在当今这个人工智能、机器学习、深度学习以及数据科学蓬勃发展的时代,许多人都渴望成为数据科学家。但遗憾的是,即使是学习数据科学的人,也并非都清楚这些术语之间的区别。了解它们是什么以及它们之间的区别比以往任何时候都更加重要,这样人们才能在面对问题时做出正确的决策。
人工智能可以在各个领域中使用。自从1950年艾伦·图灵提出“机器能思考吗?”这个问题以来,人类就一直迷恋于创造人工智能。人工智能使机器能够思考,即在没有任何人为干预的情况下,机器能够自己做出决策。它是计算机科学的一个广泛领域,使机器看起来好像具有人类智能。因此,它不仅仅是编程计算机通过遵守交通信号来驾驶汽车,而是当那个程序也学会表现出类似人类的道路愤怒时。
人工智能系统根据它们模仿人类行为的能力、它们用来这样做的硬件、它们在现实世界中的应用以及心智理论被分类。使用这些特征进行比较,所有实际和假设的人工智能系统可以分为以下三种类型:
人工狭窄智能也被称为弱人工智能,它是目前世界中存在的唯一类型的人工智能。狭窄人工智能是目标导向的,并且被编程为执行单一任务,并且在完成它被编程去做的特定任务时非常智能。一些ANI的例子包括Siri、飞机上的自动驾驶、聊天机器人、自动驾驶汽车等。
狭窄人工智能系统不像人类那样有意识、有感情或由情感驱动,它们使用特定数据集的信息,并且不执行任何超出它们被设计去执行的单一任务之外的任务。
人工通用智能也被称为强人工智能,是一种机器表现出人类智能的概念。在这种情况下,机器有能力学习、理解和以一种在给定情境下与人类无法区分的方式行动。通用人工智能目前还不存在,但已经在许多科幻好莱坞电影中被使用,其中人类与有意识、由情感驱动和自意识的机器互动。
使用强人工智能,可以有能力构建能够思考、策划并且在不确定条件下执行多项任务的机器。它们可以将它们之前的知识点整合到决策中,以提出创新的、创造性的和非传统的解决方案。
相信记得阿诺德·施瓦辛格的《终结者》,在这部电影中,机器的认知能力超越了人类智能的所有方面。人工超级智能是一种假设的人工智能,机器将能够展现出超越最聪明人类的智能。在这种类型的人工智能中,除了拥有人类多方面的智能之外,机器将拥有比人类更优越的问题解决和决策能力。这是那种将对人类产生巨大影响并可能导致人类从地球上灭绝的人工智能。
机器学习是一个拥有众多应用的广泛领域。机器学习是人工智能的一个子集,它使用统计学习算法构建具有自动学习和从经验中改进的能力的系统,而无需被明确编程。
大多数人在日常生活中使用机器学习,当使用Netflix、YouTube、Spotify上的推荐系统;像谷歌和雅虎这样的搜索引擎;像谷歌家庭和亚马逊Alexa这样的语音助手时。在机器学习中,通过提供大量数据并允许它学习更多关于处理的信息来训练算法。
ML算法可以被广泛分类为三个类别:监督、无监督和强化学习。
在监督学习中,有输入变量(x)和一个输出变量(Y),使用一个算法来学习从输入到输出的映射。换句话说,监督学习算法采用一个已知的输入数据集及其对数据的已知响应(输出)来学习回归/分类模型。然后,学习算法训练一个模型来为新数据或测试数据集的响应生成预测。
无监督学习用于没有标记数据的情况。其主要焦点是通过推断数据集中的模式来更多地了解数据,而无需参考已知的输出。它被称为无监督,因为算法被留下自己来对未排序的信息进行分组,通过在数据中找到相似性、差异和模式。无监督学习通常作为探索性数据分析的一部分进行。它最常用于找到数据的聚类和降维。