预约试听:15323438773
  


技术分享

News

人工智能 机器学习到底是什么?

日期: 2017-09-26
浏览次数: 191

编者按: 人工智能和机器学习可谓火爆空前。自从AlphaGo完胜人类围棋顶尖棋手后,人们关于人工智能的讨论就从未间断过。 有人说,人工智能会使大批人失业,又有人说,人工智能会给人类带来威胁。更多人期待的则是,人工智能可以帮助我们创造更多的价值。AI是一个非常广义的概念。为了更好的了解它,现在先让我们来讨论一下人工智能的一个重要分支——机器学习。本文编译于Ben Dickson近期在techfinancials.co.za上发表的题为“What is machine learning?”的文章。

人工智能 机器学习到底是什么?

当我第一次试着编程时,我就爱上了这门艺术(是的,我相信编程既是科学又是艺术), 那一年,我九岁。 我很快就迷上了如何通过设置逻辑规则和条件来控制程序的流程,if... else语句,switch,循环等等。

在接下来的几年里,我学会了通过创建模块和将代码段抽象成函数和类的手段来保持代码整洁。 我通过面向对象的分析和设计(OOA / D)增强了我的软件开发技能。 我学习了代码的重复使用和设计模式。 我学会了用UML图形和示意图来解释我的程序。 我学会了将这些原则应用于近十几种不同的编程语言之中。

但是编程的经验法则保持不变:定义规则和逻辑。 其余的只是帮助实施和维护这些规则的技巧。

几十年来,基于规则的代码主导了我们创建软件的方式。 我们分析一个或一组问题,指定边界,实例,进程,关系,并将它们转换为确定软件工作方式的规则。

虽然这种方法对我们来说很好,但却导致了“笨”软件,除非人类以某种方式更新其逻辑,否则该程序永远不会改变其行为。 另外,它也不适用于规则不明确的情况,例如识别图像中的对象,在网络流量中发现恶意活动,或是在不平坦的地面上对机器人进行导航。

机器学习是现代人工智能的基石,它颠覆了传统编程模式。 机器学习有助于创建修正和改善其性能的软件,而无需人类向其解释如何完成任务。 这就是我们今天直接使用的, 以及许多即将发生的,创新背后的技术,包括你从网站,数字助理,无人驾驶汽车,分析软件等处看到的令人惊讶的建议。

什么是机器学习?

机器学习是从示例中学习的软件。 你不需要编写机器学习的算法,而是通过提供大量的相关数据,来训练它们。 例如,不要试图对机器算法解释一只猫看起来是什么样的,你需要通过提供数百万张猫的图片来培训它。 该算法在这些图像中找到重复的模式,并为自己确定如何定义猫的外观。在此之后,当你向该程序显示新照片时,它可以区分照片中是否含有猫的成分。

许多人将机器学习等同于人工智能。 然而,AI是一个松散的概念,它可以应用于从复杂的、基于规则的软件到尚未发明的,人类智能之间的任何事情。 实际上,机器学习是AI的一个特别分支,它基于数据而并非规则来创建程序。

什么是监督,无监督和强化学习?

机器学习有几种不同风格的算法。 其中最流行的是“监督学习”,进一步说,就是你使用带有标签数据的训练算法,将一组输入对象(通常为矢量)映射到一组期望的输出值中(也称为监督信号)。 上面所讲的猫的示例就是监督学习的一个例子。 另一个例子是语音识别,你可以通过提供声音波形来对应其中的书面字体。

你提供给监督学习的算法样本越多,其分析新数据的能力就越精确。 而这也是监督学习的主要挑战。 创建带有标记样本的大数据非常耗时,同时也需要大量的人力。 一些平台,如亚马逊的Mechanical Turk提供数据标签服务。

在“无监督学习”中,机器学习的另一个分支,则没有参考数据,一切都没有标签。 换句话说,你提供输入,但不提供输出。 该算法对未标记的数据进行整理,提取推论并找出模式。 无人监督学习对于人类无法定义的,隐藏模式的情况尤其有用。

