人工智能三大分类

人工智能三大分类人工智能三大分类 人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢？ 人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。 似乎可以获得任何商品（例如医疗健康，飞行，旅行等），并通过人工智能的特别应用使其更加智能。所以除非信任事件具有终结者般的转折，可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。 人工智能主要有三个分支： 1) 认知 AI （cognitive AI） 认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知 AI 必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。 现在人们越来越倾向于认为认知 AI 混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 2) 机器学习 AI （Machine Learning AI） 机器学习（ML）AI 是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。 然而机器学习需要三个关键因素才能有效： a) 数据，大量的数据 为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特征，同时发送它所收集的所有数据、驾驶员的干预措施、成功躲避、错误警报等到总部，从而在错误中学习并逐步锐化感官。 一个产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如雷达，相机，方向盘等（假如它是一辆汽车的话），还是你倾向于物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感器、公共数据库等只是越来越多的通过互联网连接的传感器中的一小部分，这些传感器可以生成大量数据（多到让任何正常的人来处理都太多）。 b) 发现 为了理解数据和克服噪声，机器学习使用的算法可以对混乱的数据进行排序、切片并转换成可理解的见解。（假如你想吓跑你的同事，请先听听常用的不同排序算法） 从数据中学习的算法有两种，无监督算法和有监督算法。 无监督算法只处理数字和原始数据，因此没有建立起可描述性标签和因变量。该算法的目的...