视频：人工智能和机器学习入门
什么是人工智能（AI）？
这取决于你问谁。
早在1950年代，Minsky和McCarthy领域的父亲 就将人工智能描述为由程序或机器执行的任何任务，如果人类进行相同的活动，我们会说人类必须运用智力来完成人工智能。任务。
显然，这是一个相当宽泛的定义，这就是为什么您有时会看到关于某物是否真的是AI的争论的原因。
人工智能系统通常会展示与人类智能相关的以下至少一些行为：计划，学习，推理，问题解决，知识表示，感知，运动和操纵，以及在较小程度上的社会智能和创造力。
专刊
该电子书基于最新的ZDNet / TechRepublic特殊功能，为CXO提供有关如何实施AI和ML计划，确定数据科学团队适合的位置以及购买和构建哪种算法的建议。
人工智能有什么用？
如今，人工智能无处不在，过去常被用来推荐您下一步应该在网上购买的东西，以了解您对诸如亚马逊的Alexa和苹果的Siri之类的虚拟助手所说的话 ，以识别照片中的人物和内容，发现垃圾邮件或检测信用卡欺诈。
有哪些不同类型的AI？
在非常高的水平上，人工智能可以分为两种类型：狭窄的AI和通用AI。
狭窄的AI是当今我们在计算机中所看到的一切：已经教过或学会了如何执行特定任务而无需明确编程如何执行这些任务的智能系统。
这种类型的机器智能在Apple iPhone上的Siri虚拟助手的语音和语言识别，无人驾驶汽车的视觉识别系统，推荐引擎（根据购买的产品来推荐您喜欢的产品）中很明显在过去。与人类不同，这些系统只能学习或被教导如何执行特定任务，这就是为什么它们被称为狭窄AI。
缩小AI能做什么？
狭窄的AI有大量新兴应用：解释无人机的视频输入，对基础设施（如输油管道）进行视觉检查，组织个人和企业日历，响应简单的客户服务查询，与其他智能系统配合以执行任务，例如在合适的时间和地点预订酒店，帮助 放射线科医生在X射线中发现潜在的肿瘤，在线标记不适当的内容，从IoT设备收集的数据中检测电梯的磨损，等等。
一般AI可以做什么？
人工智能与众不同，它是人类发现的适应性智力的类型，是一种灵活的智力形式，能够学习如何执行截然不同的任务，从理发到构建电子表格，或推理各种各样的主题根据其积累的经验。这种AI在电影中更常见，例如2001年的HAL 或The Terminator中的Skynet ，但今天还不存在，AI专家对它很快会变成现实的态度也存在分歧。
特别报告：如何实施人工智能和机器学习（免费PDF）
AI研究人员Vincent CMüller和哲学家Nick Bostrom在2012/13年度对四组专家进行的一项调查显示，到2040年至2050年，人工智能（AGI）的开发机会将达到50％，到2075年将上升到90％。该小组甚至走得更远，预测所谓的“ 超级智能”-被Bostrom定义为“在所有感兴趣的领域中大大超过人类的认知表现的任何智力”-预计在AGI实现后约30年。
就是说，一些AI专家认为，鉴于我们对人脑的了解有限，这样的预测是非常乐观的，并且相信AGI尚有数百年的历史。
人工智能可能是一个热门话题，但您仍然需要证明这些项目的合理性。
什么是机器学习？
关于AI的研究非常广泛，其中许多研究相互补充。
当前正在兴起，机器学习是向计算机系统馈送大量数据的地方，然后机器学习用来学习如何执行特定任务，例如理解语音或为照片加字幕。
什么是神经网络？
机器学习过程的关键是神经网络。这些是由大脑启发的，相互连接的算法层的网络，它们相互馈送数据，并且可以通过修改归因于输入数据在各层之间传递的重要性来训练它们执行特定任务。在训练这些神经网络的过程中，附加在不同输入上的权重将继续变化，直到神经网络的输出与所需的输出非常接近为止，此时网络将“学习”如何执行特定任务。
机器学习的一个子集是深度学习，其中神经网络被扩展为具有大量使用大量数据进行训练的层的无序网络。正是这些深度神经网络推动了计算机执行语音识别和计算机视觉等任务的能力向当前的飞跃发展。
