到目前为止?

去年3月AlphaGo将火灾的人工智能,今年3月滥用食品KeJie AlphaGo增强版和将带来吗?作者的标题会一点,但KeJie甚至关闭最近学会了新的人才,赢得AlphaGo是不可能的。人工智能的学习能力是绝对不容人类好几个数量级。沿着随着时间的发展,在这个项目中,无论是KeJie还是谁,人类只能越来越多的被滥用。这是一个“新进化论”不可阻挡的“自然”带来的法律。

比赛结束后可以KeJie那么自信?

然而,对于真正的人工智能,AlphaGo也只是一瞥,人工智能神经网络的深度是一个惊喜,但不会改变。百度等公司为商业成功“疯狂”,他们可能不会带来任何帮助。吴邦国在da与成千上万的GPU百度可能会带来一些令人惊异的人工智能的产物,且难以复制和盈利能力的莆田是印钞。人工智能只是完成了转换从胎儿到婴儿,都要经历无数的灾难对人类的世界。

然而,作者没有取笑呈现各种大公司面对人工智能的快干“神经病”的行为。但艾京一个简单分析,神经网络技术,和人工智能在现实商业层面所面临的实际问题。让你看KeJie AlphaGo赛前热身,人机大战的科学和客观的观点。

为什么神经网络火?

神经网络这个东西不是新的东西,之前AlphaGo牛X,是人工智能的一个分支算法。许多算法在神经网络已经存在多年,不像魔法和难以置信的突然出现。最近开始吸引焦点,主要是因为可用的计算能力(CPU、GPU AI特殊细胞)的快速发展,使大量的矩阵乘法更容易测试,验证和迭代。

但Deepmind这个神经网络优化在人工智能真的是神奇,和Deepmind相同的技术完全可以应用于其他领域。结果,不明真相的群众真的以为明天会来取代人类的人工智能。大型互联网公司也立即开始业务的人工智能。

我不怀疑Deepmind神经网络算法的通用性,但是不同的训练数据采集领域的一边仍然不能解决现实的问题。数据的复杂性和其他地区,也许只有量子计算能力人类寿命的可接受的范围内完成了训练。

神经网络是更像图灵的关键问题

神经网络有两个优势,一个是使用相对之前的训练时间实时处理的应用。但随着训练数据处理复杂性为默认逻辑处理的复杂性。和AlphaGo让人们开始相信,也许神经网络是解决完全图灵测试的关键。

宏的欲望,通过模拟生物神经网络预计现实思考人类思维的直接实现。人工神经网络感兴趣的是人类的大脑在一个特定的任务或功能的自适应建模方法的机器,是一个简单的大规模并行分布式处理的过程。自然体验店,让它可用的特性。神经网络类似于人类在两个方面:1、神经网络获得的知识从外部环境;2,相互连接的神经元的连接强度,突触权重,用于存储知识。

有很多问题在现实生活中不能使用默认的逻辑来解决。当问题是不可预测的,如手写识别;需求或处理问题,很容易改变,处理任务只需要一个令人满意的解决方案,而不是精确的解决方案,这些条件模糊逻辑来处理人类的大脑不是问题,但对于计算机程序是一个困难的问题。和神经网络通过大量参考数据的现有经验,或任务本身可以产生足够的经验数据来完成一个最优解。它并不能保证任务完成100%正确,但它就像人类的大脑经验给出一个最优解。从模仿人类思维的角度,人工智能将所有最高的通用机器学习算法,也是最有可能的着陆方式图灵测试。

神经网络来解决一切吗?这是一个螺母

但是很多人工智能神经网络并不是最佳的解决方案。神经网络有什么问题集的神经波可以,例如,基本的数字识别。

神经网络和基本的决策树,或一个向量机,最基本的算法选择原则能够解决这个问题。许多产品加工使用流行的递归神经网络算法,但如果使用简单的缺省逻辑,贝叶斯算法和向量机可以达到很好的效果,也没有必要把本末倒置了。神经网络的深度可能会成为未来人工智能的一般算法来解决这个问题,但是神经网络需要大量的数据准备和运行耗时。神经网络与其他机器学习算法相比,更像是一个大量的数据与应用程序之前清洗时间和培训时间快速计算时使用。

