turing a proposé une idée remarquable - test de Turing. Il est prévu que Turing: si une machine peut mener un dialogue avec l'identité humaine ne peut pas être la machine discerné, la machine aurait l'intelligence. Et cette année, aussi hardiment prédit Turing que la faisabilité des machines vraiment intelligentes. En 1956, lors d'une réunion organisée par Dartmouth College, l'expert en informatique John McCarthy a proposé le terme « intelligence artificielle ». Plus tard, dans ce qui a été considéré comme un signe de la naissance de l'agent de l'intelligence artificielle. Juste peu de temps après la réunion, McCarthy est passé de Dartmouth MIT. Dans la même année, Minsky également déplacé ici, après que les deux co-fondé le premier laboratoire d'intelligence artificielle de laboratoire --MIT AI LAB est un monde. Worth ciselure qui officiellement créé le terme AI Plymouth Meeting, et en partant du point de vue académique de la grippe aviaire a lancé une sérieuse et fine recherche spécialisée. Peu de temps après, le premier lot de chercheurs et de la technologie de l'intelligence artificielle a commencé à émerger. Conférence de Dartmouth est largement considéré comme un signe de la naissance de l'intelligence artificielle, l'intelligence artificielle depuis lors, engagé sur une voie de développement rapide.
Le premier pic de l'intelligence artificielle Après 1956 cette réunion, Amnesty International a salué son premier paragraphe appartiennent Happy Time. Pendant ce temps, plus d'une décennie, les ordinateurs sont largement utilisés dans le domaine du langage naturel et en mathématiques, pour résoudre l'algèbre, la géométrie et les questions en anglais. Cela permet aux chercheurs de voir beaucoup de confiance dans la machine au développement de l'intelligence artificielle. Même à ce moment-là, de nombreux chercheurs pensent que :. « Vingt ans, les machines seront en mesure de remplir toutes les personnes peuvent faire. »
Intelligence artificielle pour la première fois creux: 1970, l'intelligence artificielle dans quelques années douloureuses et difficiles. Comme les chercheurs de l'étude de l'intelligence artificielle estime insuffisante en difficulté, non seulement conduire à l'échec et programme de coopération de la Défense des États-Unis Advanced Research Projects Agency, également la perspective de l'intelligence artificielle afin qu'elle jette une ombre. En même temps, la pression de l'opinion publique a commencé à lentement contre le côté AI, ce qui entraîne beaucoup de fonds de recherche ont été transférés à d'autres projets.
À l'époque, goulot d'étranglement de la technologie de l'intelligence artificielle face à trois domaines principaux, d'abord, le manque de performances de l'ordinateur, ce qui entraîne beaucoup du programme début ne peut pas être appliquée dans le domaine de l'intelligence artificielle, d'autre part, la complexité des premiers programmes AI pour résoudre des problèmes spécifiques principalement question, parce que moins d'objets problèmes spécifiques, une faible complexité, mais une fois que le problème des dimensions en hausse, le programme débordés immédiatement, troisième étude approfondie, la quantité de données de graves lacunes, il est impossible de trouver une base de données assez grande au moment de soutenir le programme cela peut facilement conduire à la machine ne peut pas lire une quantité suffisante de données intelligemment.
Par conséquent, le projet d'intelligence artificielle au point mort, mais certaines personnes profitent du, rapport Lighthill pour 1973, les conditions de la recherche en IA britannique. Amnesty International a dénoncé l'échec d'atteindre « objectif ambitieux ». Ainsi, AI a subi six années de recherche dans l'abîme.
La montée de l'intelligence artificielle En 1980, l'Université Carnegie Mellon a conçu un XCON appelé "système expert" pour Digital Equipment Corporation. Ceci est l'un des programmes utilisant le système d'intelligence artificielle, peut être comprise simplement comme une combinaison de « machine d'inférence du savoir + », XCON est un ensemble complet de connaissances professionnelles et de l'expérience des systèmes informatiques intelligents. Le système avant 1986 pourrait sauver la compagnie plus de quatre mille dollars par an de financement. Une fois que vous avez ce modèle d'affaires, dérivé de l'image Symbolics, machines Lisp, etc. et IntelliCorp, Aion et d'autres matériels, société de logiciels. Au cours de cette période, seule la valeur de l'industrie des systèmes d'experts jusqu'à 500 millions $.
