搞清楚这七大“黄金”疑问,你才算对AI入门了

发布时间:2020-04-29

[Ψ 导读 ] 以往算法是定死的┝,遇到A情况做出什么反应,遇到B情况做出什么反应。这些都是人类事先写好的,遇到特★定情况作出特定反应。而人工智能的算法是机器会自己学习▲,会根据训练的数据做调整,到最后甚至能够在特定领域做出特定的判断。 々 ▊

图片来自“视觉中国” ◎ ∫

第四范式创Θ始人戴∟文渊说,人工智能是个高门槛行业,对于大多数中国的企业而言,人工智能依然“深不可测”。

其实,人工智能的“高门槛”不仅是对于从业者,对于这个【行业的媒体人、投资人或者想了解、进入▷这个行业的人群,“入门”都是一件非常困难的事情。比如很多人还分不清楚机器视觉与计算机视觉有何区别,大数据是不是★指数据越多越厉害,深度学习和强化学习有什么区别……

为了彻底弄清楚这些入门级к问题,采访了云从科技CEO周曦和前英特尔架构⿰工程师Mask。

1、计算机视觉和图像处理有什么区别?

“图像处理是指输入输出都是图像Б,而计算机视觉是指输入是图像,输出的是其他信息”云从科技CEO周曦说。

举个例子。我们在用PhotoShop处理图像的时候,输入的是一个图像,输出也是一个图像,只⺌不过输出的图像是用滤镜修饰过,这类是图像处理。

如果输入是一个图像,而输出是一个信息,例如“张三”,那么这种就叫计算机视觉。

当然,图像处理和计算机视觉在很多处理方■法上可能会有一致的地方β,但是处理结果不同。

2、计算机视觉VS机器视觉

“计算机视觉和机器视觉是两种叫法,没有本质的区别”周曦说。

如果真要区分的话,计算机视觉和机器视觉应用场景的侧重不同,一个侧重人工智能分支,一个侧重工业应用。

计算机视觉主要是对质的分析,比如人脸识别,车牌识别;或者做行为分析,比如人员入侵,徘徊,遗留物,人群聚集等。

机器视觉侧▅▆重工业应用,比如通过机器视觉测量一个零件的直径、测量铁路道岔缺口等,主要是针对一些对准确度要求很高的项目。

3、相比于其他生物识别技术,人脸识别有哪些优势?

云从科技相关负责人介绍,人脸识别技术是一项新兴的生物识别技术。由于人脸具备有不可复制、采集方便、不需要被拍者的配合而广受欢迎。

相比于其他生物识别技术,人脸识别具有三大独特的优势:

非接触式采样。被测者不需要与采集器接触就可以将面相资料输入到计算机中,这种方式不仅方便了使用者,同时也在一定程度上提高了采集器的寿≦命。

无需被测者的配合。被测者在毫不知情的情况下被采样录入并进行识别对比。这一特点使得人脸识别技术成为公共安全监控方面的理想选择。可以利用这一点,在公共场合或机要∞部⊙门的出入口做实时对比识别,查找特定的人员。

人脸识别更方便、直观。人脸照片能够很方便地进行人工鉴定判断,无需专业人士做鉴定。这使得当用户需要核对历史记录中的人员时,能够更方便、直观地进ъ行人工判别。

4、深度学习VS机器学习VS人工智η能

深度学习的本质是各种神经网络,从最早最简单的感知机,再到多层神经网络,深度学习一直在不断迭代。2012年,人工智能专家吴恩达在供职于谷歌期间开发了神经网▔络系统,成功识别出小猫。吴恩达取得突破的方法是扩大神经网络的规模,增加更多的分层和神经元,并利用海量数据对系统进行训练。

机器学习是用算法解析数据,通过大数据不断训练,具有对发生的事情做出判』断▐和预测的能力。在过去几年里,机器学习出现很多算法,包括决策学习、归纳逻辑程序设计、聚类分析、强化学习、贝叶斯网Ц络等,而深度学习神经网络只是其中一种。

总之,人工智能是一种终极目标,♦让机器展现出人类的智力;机器学习是л实现人工智能↓的一种方法;深度学习是机器学习中的一类算法。

5、◑↔↕▪深度学习VS强化学习

云从科技CEO周曦解释,深度学习是一个比较大的‖∠名词,实际上是指我们用比以前大得多的神经网络。以前的神经网络是3-4层,但是现在能做到几十、上百层的神经网络;在计算参数方面,深度学习从以前的几百几千到现在有上亿的数量。

而强化学习是在深度学习体系里面,它主要是针对某一个问题的解决方№法,而根据不同的问题又有专门不同的算法。从一定意义上来看,深度学习从概念上是包含强化学习的。

6、AI算法与以往算法有什么不一样Ф?

“以往算法是定死的,遇到A情况做出什么反应,遇到B情况做出什么反应。这些都是人类事先写好的,遇到特定情况作出特定反应。而人工智能的算法是机器会自己学习,会根据训练的数据做调整,到最后甚至能够在特定领域做出特定的判断”前英特尔架构工程师Mask说б。々

举个例子。当人类驾驶汽车时,如果看到前方有车就会踩刹车,这是根据特定条件下命令给机器,让机器做出对〓应的动作。

然而,现在的人工智能算法会把各种情况的数据丢给机器,人类只下达机器指令,例如你下达“避免与机器碰撞”的指令,机器收到指令之后,会用这些数据,做出对应的判断。它的行为不是人类告诉的,是ф数据驱动的。

Mask解释,机器学习Ъ其实是从人类来的,比如人类在学开车的时候,并没有人告诉你在什么情况下该怎么开。现在科学家让机器去模仿人类开车,久了之后就会模仿人类开车,这就是现在人工智能的算法。

当然,如ↀ果数据上不足,人∈工智能的算法在某些情况下的判断是模糊的,如果数据足够的话,可能会做到超越人类精准度的判断。

7、大数据是不是数据越多越厉害?

大数据是人工智能的基础,也是这一次AI浪潮兴起的主要原因之一〥。当今世界正在逐渐?成为一个数字化时代,比如你每一≠次浏览网页、网购商品、跑步健身等都会被记录下来。但这些数据收集的真正价值,还取决于怎样挖掘和分析这些数据。

维克托迈尔-舍恩伯格在《大数据时代》一书中说到:在大数据时代已经到来的时候,要用大数据思维去发掘大数据的潜在价值๑。

举个例子,当你在淘宝或者京东商城上浏览商品,平台就∨会不断地弹出相关信息,这背后就是通过大数据分析进行有针对性的推荐。

业内人士表示,数据应用的周期可以划分为七个步骤:发现、获取≤、加工、筛选、集成、分析和揭露。人们会把大部分的注意力放在分析和结果量化的最后阶段,这也是大数据产生商用价值的阶段。另外,大数据的质量也非常重要,只有真实、准确的数据才能真正利于算法模型的迭代。