立即下载：IT领导者深度学习指南 （技术专业研究）
有各种类型的神经网络，各有优缺点。递归神经网络是一种特别适合于语言处理和语音识别的神经网络，而卷积神经网络则更常用于图像识别。神经网络的设计也在不断发展，研究人员最近 改进了一种称为长短期记忆或LSTM的更有效形式的深度神经网络，从而使其运行速度足够快，可用于按需系统（例如Google Translate）。
人工智能研究的另一个领域是进化计算，它借鉴了达尔文的自然选择理论，并发现遗传算法经历了几代人之间的随机变异和组合，从而试图发展出针对给定问题的最佳解决方案。
这种方法甚至被用来帮助设计AI模型，有效地利用AI来帮助构建AI。进化算法用于优化神经网络的这种使用称为神经进化，并且随着智能系统的使用变得越来越普遍，尤其是由于对数据科学家的需求经常超过供应时，在帮助设计高效的AI方面可以发挥重要作用。Uber AI实验室最近展示了该技术，该实验室发布了有关使用遗传算法训练深度神经网络以解决强化学习问题的论文。
最终，有专家系统，其中用规则对计算机进行编程，使它们能够基于大量输入来做出一系列决策，从而使该机器能够模仿特定领域中人类专家的行为。这些基于知识的系统的示例可能是，例如，自动驾驶飞机飞行系统。
是什么推动了人工智能的复兴？
近年来，人工智能研究的最大突破是机器学习领域，特别是在深度学习领域。
这部分是由于数据的易用性所驱动，而近些年来并行计算能力的爆炸式增长则更是如此，在此期间，使用GPU群集来训练机器学习系统变得越来越普遍。
这些集群不仅为训练机器学习模型提供了功能强大得多的系统，而且现在可以作为Internet上的云服务广泛使用。随着时间的流逝，主要的技术公司，例如Google和Microsoft等，已经转向使用专门针对运行和最近训练机器学习模型的专用芯片。
这些定制芯片之一就是Google的Tensor处理单元（TPU），其最新版本加快了使用Google TensorFlow软件库构建的有用的机器学习模型可以从数据推断信息的速率，以及他们可以被训练。
这些芯片不仅用于训练DeepMind和Google Brain的模型，还用于支持Google翻译和Google Photo中的图像识别的模型，以及允许公众使用Google的TensorFlow Research Cloud构建机器学习模型的服务。。这些芯片的第二代产品已于去年5月在Google的I / O会议上揭晓，其中的一系列新TPU能够训练用于翻译的Google机器学习模型，所需时间仅为前者的一半。端图形处理单元（GPU）。
机器学习的要素是什么？
如前所述，机器学习是AI的子集，通常分为两大类：有监督学习和无监督学习。
监督学习
教学AI系统的常用技术是通过使用大量带标签的示例来训练它们。这些机器学习系统被馈入大量数据，这些数据已被注释以突出显示感兴趣的功能。这些照片可能被标记为照片以指示它们是否包含狗或带有脚注的书面句子，以表明“低音”一词与音乐还是鱼类有关。经过培训后，系统便可以将这些标签罐应用于新数据，例如应用于刚刚上传的照片中的狗。
通过示例教学机器的过程称为监督学习，并且标记这些示例的角色通常由 在线工作人员执行，并通过诸如Amazon Mechanical Turk之类的平台雇用。
另请参阅：人工智能如何使呼叫中心更上一层楼
训练这些系统通常需要大量的数据，有些系统需要搜寻数百万个示例来学习如何有效地执行任务-尽管在大数据和广泛的数据挖掘时代，这越来越有可能。训练数据集庞大且规模不断扩大 -Google的Open Images Dataset拥有大约900万张图像，而其带有标签的视频存储库YouTube-8M链接了700万个带有标签的视频。ImageNet是这类早期数据库之一，拥有超过1400万张分类图像。该文件经过两年的编写，由近50,000人（其中大部分是通过Amazon Mechanical Turk招募的）汇总而成，他们检查，分类并标记了将近10亿张候选图片。