AI second creux: les pauvres, la roue du destin courir une nouvelle fois sur l'intelligence artificielle, a permis de retour à la case départ. Après seulement duré sept ans, le système d'intelligence artificielle de tristement célèbre a pris fin au cours de l'histoire. Pour 1987, produit par Apple et les performances de bureau IBM de plus d'ordinateurs à usage général tels que les fabricants Symbolics. Depuis lors, le système expert est à la retraite.
AI ressuscite: Au milieu des années nonante du siècle dernier, avec la technologie AI, en particulier le développement progressif de la technologie de réseau de neurones, ainsi que les gens commencent à Amnesty International ont connaissance objective et rationnelle, la technologie de l'intelligence artificielle ont commencé à entrer dans la période de développement stable. 11 mai 1997, le système informatique d'IBM « Deep Blue » défait le champion du monde d'échecs Garry Kasparov, a déclenché une nouvelle fois un sujet de discussion AI phénoménale dans le domaine public. Ceci est une étape importante dans le développement de l'intelligence artificielle.
En 2006, Hinton a fait dans le domaine de la percée du réseau de neurones d'apprentissage profond, humain voir à nouveau la machine à rattraper son retard avec l'espoir de l'humanité, est aussi un symbole du progrès technologique.
[Note] communications Geoffrey Hinton
Il a fait exploser une révolution des affaires au cours des trois dernières années. Google, Microsoft, Baidu et d'autres géants de l'Internet, il existe de nombreuses entreprises de technologie en démarrage, ont rejoint les produits d'intelligence artificielle de combat, ensemble intelligente déclenchant une nouvelle série de frénésie, et les mûrit technologie largement acceptée et le public, cette frénésie de temps peut-être l'avenir de la civilisation sera mis en place avec le pont de la civilisation moderne.
2016, AlphaGo Google a gagné les joueurs sud-coréen LiShiShi, ravivé AI-boom.
épidémie de grippe aviaire poursuit son essor, avec des mises à jour et les progrès des inséparables de l'infrastructure scientifique et technologique de la montée de l'ordinateur personnel dans les années 1970 pour développer le GPU 2010, l'informatique hétérogène et d'autres installations matérielles, nous avons jeté les bases de la relance de l'IA.
En même temps, l'Internet et le développement de l'Internet mobile a apporté une série de capacité de données, la capacité de l'intelligence artificielle peut être améliorée. De plus, la puissance de calcul du traditionnel à la CPU a conduit à conduit au GPU, ce qui est d'un grand changement pour l'IA. La technologie de l'algorithme de mise à jour pour la montée de l'intelligence artificielle, les algorithmes les plus anciens sont généralement des algorithmes statistiques traditionnels tels que les réseaux de neurones dans les années 1980, 1990 peu profondes, autour de 2000, SBM boosting, convexe des méthodes et ainsi de suite. Comme la quantité de données augmente, la puissance de calcul devient forte, l'impact de l'apprentissage en profondeur est également en croissance. Après 2011, la montée de l'apprentissage en profondeur, a conduit au développement de l'intelligence artificielle apogée aujourd'hui.
Conseils: pour créer l'intelligence artificielle pionnier
La première célébrité familière à tout le monde, et qui est le fameux « père de la science informatique » et « père de l'intelligence artificielle » - Alan Turing (Alan Mathison Turing). Ses contributions à l'intelligence artificielle de incarnée dans deux documents: l'un a été publié en 1936, où il pour le scénario « calculabilité » dans une définition mathématique stricte, et a fait son fameux « machine de Turing », de la mathématique logiquement ordinateur et créé une théorie précédent, et un autre document d'influence plus directe sur l'intelligence artificielle, son nom est, dans cet article, a proposé une détermination Turing si la machine est intelligente approche expérimentale, connue sous le nom test de Turing: si une machine ne peut pas être un dialogue et d'identifier sa machine identité humaine, la machine est intelligente. « Expérience salle chinoise » Il est une variante du test de Turing. On peut dire que Turing a été la première discussion sérieuse de l'intelligence artificielle de caractères standard, connu comme le « père de l'intelligence artificielle » bien méritée.
