您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 质量控制/管理 > 人工智能大数据深度学习
人工智能大数据深度学习人工智能——为机器赋予人的智能人工智能(AritificialIntelligence,AI)是一门融合了计算机科学、统学、脑神经学和社会科学的前沿综合性学科。它的目标是希望计算机拥有像人一样的智力能力,可以替代人类实现识别、认知、分类和决策等多种功能。人工智能发展历程1950-1970年代,人工智能的”推理时代“,只是具备了逻辑推理能力,机器还远远达不到智能化的水平。1970-1990年代,人工智能的”知识工程“时代。专家系统得到了大量的开发,把知识总结出来再灌输给计算机,机器只不过是一台执行知识库的自动化工具而已。2000年至今,人工智能的”数据挖掘“时代。随着各种机器学习算法的提出和应用,特别是深度学习技术的发展,人们希望机器能够通过大量数据分析,从而自动学习出知识并实现智能化水平。机器学习——一种实现人工智能的方法机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。深度学习——一种实现机器学习的技术深度学习主要模拟了人脑对新事物的反应、例如学习行为,它粗略地构建了人脑中神经以及神经突触的层级关系。人脑有大量被称为神经元的脑细胞,人之所以能够进行思维,就是因为这些神经元互相联结,处理各种信息。同样,如果用机器模拟神经元,并建立人工神经元联结网络,这样的人工神经网络就能够进行思维。深度学习之父——杰夫辛顿事实上,你听说过的几乎每一个关于人工智能的进步,都是由30多年前杰夫辛顿的一篇阐述多层神经网络的训练方法的论文演变而来(“反向传播”)。人工智能在最近十年里取得的几乎每一个成就,包括语音识别、图像识别,以及机器翻译等,追溯到源头上都跟杰夫辛顿所做的研究成果相关。他是人工智能发展史上最有价值最有功勋的人之一,甚至有科学家称他为人工智能界的“爱因斯坦”。深度学习之父——杰夫辛顿二十几年,固执的杰夫一直没有放弃人工神经网络的研究。实在没有进展或者压力过大时,他通常会大吼:“我发现大脑是怎样工作的啦!”来激励自己,和他一起工作的同事也已经习以为常了。坚持的事业没有突破性进展,每天都绝望的不断调试参数,想想都觉得很阴郁,对科学事业的热爱让他挺过了这些焦灼的岁月。识破天惊——深度置信网的快速学习方法2006年,杰夫·辛顿(GeoffreyHinton)联合杨立昆(YannLeCun)、约书亚·本吉奥(YoshuaBengio)发表了具有突破性的一篇论文《AFastLearningAlgorithmforDeepBeliefNets》(深度置信网的快速学习方法)。这篇文章从理论上解决了原有神经网络规模无法扩展,只能处理单一情况无法处理复杂情况的问题,直接推动深度学习理论取得突破。他给多层神经网络相关的学习方法赋予了一个新名词——“深度学习”。大数据——信息资产大数据(bigdata),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。这种资产实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。人工智能——用深度学习方法加工大数据“机器”凭借卓越的计算能力、利用深度学习方法、以海量数据为素材进行训练,智能程度显著提高。当前的人工智能=深度学习+大数据,这是一个最具时代精神、也最为普遍接受的认识。谢谢观赏光明中学李梦
本文标题:人工智能大数据深度学习
链接地址:https://www.777doc.com/doc-4777906 .html