从长远来看，与庞大的计算能力相比，访问具有大量标记数据集的重要性可能不那么重要。
近年来，Generative Adversarial Networks（GAN）展示了向机器学习系统提供少量标记数据的方式，然后可以生成大量新鲜数据来自学。
这种方法可能导致半监督学习的兴起，在这种情况下，系统可以使用远远少于当今使用监督学习的训练系统所需要的标记数据来学习如何执行任务。
无监督学习
相比之下，无监督学习则使用另一种方法，即算法尝试识别数据中的模式，寻找可用于对数据进行分类的相似性。
例如，将重量相似的水果或引擎尺寸相似的汽车聚集在一起。
该算法并非预先设置为挑选特定类型的数据，它只是寻找可以根据其相似性进行分组的数据，例如Google新闻每天将相似主题的故事分组在一起。
强化学习
强化学习的粗略类比是当宠物在表演把戏时奖励其零食。
在强化学习中，系统会尝试根据其输入数据最大化奖励，基本上是经过反复试验的过程，直到达到最佳结果。
强化学习的一个例子是Google DeepMind的Deep Q网络，该网络 已被用于在各种经典视频游戏中实现最佳人类表现。系统从每个游戏中获取像素，并确定各种信息，例如屏幕上对象之间的距离。
通过查看每个游戏中获得的分数，系统会建立一个模型，该模型的动作将在不同情况下最大化分数，例如，在视频游戏Breakout的情况下，应将球拍移至其中以拦截球。
人工智能领域的领先公司是哪些？
谷歌的DeepMind和NHS：人工智能对医疗保健的未来一瞥
这家Google子公司与英国卫生服务机构达成了一系列协议-那么到底发生了什么？
随着AI在现代软件和服务中的日益重要的作用，每个主要的技术公司都在努力开发强大的机器学习技术，以供内部使用并通过云服务向公众出售。
尽管可能是谷歌及其DeepMind AI AlphaGo可能对公众产生了最大的影响，但每个人都经常成为头条新闻，以开创AI研究的新局面。
哪些AI服务可用？
所有主要的云平台-Amazon Web Services，Microsoft Azure和Google Cloud Platform-提供对GPU阵列的访问以训练和运行机器学习模型，而 Google还准备让用户使用其Tensor处理单元-定制芯片其设计针对训练和运行机器学习模型进行了优化。
三大公司（基于云的数据存储）均提供了所有必需的相关基础架构和服务，能够存储训练机器学习模型所需的大量数据，转换数据以准备进行分析的服务以及可视化工具清楚地显示结果，以及简化模型构建的软件。
这些云平台甚至简化了自定义机器学习模型的创建，Google最近发布了一项名为AI Auto的服务，该服务可以自动创建AI模型。这项拖放服务可建立自定义的图像识别模型，并且要求用户不具备机器学习知识。
基于云的机器学习服务在不断发展，2018年初，亚马逊透露了一系列旨在简化机器学习模型训练流程的AWS新产品。
对于那些不想建立自己的机器学习模型而是想要使用AI驱动的按需服务（例如语音，视觉和语言识别）的公司，Microsoft Azure在服务的广泛性方面脱颖而出紧随其后的是Google Cloud Platform，然后是AWS。与此同时，IBM除了更一般的按需产品之外，还试图出售针对特定领域的AI服务，涵盖从医疗保健到零售的所有领域，将这些产品组合在IBM Watson旗下-并最近投资20亿美元收购了The Weather解锁大量数据以增强其AI服务的渠道。
哪些大型科技公司在AI竞赛中获胜？
在内部，每个技术巨头（以及Facebook等其他公司）都使用AI来帮助推动各种公共服务：提供搜索结果，提供建议，识别照片中的人物和事物，按需翻译，发现垃圾邮件-列表广泛。