La seconde célébrité était un enfant prodige, PhD, âgé de 18 ans, dans la logique mathématique qui est atteint, il est le « père de la cybernétique » Wiener (Norbert Wiener). En 1940, Wiener a commencé à examiner comment l'ordinateur peut fonctionner comme le cerveau, a trouvé des similitudes entre les deux. Wiener estime que l'ordinateur est un système de traitement de l'information et de la transformation de l'information, tant que le système est en mesure d'obtenir les données, il devrait faire presque tout. Son départ de Cybernétique, avec un accent particulier sur le rôle de la rétroaction, que toutes les activités de renseignement sont le résultat de mécanismes de rétroaction et des mécanismes de rétroaction peut être simulée par des machines. la théorie de Wiener les captures au cur de l'intelligence artificielle - les évaluations, il peut être considéré comme l'intelligence artificielle « behaviorisme, » le fondateur de la recherche sur les réseaux de neurones artificiels sont également une portée considérable.
La troisième célébrités souvent associées à Turing saisir « père de l'intelligence artificielle » chapeau, d'abord proposé le « IA (intelligence artificielle) » du terme. Il est l'inventeur du langage LISP, le vrai « père de l'intelligence artificielle de » John McCarthy (John McCarthy). En 1955, John McCarthy avec un autre pionnier de l'intelligence artificielle Marvin Minsky, et « théorie de l'information » fondateur Claude Shannon en tant que sponsor, experts et chercheurs invités de divers milieux partageant les mêmes idées Dartmouth College en commun discuter de l'intelligence artificielle. Lors de la réunion, il a été John McCarthy convaincre les gens d'utiliser terme AI (intelligence artificielle), les participants ont également animé de discussion de l'intelligence artificielle de l'ordinateur automatique de proposition classique, le traitement du langage naturel et les réseaux de neurones.
3 domaines de la recherche en intelligence artificielle et de stratifié
Le principal domaine de la recherche sur l'intelligence artificielle ont cinq, Le fond est l'infrastructure , Contient des données et la puissance de calcul de deux parties, plus les données, plus la capacité de l'intelligence artificielle. Le plancher de l'algorithme Comme réseau neuronal convolutif, l'apprentissage de la séquence d'LSTM, Q-Learning, les algorithmes d'apprentissage en profondeur, les algorithmes d'apprentissage de la machine sont. La troisième couche est une direction importante et les problèmes techniques Tels que la vision informatique, génie de la parole, et le traitement du langage naturel. Il y a une autre décision d'un certain nombre de systèmes similaires, tels que l'apprentissage de renforcement (Note de l'éditeur: apprentissage amélioré), ou comme un grand système d'analyse statistique des données, qui peut être produit sur des algorithmes d'apprentissage machine. La quatrième couche est une technologie spécifique La reconnaissance de l'image, la reconnaissance vocale, la traduction automatique et similaires. Le sommet des solutions de l'industrie , Tels que l'application de l'intelligence artificielle de dans le secteur financier, les soins de santé, Internet, le transport et les jeux, ce qui est la valeur qu'il apporte notre préoccupation.
Il est à noter que l'apprentissage de la machine est différenciée avec entre l'apprentissage en profondeur, algorithme d'apprentissage machine fait référence à un ordinateur comme les gens peuvent trouver des informations à partir des données, et d'apprendre quelques règles. Bien que l'apprentissage en profondeur est un apprentissage de la machine, mais l'apprentissage est la profondeur de la profondeur en utilisant un réseau de neurones, le processus est un modèle encore plus complexe, de sorte que le modèle plus de compréhension en profondeur des données.
Un autre article sur la relation entre l'intelligence artificielle, l'apprentissage de la machine et l'apprentissage regard approfondi sur l'auteur.
4 scénarios d'application de l'intelligence artificielle
Computer Vision
Vers 2000, les gens ont commencé à utiliser l'apprentissage automatique, système de vision par ordinateur pour faire une meilleure caractéristiques artificielles. L'identification de la plaque d'immatriculation, la sécurité, et d'autres face technique. La profondeur apprend peu à peu apprendre à machine au lieu de fonctions manuelles d'utilisation, étendu ses scénarios d'application, tels que les drones, les fournisseurs d'électricité et d'autres domaines.
Technologie vocale
Après 2010, une vaste application étude approfondie de la précision de la reconnaissance vocale améliorée de manière significative, comme Siri, Voice Search et Echo, etc., peuvent réaliser une communication entre les différentes langues, ledit passage du discours, ainsi que leur traduction dans une autre Encore une fois, langues assistant intelligent, vous pouvez dire quelques mots sur le téléphone, il peut vous aider à remplir certaines tâches. Par rapport aux images, le langage naturel est plus difficile, plus complexe et exige non seulement la sensibilisation, mais aussi de comprendre.