例如,你允许机器学习算法监视你的网络活动。 然后,它将根据其找到的模式设置正常网络活动的基准。根据这个标准,它将检测并且记录异常网络活动。

与监督学习相比,无监督的学习更接近于机器自我学习的过程。 然而,无监督学习的问题是其结果往往是不可预测的。 这就是为什么它通常需要结合人的直觉来引导其保持正确方向,因为它一切都是自学的。 例如,上述网络安全的例子,网络活动中有许多原因会使其偏离规范,然而这并不是恶意制造的。 但机器学习的算法并不知道。在开始的时候,人类分析人员必须纠正其决定,直到它学会判断异常并作出更好的决策。

另一个不太知名的机器学习领域是“强化学习”。在强化学习中,程序员定义了状态,期望目标,允许的行动以及约束。 该算法通过尝试将各种不同的允许行动进行组合来了解如何实现目标。 当你知道目标是什么,但无法定义达到目标的路径时,此方法特别有效。

强化学习在许多设置中被使用。 在更著名的案例中,Google DeepMind的AlphaGo,掌握了复杂的棋盘游戏Go的机器学习程序。 该公司正在采用同样的方法来提高英国电网的效率。 Uber也在使用相同的技术来教AI代理玩侠盗猎车手车(或更准确地说,让它们自己学习)。

什么是深度学习?

人工智能 机器学习到底是什么?

虽然机器学习是人工智能的一个分支,但深度学习是机器学习的专门分支。 深度学习使用神经网络,一个具有人类大脑结构和功能的复制品。

深入学习解决了上一代学习算法中存在的一个主要问题。先前, 随着数据的增长,算法平台的效率和性能趋于停滞。 现在,深度学习算法在获得更多数据的同时,其性能也在不断改进。深度学习算法并不是直接通过将输入映射到输出的方式,而是依赖于几层处理单元。 每个层将其输出传递到下一个层,进行处理,然后再传递到下一层。 在某些模型中,计算可能会在处理层之间来回流动多次。现已证明深度学习在各种任务中非常有效,包括图像字幕,语音识别和语言翻译。

机器学习的挑战是什么?

虽然机器学习对未来应用的发展至关重要,但并不是没有自己的挑战。

一方面,机器学习算法的开发和部署在很大程度上依赖于大量的计算和存储资源来执行其任务。 这种依赖关系使得它们在执行时受限于云服务和大数据。 因此,在执行边缘计算机集成解决方案时(edge intelligence)它们更具挑战性。

机器学习的另一个问题 - 特别是深度学习 - 是它的不透明度性。 随着算法变得越来越复杂,人类越来越难以解释它们是基于什么,做出决定的。 在许多情况下,这可能不是问题。 但是,当你想要对算法做出关键决定时,使它们具有透明性并且让人一目了然是非常重要的。

此外还存在一些偏见问题。 机器学习往往会吸收嵌入到它们在接受培训时,数据中包含的一些的习惯和倾向。 在某些情况下,寻找和消除偏见很容易,而在其他情况下,它的嵌入度极深,人类往往难以察觉。

然而,这些挑战都不可能阻止AI和机器学习成为我们这个时代的通用技术(这个术语曾经被用于蒸汽机和电力这样的发明)。 不管我们往哪个方向发展,机器学习都将会对我们产生深刻影响。


