▷人工智能：它是什么以及当前的实际示例？

几年来，公司一直在向我们介绍有关其在服务，应用程序和处理器中引入的人工智能的信息。但是，尽管它们具有相同的名称，但是感谢上帝，我们洗衣机（出于逃避我们的原因）和智能手机的人工智能的发展还不足以使它们反思它们的存在以及我们对它们的力量。现在…

正如我们在关于AI开发USB Intel Movidius的文章中已经告诉您的那样，人工智能将继续存在并帮助我们解决日常问题。但是人工智能到底是什么？

资料来源：Source Dexeter

您在上面看到的gif 以非常简化的方式显示了深度神经网络的工作方式。 这些系统需要经过严格的培训，以后才能例如识别图像，优化解决方案或简单地学习更多。 从本质上讲，这是一组算法，我们可以将其归类为AI，并且属于深度学习领域。

内容索引

人工智能：新编程

如今，人工智能已不再像科幻小说中所见的那样，由良心构成复杂的混合技术系统。 我们创建的算法取决于复杂算法的定义，这些算法根据输入和教给他们的命令返回结果。尽管那只是其中的含义之一。

有多种理解人工智能的方法，但我们可以将其分为四个主要类别：

像人类一样思考的AI

黄油机器人瑞克和莫蒂

具有自己的良心的复杂计算机系统，可以根据自己的意愿进行思考和决策 ，并超出了为其编程的特征（“ Ghost in Shell”）。它尚不在我们的范围之内，我们甚至不知道将来是否有可能，因此没有什么可评论的。

行为举止像人一样

像人一样思考与假装像人一样是不同的。 今天，我们创建了类似这样的系统，其中引入了随机性和具体功能，以赋予Intelligence像人一样的感觉。

胡椒智能助手

在视频游戏中，我们不断看到这种情况，因为机器控制的敌人经常试图模仿人类的行为。 与视频游戏分开，已经实现了人工智能可以像人一样书写不完美和不规则的文字。

理性思考的IA

可能是此技术最常见的版本。 我们说他们理性地思考是因为我们为他们提供了提供有效和有意义结果的工具。他们能够轻松适应自己所处的环境，尽管他们远离自己的想法。

AlphaStar学习

人工智能的一个例子就是玩像AlphaStar（StarCraft II）或AlphaZero（象棋，将棋和围棋）这样的视频游戏。这些机器甚至能够与人类对手作战，并且已经击败了偶尔的世界冠军。

IA采取合理行动

由于他们“采取行动”，我们发现他们没有处理我们传递给他们的数据 ，因此他们似乎只是在理性考虑。 这是该技术最简单的版本，这是我们已经很大程度上通过的阶段。一些计算机系统采用此技术，因为它更容易编程，并且其工作通常很简单。

智能吸尘器

例如，接听电话并指导您选择选项的机器或网页的智能助手，通常会要求您推荐相关的解决方案。

关于智能如何根据其复杂程度进行分配已经有了一个可以接受的图像， 让我们带您深入探讨这一问题。

思维数学

对人工智能进行编程的一种方法是将数据作为称为张量的虚构单位进行处理。 张量是一个复杂的代数单位 （标量，向量和矩阵），需要数学知识才能与它们正确配合。因此， AI应用程序的性能将与执行数据的数学操作一样好 。

螺丝扣的简化说明

为了扩展这种软件的开发， 许多团体已经创建并向公众开放了他们的代码库 ，以与社区合作和创建更智能的系统。最相关的示例包括 Google的 TensorFlow ，微软的 CNTK ，Theano，Caffe2和Keras 。每个库都从不同角度关注问题 ，因此， 我们可以随意使用不同抽象级别的AI。

如果您不知道抽象水平是多少，那么它是一个衡量计算机语言与口语的接近程度的系统。 抽象级别越高，它越类似于人类语言，而抽象程度越低，则机器代码越多 ，也就是说，仅适用于零和一的世界。

新系统，新硬件

显然， 所有软件都在硬件中运行 ，但是，很容易让人误以为云可以应付一切，但事实并非如此。 根据代码的优化方式， AI可能在本地工作 （在智能手机，PC或物联网设备上）。或者可以允许设备将计算结果发送到服务器，进行处理，然后这些返回结果。

云服务

在许多情况下，“小型”设备会尝试在本地执行很大一部分计算，并将仅部分问题发送到服务器， 从而节省了许多服务管理成本 。

人工智能在日常中

我们知道思考这个问题的未来是一件非常有趣的事情，甚至对于某些事情来说都是令人兴奋的 ，但是您不必走太远就能看到最初的成果。 在当今社会中，我们在哪里可以找到人工智能的踪迹？