Traitement du langage naturel
À l'heure actuelle une plus importante percée dans la traduction automatique, ce qui améliore considérablement le niveau initial de la traduction automatique, par exemple, le système de traduction de Google, est un événement de référence de l'intelligence artificielle. Q & A à l'horizon 2010, les systèmes « Watson » d'IBM sur une émission de variétés, et un champion du langage naturel humain et a gagné, ce qui représente une augmentation significative de la puissance de calcul.
Décision système
Avec le développement du système d'aide à la décision est de résoudre les problèmes d'échecs et à la hausse, les dames des années 1980 à la machine d'échecs d'échecs des années 1990 de la victoire sont des signes de progrès dans la science et de la technologie, le système de prise de décision peut être automatisé, l'investissement quantitatif, etc. Une large gamme d'applications sur le système.
Les grandes applications de données
Article avant de pouvoir voir, je comprends votre contenu favori et une recommandation plus précise, l'analyse de chaque marché boursier, pour quantifier la transaction, d'analyser toutes les préférences des clients, comme certains effectuent le marketing précis. Identification de la machine à travers une série de données pour identifier les stratégies les plus appropriées et nous donner votre avis.
défi 5 AI
Computer Vision: L'avenir de l'intelligence artificielle devrait accorder plus d'attention afin d'optimiser l'effet de renforcer l'application de la vision par ordinateur dans différents scénarios, problème.
Reconnaissance vocale: reconnaissance vocale actuelle, bien que dans une scène particulière (environnement calme), et les humains ont été en mesure d'obtenir un niveau similaire. Mais il y a encore des défis dans des situations bruyantes, comme la reconnaissance de champ d'origine, la langue parlée, le dialecte et d'autres contenus à longue queue. Besoins futurs en augmentation de puissance de calcul, augmenter la quantité de données et d'améliorer l'algorithme pour résoudre ce problème.
Traitement du langage naturel: les avantages de la machine est d'avoir une plus grande capacité de mémoire, mais le manque de compréhension sémantique, y compris la reconnaissance et de la cognition langue parlée non standard. Quand les gens parlent, sont associés à des événements physiques à apprendre, comme un peuple informatique disent, les gens savent ce que signifie ce ordinateur, ou qu'il est capable de faire, et en langage naturel, il est seulement le « ordinateur » comme isolé mots, de ne pas avoir une association similaire, seule langue naturelle Lenovo, pas l'événement physique dans l'association sur le texte et un certain nombre d'autres termes de la co-occurrence à travers. Donc, si nous voulons vraiment résoudre le problème du langage naturel, la nécessité d'établir une correspondance entre le texte à des événements physiques à l'avenir, mais il n'y a toujours pas de bonne solution. Donc, cela est une importante directions de recherche futures de considération.
Décision du système: Il y a deux problèmes, le premier n'est pas universel, à savoir, ne peut pas apprendre la connaissance de la mobilité, telles que l'utilisation d'un jeu d'échecs de la méthode, la méthode ne peut pas être directement transféré à l'autre jeu d'échecs, un grand nombre de deuxièmes données analogiques. Il a donc deux objectifs, l'un est d'améliorer l'algorithme, la rareté ou la façon de résoudre les données peuvent générer automatiquement problème de données analogiques, l'autre est la capacité d'adaptation, lorsque les données générées le changement, il peut adapter au changement et non la capacité diminué. Toutes les séries de ces problèmes sont les cinq ou dix prochaines années, nous espérons sera bientôt résolu.
intelligence artificielle
Phase préparatoire: Obtenir très vite
La première phase: les mathématiques de base et complémentaire langage Python
La deuxième étape: les algorithmes d'apprentissage machine à classique et un cas réel
La troisième étape: les algorithmes d'apprentissage automatique et d'autres cas réel
Phase IV: données massives et l'exploitation minière réelle
Cinquième étape: l'apprentissage en profondeur et principes pratiques de l'architecture
Etape 6: Projet système de recommandation -Recommander
Septième étape: Projet -NLP traitement du langage naturel
Huitième étape: projet de reconnaissance d'image -Image
Neuvième étape: projet contre -GAN réseau et portrait généré par l'utilisateur
Dixième étape: entrevue d'emploi réussie et Tricheurs
Onzième étape: la croissance rapide du CTO après l'entrée
