什麼是人工智能?

人工智能作為一門學科創建於1956年的美國。當時的目標和今天一樣，就是讓電腦執行被認為是人類特有的:需要智力的任務。一開始，研究者們研究的問題包括下棋和邏輯解決。

看一下以下跳棋程序的輸出結果，你會發現隱藏在這些動作背後的人工智能，尤其是當電腦打敗你的時候。最早的成功使第一批研究人員對人工智能的可能性表現出無限的熱情。匹配的是，當他們判斷某些問題有多困難時。

因此，人工智能指的是計算機的輸出。電腦在做一些聰明的事，所以它展示了人工智能癌症營養品。

AI這個術語並沒有說明這些問題是如何解決的。有許多不同的技術，包括規則和專業系統。20世紀80年代，有一類技術開始被廣泛使用：那就是機器學習。

機器學習是什麼?

這些早期研究發現困難的原因是這些問題不適合人工智能技術的早期應用。硬編碼算法或者固定的、基於規則的系統在圖像識別和文本內容提取方面都存在缺陷。

研究表明，解決問題的方法不只是模仿人類的行為(AI)，而是模仿人類的學習方式。

想想你是如何學會閱讀的。不坐下來學習拼寫和語法，在讀第一本書之前，你只能讀一些簡單的書，隨著時間的推移，你會讀更多的複雜的書。事實上，通過閱讀你就能學會拼寫和語法規則。換言之，你需要處理大量數據並從中學習。

這正是機器學習的理念。輸入一大堆數據(而非你的大腦)，然後讓它變得清晰。在大數據分析和數據挖掘中，它包含了很多類型的程序。歸根結底，驅動大多數預測程序的大腦(包括垃圾郵件過濾器、產品推薦和欺詐測試)實際上是機器學習算法。在算法中輸入關於金融交易的大量數據，告訴它欺詐的含義，讓它找出欺詐的本質，從而預測將來的欺詐。或者提供你的客戶基礎信息，讓他們找到最好的細分方法。

數據科學家可以使用一系列技術和語言編寫機器學習算法，包括Java、python、Scala等。它們還可以使用預建的機器學習框架來加速這一過程養生食物

隨著這些算法的發展，它們可以解決很多問題。但有些人認為簡單的東西(如語音或手寫識別)對機器來說仍然很難。但是，如果機器學習是模仿人的學習方式，為什麼不直接模仿人的大腦呢?那是神經網絡背後的想法。

利用人造神經元(由神經突觸連接的神經元是大腦的主要成分)已經有一段時間了。神經網絡是通過軟件模擬來解決某些問題的。這些算法具有解決某些其它算法所不能解決的複雜問題的潛力。

精選文章：

AI時代，如何規劃計算基礎設施?

人材業界におけるテクノロジーの役割

“人工智能”助力人類發展奮力前行