移动人工智能

它似乎没有引起注意，但它在我们的各个方面都围绕着它。从家用设备开始，新手机通常具有称为AI的小型内置系统，可帮助您拍摄更好的照片。选择性聚焦后处理图像，使它们看起来更清晰，更彩色或更鲜明。 有些甚至能够识别我们捕获的对象并为我们提供相关搜索。

在这个领域，“ OK Google”之外的同事，从我们告诉她的一切中学习并能够处理无限请求的同事 ，也脱颖而出。尽管我们可以很容易地找到您“机械加工”的对象（例如无法进行对话）， 但我们不能忽略我们所知道的背后的艰苦工作。

Google助手

我们还必须谈论即将到来的自动驾驶。 特斯拉这样的汽车已经在某些国家提供了人工智能控制的替代产品。 这些系统能够捕获汽车周围的环境 ，处理禁令，危险等， 并据此安全驾驶。

尽管我们不需要在汽车世界中达到如此高的智能水平。我们可以看到， 有些汽车已经具有紧急停车检测或自动停车等有趣的系统 。

阴影中的女王：

到现在为止， 您可能已经在思考AI无处不在 ，并且随时都有可能造反，但请放心，您的烤面包机不会在您睡觉时杀死您。我们可以确认的是， 这项技术的控制范围超出了您的想象，并且对社会的许多趋势负有责任。

Youtube，Twitter，Google广告… 所有这些都在一定程度上由您指示的设置控制，而且还由决定显示内容的人工智能来控制。您是否听到类似的消息： “我想与Google共享我的数据，以便向我提供我可能感兴趣的广告” ？

如何运作？嗯，您将看到， 根据您在Internet上的消费情况 ，将创建一个具有您的喜好的个人资料，并且您与许多其他人相关。 当Internet服务需要向您显示某些内容时，它们会使用由数百万个人组成的个人资料来估算您可能感兴趣的内容。

简化的大数据解释

这种使用AI分析海量数据（大数据）的方法正在发挥很大的作用，并且全世界出现了许多职业，准备为该主题的未来做准备。 如您所知，用户使用的数据每秒以TeraBytes进行计数，因此人们无法对其进行全部分析。 这是人工智能处理数据的地方，是人们使用它来进行估计等，例如使用统计数据。

我们建议您Google Home Mini：它的用途和用途，功能

基础：深度机器学习

我们将在视频游戏世界中进行一些导航，以更好地理解深度学习，因为AI既作为玩家（如上所述），也作为程序员和设计师进入了视频游戏领域 。如果您跟随行业的发展， NVIDIA因其不同的技术而声名狼藉，其中包括其DLSS（深度学习超级采样）系统， 这是一种能够缩放图像的人工智能系统。

DLSS比较

DLSS的功能是将图像从FullHD（1080p）转换为UltraHD（4k） ，以便能够以更高的帧频播放要求最苛刻的标题。 最初，用户抱怨图像看上去模糊不清， 但是几个月后效果却不错。

这要归功于深度学习，这是一个系统，人工智能可以通过该系统学习实践和错误。 对于DLSS，NVIDIA Intelligence一直在以UltraHD分辨率分析图像，并尝试以FullHD图像为基础重新创建图像。换句话说，就好像他们给了您四分之一的图像，而您必须填补您不知道的空白。 深度学习是一种系统，属于西班牙语中的机器学习或自动学习。

机器学习和深度学习

机器学习可以归类为人工智能的基础。 这些是不同的算法集，通常用于机器学习任务等。例如， 识别图像，下棋或检测情绪是可以学习的挑战，并且根据挑战使用不同类型的算法。

据说机器学习是使机器能够从积累的经验中学习的一组算法 。另一方面， 深度学习侧重于使用异构输入进行学习。 由于人工智能的未来不确定，因此正在大力开发和研究这两个学科。

人工智能的未来

从我们的角度来看， 人工智能的可能性似乎是无限的。 我们仍然不知道我们的极限是什么，我们已经在努力创造与我们相似的另一个， 但是我们将来会期待什么？

我们将要评论的所有内容都不能被认为是理所当然的，但是它们是基于某些自变量的陈述，这些自变量主要是通过观察这些机器的发展而得出的。

网际网路

首先，我们似乎不可避免地要朝着互联网主导的世界迈进，这就是为什么AI在媒体上将具有更大的相关性和力量。 这不是应该吓到我们的东西，因为这是我们可以确保平台维护的唯一方法。 有了这个，我们可以在更安全的空间中浏览网页，但同时也更安全。作为此方面的第一个先驱，我们有Facebook机器人来分析和评估自杀念头是否贯穿您，如果发现自杀念头，他们会与您联系。

同样，在现实世界中，无人驾驶和辅助汽车将越来越占主导地位， 直到驾驶只是消遣。 也许改变不会发生一百年， 但是改变将会发生。

另一个可以预见的变化是机器的辛苦工作的交换 。这是许多人担心的革命，但这似乎是不可避免的，因此我们必须做好准备。