但是这场AI战争最明显的表现之一就是虚拟助手的兴起，例如苹果的Siri，亚马逊的Alexa，谷歌助手和微软的Cortana。
严重依赖语音识别和自然语言处理，并且需要庞大的语料库来回答查询，因此开发这些助手需要大量技术。
但是，虽然苹果的Siri可能会首先出人意料，但谷歌和亚马逊的助手此后在AI领域已经超过了苹果-谷歌助手能够回答各种各样的查询，而亚马逊的Alexa则具有大量的``技能''由第三方开发人员创建以增加其功能。
阅读更多： 我们如何学会与计算机交谈，以及他们如何学会回覆（PDF下载）
尽管Cortana已内置在Windows 10中，但最近经历了一段特别艰难的时期，建议主要的PC制造商将Alexa内置到笔记本电脑中，这增加了人们对Cortana的日子是否已被计数的猜测，尽管微软很快对此予以拒绝。
哪些国家在AI领域处于领先地位？
认为美国科技巨头拥有AI领域是一个很大的错误。中国公司阿里巴巴，百度和联想正在从电子商务到自动驾驶等各个领域对AI进行大量投资。作为一个国家，中国正在执行三步走的计划，将人工智能变成该国的核心产业，到2020年，人工智能产业的价值将达到1500亿元人民币（合220亿美元）。
百度已投资开发无人驾驶汽车，该技术由其深度学习算法百度自动脑（Baidu AutoBrain）提供动力，并且经过数年的测试，计划在2018年推出全自动驾驶汽车并在2021年实现量产。
百度还与Nvidia合作，使用AI为全球汽车制造商创建了云对车自动驾驶汽车平台。
诸如百度，阿里巴巴和腾讯等大型公司的弱势隐私法，巨额投资，一致的数据收集以及大数据分析的结合，意味着一些分析师认为，在未来的人工智能研究方面，中国将比美国更具优势。一位分析师分析了中国率先超过美国的可能性 是500对1。
我如何开始使用AI？
虽然您可以尝试在家中构建自己的GPU阵列并开始训练机器学习模型，但尝试与AI相关的服务的最简单方法可能是通过云。
所有主要的技术公司都提供各种AI服务，从用于构建和训练自己的机器学习模型的基础结构，到允许您访问AI驱动的工具（如按需访问语音，语言，视觉和情感识别）的Web服务。
人工智能发展的最新里程碑是什么？
太多的东西无法汇总成一个完整的列表，但最近的一些亮点包括：2009年Google展示了其自动驾驶丰田普锐斯有可能完成10次，每次100英里的旅程-使社会走上无人驾驶汽车的道路。
2011年，计算机系统 IBM Watson赢得了美国智力竞赛节目《危险！，击败了该节目有史以来最出色的两位选手。为了赢得展览，沃森使用自然语言处理和分析功能对庞大的数据存储库进行了处理，从而可以回答人类提出的问题，通常只需不到一秒钟的时间。
IBM Watson参与Jeopardy竞赛！在2011年1月14日
图片：IBM在2012年6月，显而易见的是，机器学习系统在计算机视觉领域的应用变得多么出色，而 Google培训了一种识别互联网上最喜欢的猫的系统。
自Watson赢得胜利以来，也许最著名的机器学习系统功效证明是Google DeepMind AlphaGo AI在2016年击败了Go的人类大师，Go是一款古老的中国游戏，其复杂性困扰了计算机数十年。围棋每转大约200步，而国际象棋中只有20步。在围棋的过程中，有太多可能的动作，以至于从计算的角度来看，事先搜索每个动作以找出最佳玩法太昂贵了。取而代之的是，AlphaGo受到了如何玩游戏的训练，方法是在3000万个Go游戏中采取人类专家的动作并将其馈入深度学习的神经网络。
训练这些深度学习网络可能会花费很长时间，随着系统逐渐完善其模型以取得最佳结果，需要摄取和迭代大量数据。
但是， 最近，Google使用AlphaGo Zero（一种对自己玩“完全随机”游戏的系统）改进了训练过程，然后从结果中学习。在去年享有盛名的神经信息处理系统（NIPS）会议上，Google DeepMind首席执行官Demis Hassabis透露AlphaGo还精通了象棋和将棋游戏。
