丝袜久久亚洲国产毛片,老人AV综合,国产精品日韩av,超碰国产综合,综合av在线草,毛片久久久,精品蜜桃一区三区,99久久久,人妻99在线视频

　　自從谷歌的人工智能 “AlphaGO” 成為圍棋界的百勝將軍開始，人工智能（AI）這四個字，剎那間就成為科技業(yè)中最熱門的關鍵詞。而就在今年初，早在AI領域打下深厚基礎的IBM Watson也開始進軍一些數(shù)據(jù)服務公司，甚至踏入醫(yī)療領域，用人工智能為患者判定其病因，準確率高達92%。
 

　　現(xiàn)在，我們已經(jīng)進入了逐漸取代人類工作的智能科技年代，在不知不覺中，“人工智能”開始滲透到每一個家庭中，從谷歌和臉書依照個人喜好投放的廣告，可以查詢到已設定的日歷語音助理，其背后都有“人工智能”的概念。所以，隨處可見的“人工智能”正悄無聲息的改變我們的生活習慣。
 

　　是什么讓AI從“科幻”變“科技”？
 

　　人工智能其實是個龐大而復雜的概念，但萬變不離其宗的是都基于一項很關鍵的技術，而這個技術就叫做“機器學習 Machine Learning”。
 

　　說起機器學習技術，其實就是讓機械擁有自主學習的能力，雖然在當今這個社會說起來好像很容易的樣子，但在90年代時，機器學習技術還是處于一個萌芽階段，相對的演算法和硬體條件都不夠完善，直到近年來才讓機器學習的能力有了個突破性的進展，而其中發(fā)展最快的一項關鍵技術，就是“深度學習”。
 

　　我們來看看這個數(shù)據(jù)：2015年機器學習的周邊市場規(guī)模約3.6億美元，至2020年預估將突破29億美元，并在人工智能這個市場的50億美元中占了約6成比重！可以說機器學習的技術突破，就是人工智能的市場發(fā)展原動力。
 

　　既然機器學習重要，那它究竟是什么？為何能進展神速？
 

 

　　“大數(shù)據(jù)”提高了深度學習精準度
 

　　演算法和硬件條件大幅度的躍進為機器學習提供了優(yōu)良條件，再加上數(shù)字化聯(lián)網(wǎng)的蓬勃下帶來的“大數(shù)據(jù)”，便引爆了深度學習技術的浪潮。目前，無論是NVIDIA這類的芯片商，還是擅長演算法的谷歌和臉書，最常提到的機器學習技術，就是“深度學習”。
 

　　舉個例子描述深度學習如何進行。想像一下，如果要讓一臺搭載深度學習能力的機器進行自動駕駛，面對陌生的路線和隨時都可能有行人沖出馬路的危險路況，機器應該進行怎樣的判斷？其實，只要透過深度學習，便可先將周圍的數(shù)據(jù)資訊輸入到機器中，這樣機器就擁有了辨識環(huán)境中的物體，可有助在行駛當中能精準的躲避障礙物，最后找出一條合適的路徑到達目的地。所以，只要數(shù)據(jù)越完整，機器就能夠辨識周圍一切的物體，從而加強自身的判斷能力。
 

　　這么說來，要能讓人工智能靠“深度學習”發(fā)展思考能力，很大程度是依賴大數(shù)據(jù)，不過，這時候我們就會遇到一個問題，那就是：如果沒有大數(shù)據(jù)，深度學習就毫無用武之地了嗎？

 

　　“小數(shù)據(jù)”的機器學習方案也蓄勢待發(fā)
 

　　雖然，大數(shù)據(jù)可以為“深度學習”加強判斷能力，但真的要讓機器做到“學習”這件事，其實方法有很多，并不是只有深度學習這唯一的方法。
 

　　我們再回到自動駕駛的例子，倘若這次先不將周圍的環(huán)境數(shù)據(jù)提供給機器，而且告訴它避免碰撞和到達目的地這兩個指令，那么機器就會在不斷的失敗中以吸取經(jīng)驗，從而達到學習的效果，最后也能到達目的地。所以在開始階段中不依賴大數(shù)據(jù)的學習方式，可以歸類為“強化學習”。
 

　　而強化學習的方法能補足機器在突發(fā)狀況下的應變能力，AlphaGO的開發(fā)商也深知這個道理，所以讓AlphaGO借著深度學習和強化學習的相融合，在對手下出意料之外的棋步時，重新建立新的經(jīng)驗，以便在未來可以做重要判斷的依據(jù)。
 

 

　　為什么我們需要“小數(shù)據(jù)”的人工智能培養(yǎng)方案？
 

　　其實，獲取足夠大量的數(shù)據(jù)是一個很耗成本的一件事。此外，有些數(shù)據(jù)如罕見疾病的病歷、癥狀等本身就具稀有性，因此像是強化學習等低數(shù)據(jù)依賴度機器學習方案便逐漸開始受到青睞，很多公司與研究機構也以此作為研發(fā)的方向。
 

　　日前，就有一家新創(chuàng)公司的企業(yè)Gamalon就發(fā)表了一個新技術，該公司表示人工智能系統(tǒng)可用小數(shù)據(jù)來對機器進行訓練，到最后達到的精準辨識能力也是非常高的。
 

　　當然，除了一般依賴大數(shù)據(jù)的深度學習外，其他可降低數(shù)據(jù)量依賴度的機器學習方案也正在不斷的醞釀中。我相信在未來，人工智能將會為我們的生活中必不可少的一部分。