首页 百科正文

机器与人工智能区别

woniu 百科 2020-01-28 19:49:18 17374 0 领域研究机器人

都说 AI 人工智能无处不在,似乎无论走到哪里,我们总能看见不少的关于AI技术的影子,然而除了人工智能,改变人类生活方式和工作方式的还有许多关键性技术,比如机器算法和逐渐走进人们日常生活的机器人技术,虽然所有这些技术都与 AI 有着或多或少的联系,但总的来说,他们还并不是一个完全的整体,而有着各自独立和不同的发展和应用领域。

虽然很多时候我们习惯性地将 AI 人工智能用来描述所有我们所遇到的智能化技术,但是实际上 AI,机器学习,深度学习和机器人这些种种令人称奇的技术,虽然有时候它们的应用领域会彼此交叉重叠,但是总的来说,它们其实都有着明显的区分范围,又共同构成了未来庞大的技术网络。

AI 人工智能是一个相当宽泛的领域,你可以从其中找到许多地方进行研究学习,但是要充分理解到以下关于人工智能的四个基础方面,我们才能对这个相互独立又协同组织起来的技术整体网络有着深刻清晰的了解。

首先在人工智能的基础根源上说,这是让机器拥有代替人类智能从而操作各项任务的关键技术,按照类型来讲,可以分为规划,模式识别,自然语言理解和学习解决问题几大块。

然而人工智能又有广义和狭义之分,我们目前大多数的都是采用的狭义人工智能技术,它们可以在一定程度上模拟人类或动物的智能活动,处理各种任务,但是正如其名称所表示的,这种狭义人工智能通常处理的是非常精专的技术,比如图像识别和以光速进行数据库搜索这些方面,而广义人工智能则能在很大程度上直接代替甚至超越人类的智能表现,这也是目前许多的 AI 研发人员正在致力于研究的主要方向。

这些人工智能技术实际上早就渗透进了我们的生活,比如亚马逊这类电商就利用 AI 来帮助用户进行个性化推荐,为你提供你在谷歌等搜索引擎上所期望的产品,其实大多数人在不知不觉中都使用了这项技术,只是并没有明显的察觉。而人工智能和常规的编程技术的主要差别在于 AI 的编程执行动作是完全的依照编程指令准确无误的操作的,而人工智能的直接应用则不需要太过明确的编程指令,它们可以在自主学习中完成相应任务。

作为 AI 领域的子集,其实很多时候人工智能都利用了机器学习功能,如果将机器学习发展得更深一点,我们就可以把它们叫做深度学习,这也是一种对机器的重新学习方式,而这些都是处于软件方面,那么作为硬件实体呈现的机器人和 AI 又有什么不同呢?我们往往将机器人和人工智能作为可以互换的术语,但是人工智能算法实际只是作为硬件内部的大型技术矩阵结构,而还有一些电子和非人工智能的代码也会被编入到机器人实体中。

机器人技术是一系列与机器人相关的技术,而机器人则是一台被编程用来完成各种指定任务的机器,但他们既不能叫做人工智能,也能不叫做机器,但是对于机器人的结构组成,专家们目前还没有一致的意见,总的来说,机器人需要具有一个物理的实体存在,并被编程有一定的自治能力,比如Roomba真空吸尘机器人,手术机器人和 Altas 人形机器人。

一些被精确编程的机器人,例如工厂的装配工机器人和手术机器人,他们都不需要自主学习,只需要按照程序指令执行就好,并不具备人工智能,他们的智能都是被内置的 AI 编程程序所控制的,而且随着发展,现在一些制造工厂的装配机器人也能够被编程来独立完成重复性工作,不需要什么精密的思考,而那些具有机器学习功能的机器人则可以在完成工作任务的过程中进行自主学习,并不断提升自己完成工作的效率和能力。

那么人工智能和机器学习有什么主要区别呢?从根源来讲,机器学习是一个实现真正人工智能的子集,这个术语是由Arthur Samuel 在 1959 年提出,用他的话说就是不需要进行预编程就可以自主学习的能力,这个想法也正是让算法去学习或被训练,完成一些不需要进行硬编码就可以完成的工作任务,而也正是机器学习为人工智能后来的发展铺平了道路。

Arthur Samuel 当时希望建造一个计算机程序能在跳棋比赛中胜过他,但是他并没有建造一套复杂和详细的编程系统,而是创造了一种算法,让他的计算机可以在与自己的上千次对战中学习,以此提升自己的能力,而这也成为了当今世界机器学习的核心理念,到了1960年,Arthur Samuel 的这套程序已经可以通过自主学习成功击败了人类棋手。

然后机器学习技术发展至今,经过了许多的变革,其中包括被监督,半监督,无监督和强化学习四个方面,在被监督状态下,计算机程序将会被赋予一些被标记的数据,开发者将会要求这些程序将标记数据分配到相应的排序参数里,比如放置一些动物的图片,然后让计算机程序进行辨认识别,在经过训练后将其归置于特定的分类区域。

在半监督状态下,只需要标记一部分的图像,然后让计算机程序用自己的算法和过去的数据来计算出不能被标记的图像,而在无监督的机器学习上,计算机程序不需要涉及任何要初步标记的数据,然后就被丢进数据库中,按照自己的方式将数据库中的各种动物图像按照相似性进行分类,在这个过程中,他们也创造了自己的规则。最后在强化学习过程中,它们与机器学习的子集不同,举个例子,就像在玩象棋游戏时,他可以通过学习自主了解其中的规则,并在多次的胜负中获得能力上的提升。

作为机器学习的子集,深度学习现在已然成为了非常重要的人工智能组成部分,他能够处理的问题远远不止数据分类这样简单,在与各种数据的交流中,深度学习可以在没有任何过去知识的条件下进行判断,做出相应的决定,如果需要在不同的两种动物间做出区分,相比常规的机器学习的动物图像区分能力,它们的区分方式将会非常独特。

首先,它们会一个像素接着一个像素的扫描数据库中所有的动物图像,一旦完成之后,就会通过图像呈现的不同的边缘和形状进行解析,以差分顺序进行分类排列,确定差异实现区分效果,但是相应的,深度学习也需要更强大的硬件支撑,而运行这些的机器通常辉被存放在大型数据中心,使用深度学习的本质实际上就是从零开始。

在所有的人工智能学科中,深度学习可以说是未来创造广义人工智能的主要工具,我们已经看到,其已经在很多领域逐步实现了实际应用,比如 Alexa,Siri 和微软的 Cortana 这类语音助手,此前的 Chatbots 聊天机器人已经逐渐被深度学习系统取代,显得越来越智能。

在过去的一个世纪里,人类经历了历史上最为频繁的技术革命,从计算机时代的开启,到互联网的普及,再到移动设备的无处不在,各种不同种类的技术现在已经在逐渐整合起来,共同为未来铺下发展的道路,正如谷歌的CEO Sundar Pichai 所说:“随着时间的推移,作为主流设备的计算机,不论是什么形式的产品,都会逐渐发展成帮助你个性化生活的智能助手,我们会从一个移动时代进入到新的 AI 纪元。”


版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/56.html

评论