而且AI继续冲刺超越新的里程碑， 去年由OpenAI训练的系统在在线多人游戏Dota 2的一对一比赛中击败了世界顶级玩家。
同年，OpenAI创建了AI代理，他们 发明了自己的语言，发明了自己的语言来合作并更有效地实现其目标，随后不久，Facebook培训代理商进行了谈判，甚至撒谎。
人工智能将如何改变世界？
机器人和无人驾驶汽车
特别报告
这本电子书探讨了新兴的自动运输技术及其对社会和商业未来的影响。
希望机器人能够自主行动并理解和导航周围的世界，这意味着机器人技术和AI之间存在自然的重叠。虽然AI只是机器人技术中使用的一种技术，但AI的使用正在帮助机器人进入新领域，例如 无人驾驶汽车，送货机器人以及帮助机器人学习新技能。通用汽车最近表示，它将在2019年之前制造出无方向盘或踏板的无人驾驶汽车，而福特承诺到2021年这样做，而Google母公司Alphabet的自动驾驶集团Waymo不久将在凤凰城提供无人驾驶出租车服务。
假新闻
我们正处于拥有可以创建逼真的图像或以完美音调复制某人声音的神经网络的边缘。随之而来的是巨大的颠覆性社会变革的潜力，例如不再能够将视频或音频素材视为真正的视频。人们还开始关注如何使用这种技术来篡改人们的形象，人们已经创造出了可以说服著名女演员摄制成人电影的工具。
语音和语言识别
机器学习系统已经帮助计算机以近95％的准确度识别了人们在说什么。最近，微软公司的人工智能与研究小组报告说，它已经开发出了一种系统，能够像人类转录员一样准确地翻译口语。
随着研究人员追求99％准确性的目标，期望与计算机对话成为更传统形式的人机交互的规范。
面部识别和监视
近年来，人脸识别系统的准确性有了飞跃， 中国科技巨头百度表示，只要视频中的人脸足够清晰，它就可以以99％的准确度匹配人脸。虽然西方国家的警察通常只在大型活动中使用面部识别系统进行试验，但在中国，当局正在实施一项全国性计划，将全国各地的CCTV连接到面部识别系统，并使用AI系统来追踪嫌疑人和可疑行为，并且警方也正在试用使用面部识别眼镜。
尽管全球各地的隐私法规各不相同，但对AI技术（包括可以识别情感的AI）的侵入性使用可能会逐渐在其他地方变得越来越普遍。
卫生保健
人工智能最终可能会对医疗保健产生巨大影响，帮助放射线医师从X射线中挑选出肿瘤，帮助研究人员发现与疾病相关的基因序列，并确定可能导致更有效药物的分子。
全世界的医院已经进行了AI相关技术的试验。其中包括IBM的Watson临床决策支持工具，该工具由Memorial Sloan Kettering癌症中心的肿瘤学家进行了培训，以及英国国家卫生服务局（National Health Service）使用Google DeepMind系统的帮助，该工具将有助于发现眼睛异常并简化筛查患者的过程。头颈部癌症。
人工智能会杀死我们所有人吗？
同样，这取决于您问谁。随着以AI为动力的系统变得越来越强大，对不利因素的警告也越来越严峻。
特斯拉和 SpaceX首席执行官埃隆·马斯克（Elon Musk）宣称，人工智能是“人类文明生存的根本风险”。为了推动更强大的监管监督和开展更多负责任的研究以减轻AI的负面影响，他成立了OpenAI，这是一家非盈利性人工智能研究公司，旨在促进和发展有利于整个社会的友好AI。同样，著名的物理学家斯蒂芬·霍金（Stephen Hawking）警告说，一旦创建了足够先进的人工智能，它将迅速发展到远远超过人类能力的地步，这种现象被称为奇异性，并可能对人类构成生存威胁。
然而，对于某些AI研究人员而言，人类即将走向AI爆炸的观念将使我们的智力相形见war。