News / 推荐新闻 More
2021 - 07 - 27
机器视觉检测技术的发展趋势随着工业制造技术及加工工艺的提高与改进,对检测手段、检测速度和精度提出了更高要求,使得机器视觉检测技术在各大行业广泛应用,发展势头强劲。下面,我们就来细数下机器视觉检测发展的几个历程和趋势。1、初级视觉理论:主要针对光学成像的逆问题,是由能从二维光强度阵列恢复三维可见表面物理性质的一系列处理过程组成。这里各过程的输入数据及计算目的都是能够明确描述的,如边缘检测、立体匹配、由运动恢复结构等方法。在三维物体投影成二维图像过程中,三维信息有很多损失,从而导致病态问题产生,因此加强对初级视觉过程及其约束条件的研究就显得格外重要,其主要针对 3D 重建。2、主动视觉理论:主动视觉指观察者以确定或不定方式运动跟踪目标、感知对象的技术方法。在主动视觉中,观察者和目标物体也可同时运动,观察者的运动为研究目标的形状、距离和运动提供了附加条件,重要研究方向为目标跟踪,导弹拦截等。3、...
2021 - 07 - 26
PLC控制柜维护保养21法则一、为什么需要维护1、为了延长使用寿命;2、为了设备运行的稳定性;3、这也是5S的一种体现。二、不维护容易出现的问题电柜太脏会设备短路,打弧,烧坏设备;电柜风扇过滤网堵塞,散热不好会导致设备稳定性差;湿度过大会设备短路;某些大电流位置局部过热时间长了会烧坏设备。三、准备工作各种工具:螺丝刀,扳手,摇表,万用表,钳形电流表;吸尘器;热风枪,记号笔,锉刀等;备件:风扇过滤网,接触器辅助触头,继电器线圈,热缩管,导电膏。人员:不仅需要电工,还需要程序员。因为如果程序员参与,把软件的维护也做起来,可以提前预防消除很多软故障。四、注意事项做好规划,制定详细的步骤,按部就班。永远不要相信一拍脑袋一个主意,而是先把所有的方方面面考虑好,拿着规划一步一步做:1.  安全第一:拆卸设备之前先断电,注意安全;2.  清洁电柜的时候注意不要把灰弄到到处都是;3.&...
2021 - 07 - 20
机器视觉:系统不稳定性因素分析1 引言   机器视觉的研究始于20世纪50年代二维图像的模式识别[1],它起初被设计用来代替人眼从事检测识别的工作,可以大大提高检测的工作效率以及降低人眼疲劳带来的检测结果的不一致性。机器视觉检测发展至今,在许多方面已经发展到可以完成人眼难以完成的工作,如高精度的测量以及对特定产品的高速分级,还有利用红外线、紫外线、X射线等检测技术检测人类视觉无法检测到的事物[2]。但机器视觉系统设计的难点在于如何保证其可靠性与稳定性,无论从光源,相机等硬件上还是从图像处理软件上的设计,对机器视觉的稳定性都有重要影响。   2 机器视觉系统组成典型的机器视觉系统一般由图像的获取、图像的处理和分析、输出或显示三部分组成。按照视觉系统组成结构主要分为两大类:PC或板卡式机器视觉系统(PC-Based Vision System),以及嵌入...
2021 - 07 - 16
资深电气工程师总结的PLC最全编程算法,收藏备用!PLC编程算法(1):开关量PLC中无非就是三大量:开关量,模拟量,脉冲量。搞清楚三者之间的关系,你就能熟练的掌握PLC了。1,开关量也称逻辑量,指的是两个取值,0或1,ON或OFF。它是最常用的控制,对它进行控制是PLC的优势,也是PLC最基本的应用。开关量控制的目的是,根据开关量的当前输入组合与历史的输入顺序,使PLC产生相应的开关量输出,以使系统能按一定的顺序工作。所以,有时也称其为顺序控制。而采用顺序控制又分为手动,半自动或自动。而采用的控制原理有分散,集中与混合控制方式。2,模拟量是指一些连续变化的物理量,如电压,电流,压力,速度,流量等。PLC是由继电控制引入微处理技术后发展而来的,可方便及可靠地利用开关量控制。由于模拟量可转换成数字量,数字量只是多位的开关量,故经转换后的模拟量,PLC也完全可以可靠的进行处理控制。由于连续的生...
技术分享
 
2021 / 07 / 27
机器视觉检测技术的发展趋势随着工业制造技术及加工工艺的提高与改进,对检测手段、检测速度和精度提出了更高要求,使得机器视觉检测技术在各大行业广...
 
联系方式

深圳市龙华新区观澜第三工业区观中街5号联为科技园

1505031685@qq.com

15323438773 杨老师  

0755-29495142

预约免费试听
  • 您的姓名:
  • *
  • 公司名称:
  • 地址:
  • 电话:
  • *
  • 传真:
  • E-mail:
  • 邮政编码:
  • 留言主题:
  • 详细说明:
  • *
     
联为智能教育专业打造自动化教育产、学、研一体化平台,成为智能制造教育领导者。联为plc培训班精心打造专业培训实操基地,专门为学员研发一批教学设备,包括机器人学习教学连线,plc培训学习教学连线,工业机器人培训、plc编程培训等专业的教学设备,让学员真正理论实践一体,学以致用,从实践交流中体会知识的精髓,来一场完美的职业转身。
扫码学习
深圳联为智能教育感谢您的关注!
plc学习
在线直播间
plc培训班
小胡老师
Copyright ©2005 - 2013 深圳市联为智能教育有限公司


犀牛云提供企业云服务
5
电话
  • 15323438773
6
二维码
回到顶部