技术篇：颠覆性技术的真相

认知鸿沟下的人工智能

• 一般认为， 人工智能是研究、 开发用于模拟、延伸和扩展人的智能的理论、 方法、 技术及应用系统的一门新的技术科学。

• 人们希望通过对人工智能的研究， 能将它用于模拟和扩展人的智能， 辅助甚至代替人们实现多种功能， 包括识别、 认知、 分析、 决策等等。

  人工智能的层次

  

  基础设施层

• 随着计算机兴起，普及，运算速度和存储量的增加， 以及互联网兴起，搜索， 电商业务的积累带来了数据的爆发增长，数据的规模和丰富度对算法训练尤为重要

• 与之前相比， 现阶段“数据”包含的信息量越来越大、 维度越来越多， 从简单的文本、 图像、 声音等数据， 到动作、 姿态、 轨迹等人类行为数据， 再到地理位置、 天气等环境数据

• 另一方面， AI芯片显着提升了数据处理速度

  算法层

• 所谓“机器学习”， 是指利用算法使计算机能够像人一样从数据中挖掘出信息； 而“深度学习”作为“机器学习”的一个子集， 相比其他学习方法， 使用了更多的参数、 模型也更复杂， 从而使得模型对数据的理解更加深入， 也更加智能。
  

• 
• 机器学习算法中的一个重要分支是神经网络算法
  • 1995年， Yann LeCun等人受生物视觉模型的启
    发， 改进了卷积神经网络（Convolution Neural Network， CNN） （见图
    1-22） 。 [9]这个网络模拟了视觉皮层中的细胞（有小部分细胞对特定部分的视觉区域敏感， 个体神经细胞只有在特定方向的边缘存在时才能做出反应） ， 以类似的方式计算机能够进行图像分类任务（通过寻找低层次的简单特征， 如边缘和曲线， 然后运用一系列的卷积层建立一个更抽象的概念） ， 在手写识别等小规模问题上取得了当时的最好结果
  • 
  • 
• 另一个重要领域是强化学习
  • 
  • 

    技术方向
    44