微软位于英格兰剑桥的研究总监克里斯·毕晓普（Chris Bishop）强调，当今狭义的AI智能与人类的通用智能有何不同，他说，当人们担心“终结者和机器的崛起等等？完全废话，是的，这样的讨论最多还需要数十年。”
人工智能会偷走你的工作吗？
人工智能系统替代许多现代体力劳动的可能性也许是更可靠的近期可能性。
特色功能
ZDNet和TechRepublic研究了AI，大数据，云计算和自动化对IT工作的巨大影响，以及公司如何适应。
虽然AI不会取代所有工作，但可以肯定的是AI会改变工作的性质，唯一的问题是自动化将如何快速和深刻地改变工作场所。
AI几乎没有人类可以发挥影响的领域。正如AI专家Andrew Ng所说：“许多人都在做例行的重复性工作。不幸的是，技术特别擅长于使例行的重复性工作自动化”，他说，他认为“未来几十年技术失业的风险很大”。
关于哪些工作将被取代的证据开始出现。亚马逊刚刚 在西雅图推出了无收银超市Amazon Go，顾客只需从货架上取走物品即可走出去。对于美国超过300万的收银员来说，这意味着什么尚待观察。亚马逊再次引领使用机器人提高仓库效率的方式。这些机器人将产品货架运送给拣货人员，拣货人员选择要寄出的物品。亚马逊在其履行中心拥有超过100,000个机器人，并计划增加更多机器人。但是亚马逊还强调，随着机器人数量的增长，这些仓库中的人工人数也随之增加。但是，亚马逊和小型机器人公司正在努力使仓库中剩余的体力劳动自动化，因此，并不是说体力劳动和机器人劳动将继续齐头并进。
全自动无人驾驶汽车还不是一个现实，但根据一些预测，即使不考虑对快递员和出租车司机的影响，仅自动驾驶卡车行业就有望在未来十年内吸收170万个工作岗位。
但是，一些最简单的自动化作业甚至不需要机器人。目前，有数百万人从事管理，在系统之间输入和复制数据，追踪和预订公司的约会。随着软件能够更好地自动更新系统并标记重要信息，因此对管理员的需求将下降。
与每项技术变革一样，将创造新的工作岗位来替代失去的工作岗位。但是， 不确定的是这些新角色是否会迅速创建以为流离失所者提供就业机会，以及新失业者是否具有必要的技能或性情来填补这些新兴角色。
计算机视觉，语音，分析和移动机器人技术的进步有望影响与此技能相关的任何工作。
并非每个人都是悲观主义者。对于某些人来说， 人工智能是一种可以增加而不是替代工人的技术。不仅如此，而且他们认为，作为AI辅助工人，要彻底取代人们将是商业上的当务之急-认为配备AR耳机的人工礼宾人员会在客户要求之前确切告诉他们客户的需求-比独立运作的AI更具生产力或效率。
在AI专家中，关于人工智能系统将以多快的速度超越人类的能力，存在着广泛的看法。
牛津大学人类未来研究所邀请数百位机器学习专家来预测未来几十年的AI功能。
值得注意的日期包括：人工智能写作论文可能在2026年被人类写作，卡车司机将在2027年被裁员，人工智能将在2031年超过零售业，到2049年将畅销书写作，并在2053年完成外科医生的工作。
他们估计，在45年内AI在所有任务上击败人类并在120年内使所有人类工作自动化的可能性相对较高。
相关报道
机器学习和人工智能将如何改变商业智能和分析技术机器学习和人工智能在五个领域的进步将简化数据准备，发现，分析，预测和数据驱动的决策。
报告：人工智能正在创造就业机会，创造经济收益
德勤的最新研究表明，认知技术的早期采用者对其当前和未来的作用持积极态度。
人工智能和工作：人类比算法更好，反之亦然。
人们很容易陷入关于人工智能消灭数以百万计工作的厄运和阴霾的预测。这是现实检查。
人工智能如何释放一种新型的网络犯罪（TechRepublic）犯罪分子
没有躲在面具下抢劫银行，而是躲在人工智能后面进行攻击。但是，金融机构也可以使用AI来打击这些犯罪。
埃隆·马斯克（Elon Musk）：人工智能可能引发第三次世界大战 （CNET）
连任首席执行官已经在与明天的科幻小说之战展开斗争，他仍然比其他任何人更关注杀手机器人。
评论专区