各种算法的性能比较,神经网络并不是最优的解决方案。数据来源:人工智能,斯图尔特-罗素)

这里列举一些常用的机器学习算法,因为太无聊不详细说明。基于区间分布的理论:聚类分析、模式识别、人工神经网络、决策树、传感器、支持向量机(SVM)和演算法集成学习,减少维度和测量研究中,聚类,贝叶斯分类器。

构造条件概率的基础上,回归分析和统计分类、高斯过程回归,线性判别分析方法,最近的邻居,径向基函数(RBF)的内核。

基于概率图模型,包括贝叶斯网络和马尔可夫随机场

近似推理技术:马尔可夫链蒙特卡罗方法(使用算法AlphaGo),变分方法。

为什么人工智能科学家提出的方法呢?答案很简单,没有一种方法来实现最优解在任何场景。神经网络,并不意味着在未来人工智能完全单一的方向。辅助神经网络与其他方法可能更合理。

人工智能的现金问题

吴在达到2014年百度吸引,百度开始人工智能的时代。你可以说百度谷歌一直在模仿,但在人工智能,百度是谷歌大脑的中心人物。吴在3年百度发表论文近20篇,每一个成就或百度现有的产品线,或根据创业的结果。从吴En达到回到百度首次开发医疗机器人访问到最新的语音识别唤醒第二阶段的产品开发平台,百度在人工智能领域取得明显进展,虽然没有Deepmind明确,但也成为行业巨头。

现在通过AlphaGo东风,各种人工智能公司如雨后春笋般出现。不仅各种大型数据成一个AI先锋公司,甚至依赖于媒体公司,今天的头条新闻数据挖掘也宣称自己是一个人工智能的公司。人工智能的从外面像金银岛,一万人在一座木桥岛上挖出宝贝。但最大的问题,站在前面的所有人工智能公司是如何清算。回到现实,既不是金,也不是银,,甚至没有一个像样的石头。

以百度为例,吴邦国在达到一个会话的权威在图像识别领域,人工智能,然而,埃德娜同志从来没有成功的商业化产品。提出学校当教授在斯坦福,谷歌大脑中提出的广告商,当然,从来没有任何资金压力。来百度之后,当然,加速了生产节奏,但也可以提出的节奏。以2015年为例,介绍了特殊百度机器人,促销并不是问题,问题是,一组访问和卖药针对百度的逻辑应该有很好的前景,但去年魏基本依靠百度西医疗暴力事件清算碎的逻辑。医疗卫生组织到百度的大脑,审讯机器人产品只能变得更少。当然,百度的一些语音产品的技术水平,具有较好应用前景到陀伯地去,但这样的前景比百度的维度和人工智能,前景不太可能成为金融图片。

李开复同志说的好,AI人工智能科学家是创业精神的核心,也是一群附近的人知道他们的现金。事情本身是困难的,因为这两组不同的思想和价值观的不同的人每天一起战斗。至少国内风格喜欢挖掘各种学校教授,一些基本的编程,代码学生。最初的人工智能清算是困难的,你也会一群没有回到学校,教人们现金是白日做梦。

人工智能的到来是不可阻挡的,资本的进入将加速过程的人工智能落在地上。但风一吹,想落在地上,它不是那么容易。人工智能的黎明不远,很长一段路要走,但前者无限黑暗没有静怎么坏了?敲代码,做优化,都说或产品。

作者简介:刘Binghan,人工智能公司EditorAI CEO,作者的自嘲“大多数将在人工智能领域的写文章,写文章里面最了解人工智能”。

BianHou:“智能细菌”将一如既往,新鲜和有趣的人工智能领域的社会问题,提交请联系StudioAI@163.com。

免责声明:本文作者授权媒体智能工作室独家文章,转载请注明来源的细菌“智能”,作者和标志着纸链接,犯罪者。

发表评论

电子邮件地址不会被公开。 必填项已用*标注