赫尔辛基大学AI基础教程:人工智能的相关领域(1.2节)

除了人工智能本身外,还有其他几个与之密切相关的领域,包括机器学习,数据科学和深度学习。

  • 机器学习可以说是AI的一个子领域,它本身就是计算机科学的一个子领域。(这种分类往往有些模糊,机器学习的某些部分可能更贴近于统计学。)机器学习使人工智能解决方案具有适应性。简要的定义如下:

关键术语:

机器学习

在给定的任务中,通过越来越多的经验或数据来提高其性能的系统。

深度学习是机器学习的一个子领域,它本身也是AI的一个子领域,并且它本身还是计算机科学的一个子领域。我们将在第五章中更详细地讨论深度学习,但现在让我们只要记住,深度学习的“深度”是指数学模型的复杂性,而现代计算机的计算能力的增强使研究人员增加这种复杂性以达到在数量和质量上与以前不同的水平。(你可能会注意到,科学通常会逐渐增加特殊的子领域,并且子领域还会增加子领域等等,这使得研究人员能够放大一个特定的领域,以便有可能赶上越来越多的知识积累起来,并产生关于这个这个领域更多的新知识 – 或者纠正早期的知识,使其更加准确。

数据科学是最近一个涵盖了机器学习和统计、计算机科学的某些方面,包括算法、数据存储和web应用程序开发等几个子学科的统称。数据科学也是一门实践性很强的学科,它需要了解应用它的领域,例如商业或科学:它的目的(“附加价值”的含义)、基本假设和约束。数据科学解决方案通常涉及一点人工智能(但通常并没有那么多)。

机器人技术意味着构建和编程机器人,使之可以在复杂的现实环境中运行。从某种意义上说,机器人技术是AI的终极挑战,因为它需要几乎所有AI领域的组合。例如:

  • 用于感测环境的计算机视觉和语音识别
  • 自然语言处理,信息检索以及在不确定的情况下进行处理指令的推理并预测可能的结果
  • 用于与人类互动和合作的认知建模和情感计算

许多机器人相关的AI问题最好通过机器学习来实现,这使得机器学习成为机器人AI的核心分支。

注:

什么是机器人?

简而言之,机器人是包括传感器(感测环境)和执行器器(作用于环境)的机器,它可以被编程以执行一系列动作。过去人们习惯科幻小说描绘机器人的人通常会想到人形机器以步态笨拙的步态行走,并以金属单调说话。现实世界目前使用的大多数机器人与此完全不同,因为它们是根据应用设计的。大多数应用程序不会在意机器人是否为人形,就像我们没有人形的机器人为我们洗碗,但是我们有靠喷水洗碗的机器。

乍一看可能并不明显,但是任何一种至少有一定程度的自主性,包括传感器和执行器的车辆也被算作机器人。另一方面,基于软件的解决方案,如客户服务聊天机器人,即使他们有时被称为“软件机器人”,也不被视为真正的机器人技术。

练习2:AI的分类

分类法是对许多可能是彼此特殊情况的事物进行分类的方案。我们已经解释了许多学科或领域之间的关系,并指出,机器学习通常被认为是AI的一个子领域。

可视化分类的一种方便的方法是欧拉图。欧拉图(与维恩图差不多)由与概念相对应的形状组成,这些图形与图形之间的重叠对应于概念之间的重叠。

请注意,分类不需要严格分层。一个学科可以是其他学科的子领域:例如,机器学习也可以被认为是统计学的一个子领域。在这种情况下,子领域的概念将被放置在他们的重叠部分。

在下面给出的欧拉图示例中构造一个分类,以说明人工智能、机器学习、计算机科学、数据科学和深度学习之间的关系。
赫尔辛基大学AI基础教程

你会把AI、机器学习、计算机科学、数据科学和深度学习分别放在哪里?

练习3:任务的例子

思考以下示例任务。确定哪些包含ai相关的领域。选择所有符合条件的。(提示:机器学习几乎总是包含某种统计数据。A.统计 B.机器人 C.机器学习)

1.自驾车

2.指引火箭进入轨道

3.在线广告优化

4.客户服务chatbot

5.总结盖洛普结果

 

 

附:赫尔辛基大学AI基础教程1.1节-练习1习题答案

下面哪些是AI,哪些不是选项包括:A.是,B.不是,C.部分是(多选)。

1.在给定的数据上计算求和和其他预定义函数的电子表格(B)

由用户指定的公式确定,不需要AI。

2.通过对过去的股票价格数据拟合曲线来预测股票行情(ABC)

拟合一条简单的曲线并不是真正的AI,但是有很多不同的曲线可供选择,即使有大量数据做限制也需要机器学习或者说AI才能获得有用的结果。

3.用于查找最快路线的GPS导航系统(ABC)

用于确定坐标的信号处理和几何方法不是AI,但是为导航(最短/最快路线)提供良好的建议是AI,尤其是在考虑交通状况等变量时。

4.一种音乐推荐系统,如Spotify,根据用户的听歌的行为来推荐音乐(A)

系统从用户(不仅仅是你的)听歌行为中学习。

5.可以存储大量数据(如图像或视频)并将它们同时传输给多个用户的大数据存储解决方案(B)

从数据收集中存储和检索特定项目既不具有适应性也不具有自主性。

6.应用程序中的图像滤镜,如Photoshop(BC)

这些滤镜通常是简单的转换,如调整色彩平衡,对比度等,因此它们既没有适应性,也没有自主性,但应用程序的开发人员可能会使用一些AI来自动调整滤镜。

7.在Prisma等应用中使用的风格迁移滤镜拍摄照片并将其转换为不同的艺术风格(印象派,立体派,……)(A)

这种方法通常会学习图像统计信息(特定风格的图像中的哪些看起来接近的斑块),并转换输入的照片以使其统计信息与风格相匹配,因此系统具有适应性。

 

答案及下篇:赫尔辛基大学AI基础教程:AI的哲学(1.3节)

教程合集传送门:赫尔辛基大学AI基础教程

本文为ATYUN(www.atyun.com)编译作品,ATYUN专注人工智能
请扫码或微信搜索ATYUN订阅号及时获取最新内容

发表评论