新知一下
海量新知
6 2 9 8 8 2 2

人工智能、机器学习、深度学习这些概念,你真的理解吗?

DataHunter | 数据分析和商业智能服务提供商 2021/11/05 16:03

导语: 在现如今的信息化时代,人工智能、机器学习和深度学习这些概念已经不再如十几年前那样高高在上,它们逐渐渗透到了生活的各个角落,被我们所了解、使用,如 ios 设备中的 “siri” 语音助手,就是人工智能应用于生活的典型代表。那么这些高频词汇背后究竟蕴含着哪些道理,就让 DataHunter 来为大家一探究竟。

发展历程

首先我们应该明确一个概念,人工智能、机器学习以及深度学习三者并非相互独立的概念,而是从大到小的包含关系,通俗来讲,是一个“同心圆”。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

其中人工智能概念出现最早,顾名思义,就是为机器赋予人类智慧。 同时它也是三者中概念范围最广的一个。1956年夏天,麦卡塞、申农等一批具有远见卓识的青年科学家齐聚达特茅斯会议,探讨有关用机器模拟智能的一系列问题,“人工智能”这一概念也首次被提出。其长远目标实际上是希望最终使机器实现类人智能,但是目前还没有发展到这一步。目前的科研工作主要集中在弱人工智能领域,如人脸识别、文本审查等。弱人工智能只能专注于某一个领域,某些方面能够展现出和人相似甚至更高的能力,但在整体上和人相差很多。而要想实现强人工智能,使它能像人类一样有感情的、批判性的去思考,仍然需要一段时间。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

图:人工智能研究分支

机器学习,则是实现人工智能的一种方法。 这一概念最早源于 1952年一位IBM的工程师Arthur Samuel ,他在 1956 年的达特茅斯会议上提出 “M ach ine Learning” 即人工智能这一概念。机器学习,就是让机器从历史数据中学习规律,然后将规律应用到未来中。其实人类的行为也是通过学习和模仿得来的,所以我们就希望计算机和人类的学习行为一样,从历史数据和行为中学习和模仿,从而实现人工智能。

深度学习是在机器学习的基础上更进一步,它是实现机器学习的一项技术。 深度即层数,我们通常将 8层以上的神经网络模型称为深度学习。2006年,加拿大多伦多大学教授Geoffrey Hinton对传统的神经网络算法进行了优化,在此基础上提出了Deep Neural Network的概念, 即深度神经网络,可大致理解为包含多个隐含层的神经网络结构,由此推动了深度学习的发展。深度学习解决了很多使用传统机器学习算法无法解决的 “智能”问题,例如在图片识别、语义理解和语音识别等方面,效果拔群。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

图:Geoffrey Hinton教授关于深度神经网络的解释

行业内的应用

介绍完三者的区别与联系之后,我们再来聊一聊它们在行业内的应用。下面的内容主要介绍的是机器学习和深度学习在实践中如何实现人工智能。

机器学习的主流算法包括以下几种: 决策树、随机森林、逻辑回归、 SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

首先是在媒体领域 最为大众所熟知的就是各大互联网企业 APP 的推荐机制,其中运用到了机器学习的算法进行文章、视频推荐。大家会经常发现当你对某类题材的内容长期关注,在信息流界面会聚集越来越多相关的内容,它主要是基于内容 item的推荐、基于知识图谱的推荐、基于协同过滤算法的推荐。资讯信息物料的推荐,这里面会涉及到Doc2Vec、Lsi等算法,因为涉及到一部分对于物料语义的理解 。当然,时至今日,推荐机制早已不是一项独有的技术,诸如虎扑、微博等社交媒体软件都早已部署。

DataHunter在人民日报“中央厨房”的搭建过程中,同样意识到了人工智能的运用在当前媒介融合环境下的重要性,通过接入腾讯接口显示热点新闻,接入CMS内容采编发系统对稿件流转审批进行跟踪, 集成大数据平台对两微一端进行关键行为数据统计 ,集成稿件追踪统计跟踪稿件传播数据及时调整方向。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

