大多數(shù)人關(guān)注的是AI的一些成果性的東西，一些實(shí)際的用例。當(dāng)然，還有霍金的“人工智能威脅論”。但透過外表去看這臺(tái)“機(jī)器”是如何“運(yùn)轉(zhuǎn)”的，此處我們會(huì)談到需要去理解的四個(gè)基本要素：分類、分級(jí)、機(jī)器學(xué)習(xí)和協(xié)同過濾。

人工智能(AI)正席卷全球，目前已有很多創(chuàng)新用例，而且?guī)缀鯌?yīng)用于所有行業(yè)。雖然說，要做出用智能機(jī)器人代替醫(yī)生這種聽起來就很科幻的東西，還有幾十年的路要走，但現(xiàn)在人工智能也正為各行各業(yè)的專家們，提供著決策與解決問題方面的幫助。也會(huì)為我們消費(fèi)者提供一些非常便利的功能，比如聽歌識(shí)曲。

大多數(shù)人關(guān)注的是AI的一些成果性的東西，一些實(shí)際的用例。當(dāng)然，還有霍金的“人工智能威脅論”。但對(duì)于我來說，我更喜歡透過外表去看這臺(tái)“機(jī)器”是如何“運(yùn)轉(zhuǎn)”的，此處我們會(huì)談到需要去理解的四個(gè)基本要素：分類、分級(jí)、機(jī)器學(xué)習(xí)和協(xié)同過濾。

分類涉及到創(chuàng)建特定于待解決問題領(lǐng)域的度量(如金融、網(wǎng)絡(luò))。分級(jí)包括確定數(shù)據(jù)與待解決問題的相關(guān)程度。機(jī)器學(xué)習(xí)涉及到異常檢測(cè)、群集、深度學(xué)習(xí)和線性回歸。協(xié)同過濾涉及到跨大數(shù)據(jù)集去尋找應(yīng)用模型。

分類

AI需要大量與解決問題相關(guān)的數(shù)據(jù)，創(chuàng)建一個(gè)人工智能解決方案的第一步是創(chuàng)建一個(gè)我稱之為“設(shè)計(jì)意圖指標(biāo)”，用于將問題進(jìn)行分類。無論用戶試圖建立一個(gè)系統(tǒng)去幫助醫(yī)生診斷癌癥還是去幫助IT管理員診斷無線網(wǎng)絡(luò)問題，都需要定義度量，使問題被分解成一個(gè)一個(gè)的小塊。例如，在無線網(wǎng)絡(luò)中，關(guān)鍵指標(biāo)是用戶連接時(shí)間、吞吐量、覆蓋面積和漫游。在癌癥診斷方面，關(guān)鍵指標(biāo)則是白細(xì)胞計(jì)數(shù)、種族背景和X射線掃描。

分級(jí)

一旦用戶的待解決問題有了一個(gè)明確的分類，下一步就是對(duì)每個(gè)分類進(jìn)行分級(jí)，幫助用戶走向可獲得有意義結(jié)論的方向。例如，在訓(xùn)練人工智能系統(tǒng)時(shí)，用戶首先必須對(duì)問題屬于單純性文本還是雙關(guān)語進(jìn)行分等，然后按時(shí)間、人、事或位置進(jìn)行分等。在無線網(wǎng)絡(luò)中，一旦用戶知道問題的類別，就需要開始對(duì)導(dǎo)致問題出現(xiàn)的因素進(jìn)行分等：關(guān)聯(lián)規(guī)則、認(rèn)證、動(dòng)態(tài)主機(jī)配置協(xié)議(DHCP)或其他的無線、有線和設(shè)備因素。

機(jī)器學(xué)習(xí)

現(xiàn)在的問題是將其劃分為元數(shù)據(jù)的特定領(lǐng)域塊，用戶需要將這些信息“喂給”神奇的、強(qiáng)大的計(jì)算機(jī)，讓其進(jìn)行吞食及學(xué)習(xí)，也就是機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)領(lǐng)域有很多算法和技術(shù)，使用神經(jīng)網(wǎng)絡(luò)的監(jiān)督機(jī)器學(xué)習(xí)(即深度學(xué)習(xí))現(xiàn)在已經(jīng)成為最受歡迎的方法之一。神經(jīng)網(wǎng)絡(luò)的概念現(xiàn)于1949年，隨著計(jì)算和存儲(chǔ)能力的增強(qiáng)，神經(jīng)網(wǎng)絡(luò)已經(jīng)開始被訓(xùn)練用以解決各種實(shí)際問題，從圖像識(shí)別到自然語言處理再到網(wǎng)絡(luò)性能預(yù)測(cè)。其他的應(yīng)用包括異常特性發(fā)現(xiàn)、時(shí)間序列異常檢測(cè)和事件關(guān)聯(lián)根本原因分析。

協(xié)同過濾

大多數(shù)人在線上視頻網(wǎng)站看視頻或電商平臺(tái)購物的時(shí)候，都會(huì)體驗(yàn)到協(xié)同性的過濾，并收到他們可能喜歡的電影或商品的推薦。除了推薦，協(xié)同過濾還被用來對(duì)大量數(shù)據(jù)進(jìn)行排序，并在人工智能解決方案的制定上落下最后一筆。在這一過程中，所有的數(shù)據(jù)收集和分析都變成了有意義的見解和行動(dòng)。無論是在游戲中，還是對(duì)醫(yī)生、網(wǎng)絡(luò)管理員，協(xié)同過濾都是能夠提供高可信度答案的手段。它就像一個(gè)虛擬助手，能夠幫助你解決各種復(fù)雜的問題。

人工智能仍然是一個(gè)新興的領(lǐng)域，但它的影響是深遠(yuǎn)的，也會(huì)越發(fā)強(qiáng)烈，因?yàn)樗鼤?huì)慢慢成為我們生活的一部分。選擇一個(gè)人工智能解決方案，其實(shí)和選購汽車很相似，我們不僅要看車的外形，還要了解引擎蓋下面那些真正能夠代表車的性能的東西。這樣，我們才能知道這輛車是否能達(dá)到我們的需求。