這在涉及人工智能(AI)的多種技術中也很明顯。經(jīng)常談論自動駕駛汽車和個人助理，例如Apple的Siri，而機器學習，深度學習和神經(jīng)網(wǎng)絡則經(jīng)常出現(xiàn)在書面文本中。這些術語是什么意思，它們之間有什么區(qū)別?基于AI元素的技術發(fā)展了多遠?我們在與ESET公司的人工智能專家JurajJánošík進行的一系列采訪中討論了這些主題。

在面試中，您將學習：什么是人工智能以及當前正在開發(fā)哪種AI方法為什么我們將AI的發(fā)展部分歸功于游戲為什么我們不總是了解AI的決定人腦和細胞繁殖如何激發(fā)AI的發(fā)展許多人認為是全新的舊AI技術實際上是多少讓我們從頭開始。我如何掌握人工智能的概念?

如果我們可以模擬人類智能，意識和一些技術的思考，我們實現(xiàn)了人工智能。這里是它的一個名詞 - 強人工智能 - 但也有一個叫做超級智能的概念。人工智能(AGI)旨在模仿人類的思維，包括其缺點，而超級智能(SI)應該走得更遠，超越人類意識和思維的極限，并大大超越它們。但是，涉及到更多的哲學論述，我們必須承認，即使在AGI的發(fā)展中，目前我們?nèi)匀贿h遠落后。

AI的問題往往會帶來它的條款機器學習(ML)和深度學習(DL)。它們之間有什么區(qū)別?

這些術語經(jīng)常被混淆，即使是專業(yè)人士也是如此。簡而言之，人工智能是一個總體概念。它涵蓋了廣泛的主題，還涵蓋了機器人技術，機器學習等問題。因此，機器學習只是AI的一個領域，目前，它可能正受到最多的關注。另一方面，深度學習只是機器學習的一部分。這個領域受到大腦功能的啟發(fā)，并試圖模擬大腦神經(jīng)元之間的聯(lián)系。

好吧，讓我們從頭開始。ML如何起作用?

機器學習的思想非常簡單。我們有很多可用的數(shù)據(jù)，并且我們希望通過ML進行緊湊的表示。這意味著，如果我有大量數(shù)據(jù)，則不必自己對所有數(shù)據(jù)進行排序。對于我來說，取一個較小的樣本，對它進行分類并在其上使用一種算法就足夠了，以便為其分配基本的分類/分類。然后，我讓學習的算法處理另一個較小的樣本，并觀察它是否根據(jù)我的意愿進行了分類。如果沒有，我將通過指定條件來調整其行為。如果我對算法的性能感到滿意，則可以在整個數(shù)據(jù)庫中使用它，并且該算法可以自己對它進行排序，所需時間比任何人都可以處理。