其次是在零售领域 如今,企业的数字化转型早已成为其在信息化时代下生存发展的必要条件, D ata Hunter 作为一家专业的数据软件产品和服务提供商,开发了敏捷型数据中台 Data Formula ,它支持复杂的算法加工能力,可以对数据进行标签化,或者通过  AI 机器学 习算法,进行复杂数据处理和业务处理。

举个简单的例子, 零售商品推荐算法 ,其目的是为向用户提供他们可能更感兴趣的商品,从而达到提升销售总额的目的。目前行业中比较主流的有两种,基于用户的协同过滤以及基于商品的协同过滤,前者通过对相似用户的购买商品的特征进行比对,然后向其中的某一个用户推荐其他参考用户购买的物品;后者通过对用户购买商品的特征进行分析,通过数据分析确定用户喜欢商品的类型,来推荐相关商品。

Data Formula 针对数据加工处理,使用标签算法,进行业务数据标签化,通过标签算法生成的商品标签数据集和商品数据集关联,可以形成基于标签的新零售模型。从而为零售系统进行对应的标签数据支撑。从而因地制宜地应对各项复杂的业务,让企业中的数据创造价值,让商业决策更加智能。

零售行业所运用到的还包括 智能补货算法 ,货物的供应在现如今的信息化时代面临日趋复杂的情况。对于面临数字化转型的企业,智能补货也成为一项迫切的技术需求。而数字化、智能化补货就是如何利用人工智能技术帮助便利店制定补货策略,提高门店的整体运营效率。需求预测作为一项典型的回归问题,借助人工智能算法,通过历史数据,以真实销量作为数据样本,不断调整模型参数,自动的学习到预测的最优解,最终实现科学的需求预测及智能补货。

此外,人工智能还在零售业其他应用还包括 2D/3D 视觉识别技术 自然语言处理技术 机器人技术 AR/VR 增强现实技术 传感器技术 等。极大的改变了经营商、品牌商的传统销售模式,形成消费者和制造商的直接链接。视觉识别,传感器等相关技术的成熟让机器人与无人化的运营理念得以落地,大范围降低了生产者运营成本和提高消费者购物体验。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

另外是在医学领域 ,目前人工智能在医学领域的应用主要是集中在医学影像辅助诊疗以及各种智能检测仪上。在传统的人工影像诊断时代,医生通过肉眼辨别医学影像图片中的病理特征,以此作为诊断的依据。而进入到AI时代,通过机器学习,将得到结论的医学影像作为训练集,让机器进行迭代学习,最终就可以得到和专家同等水平的辨别能力和诊断精确度。

新知达人, 人工智能、机器学习、深度学习这些概念,你真的理解吗?

最后是在政府层面上的应用,人工智能使得人脸识别技术成为可能,为人民群众办理各种业务、出行等方面带来诸多便利。同时在打击罪犯,维护社会秩序方面,AI也有所建树,通过将人脸识别技术和电子眼相结合,使机器可以实时地对监控画面中的嫌疑人物进行辨别、比对,有效的帮助了公安系统提高案件侦破效率,及时抓捕罪犯。

此外,在警情处理的过程中,对于嫌疑犯的用户画像分析同样至关重要,用户画像表现为一种模型,是通过挖掘用户尽可能多的数据信息的基础上得到的。DataHunter与公安部紧密合作,构建智慧警务系统。进行数据建模,建立嫌疑犯的数据模型,采集格式化的用户画像数据。再结合机器学习算法,实现用户画像分析、关系图谱分析。

E nd : 总而言之,人工智能的时代已经到来,掌握好相关的概念知识,能够使得政府、企业乃至于个人都享受到红利。当然,技术的进步没有极限,个人的进步同样没有限制,希望本文对你有所帮助。

更多“人工智能”相关内容

更多“人工智能”相关内容

新知精选

更多新知精选