AI 人工智能科学

弱 AI

弱人工智能仅限于特定或狭窄的领域，就像我们今天周围的大多数人工智能一样:

• 搜索引擎
• Apple 的 Siri
• 微软的 Cortana
• 亚马逊的 Alexa
• IBM 的 Watson

弱 AI 也称为窄 AI。

弱人工智能模拟人类认知，而强人工智能具有人类认知。

强 AI

强人工智能是模仿人类智能的人工智能类型。

强人工智能表明有思考、计划、学习和交流的能力。

强人工智能是人工智能的理论下一个层次:真正的智能。

强大的 AI 朝着具有自我意识、意识和客观思想的机器发展。

机器学习 (ML)

经典编程使用程序来创建结果:

机器学习使用结果来创建程序（算法）:

神经网络 (NN)

历史上最重要的发现之一是神经网络 (NN) 的强大功能。

在神经网络中，称为神经元的许多数据层被添加在一起或相互堆叠以计算新的数据级别。

常用的简称:

• DNN 深度神经网络
• CNN 卷积神经网络
• RNN 循环神经网络

深度学习 (DL)

深度学习是使用神经网络提取更高层次数据的算法。

每个后续层都使用前一层作为输入。

例如，光学阅读使用低层识别边缘，使用高层识别字母。

深度学习有两个阶段:

1。 训练:输入数据用于计算模型的参数。

2。 推理:"受过训练" 模型从任何给定输入输出数据。

深度学习革命

深度学习革命来了！

深度学习革命始于 2010 年左右。从那时起，深度学习被用于解决许多 "无法解决" 问题。

示例

卷积神经网络 (CNN)

深度 CNN，例如 ResNeta 和 Inception 将 ImageNet 分类中的错误率从 2011 年的 25% 降低到 2017 年的 5%。

ImageNet 是一个按照 WordNet 层次结构组织的图像数据库，其中层次结构的每个节点都包含成百上千张图像。 ImageNet 是研究人员、教育工作者、学生和其他所有对图片充满热情的人的有用资源。

WordNet 是 200 多种语言中单词之间语义关系的词汇数据库。 它被组织为字典和词库的组合，使用同义词、下义词和分词将单词连接成语义关系。

循环神经网络 (RNN)

RNN 正在帮助创作乐谱和新颖的乐器声音:
https://magenta.tensorflow.org/demos.

人工智能的历史