人工智能的分类
- 弱AI or 专用AI（ANI：artificial Narrow intelligence）：如深蓝，AlphaGo，智能音箱，Siri，自动驾驶等 这些都是专用AI，相对比较容易落地，商业化。
- 限于弱人工智能在功能上的局限性，人们更愿意将弱人工智能看成是人类的工具，而不会将弱人工智能视为威胁。
- 强AI or通用AI （AGI：artificial General intelligence）：人可以做什么，强人工智能就可以做什么。ChatGPT，Sora等，特别是Sora，世界模拟器，最终会实现通用人工智能，也就是可以解决人类级别问题的系统。这里请大家注意：openAI的模型，目前只是做了聊天chat和文生视频sora的应用，目的是方便商业化，但其最终目的是通用人工智能。
- 强人工智能的定义里，存在一个关键的争议性问题：强人工智能是否有必要具备人类的“意识”（Consciousness）。一旦强人工智能程序具备人类的意识，那我们就必然需要像对待一个有健全人格的人那样对待一台机器。那时，人与机器的关系就绝非工具使用者与工具本身这么简单。拥有意识的机器会不会甘愿为人类服务？机器会不会因为某种共同诉求而联合起来站在人类的对立面？所以强人工智能容易被人类视为威胁。科学家霍金和马斯克对此非常担忧。
- 强人工智能的定义里，存在一个关键的争议性问题：强人工智能是否有必要具备人类的“意识”（Consciousness）。一旦强人工智能程序具备人类的意识，那我们就必然需要像对待一个有健全人格的人那样对待一台机器。那时，人与机器的关系就绝非工具使用者与工具本身这么简单。拥有意识的机器会不会甘愿为人类服务？机器会不会因为某种共同诉求而联合起来站在人类的对立面？所以强人工智能容易被人类视为威胁。科学家霍金和马斯克对此非常担忧。
机器学习的几种方式：
- 监督学习（Supervised Learning）：在这种学习方式下，训练数据包括正确的结果（标签），机器学习模型通过比较它的预测与实际结果来进行调整。程序员告诉AI，输入A和输出B，AI自己算出A到B的映射关系。常见的应用包括人脸识别、语音翻译、医学诊断等。
- 无监督学习（Unsupervised Learning）：在这种学习方式下，训练数据没有标记，模型需要自动发现数据中的结构或模式。程序员只告诉AI 输入A，而不告诉输出B。AI自己在A里面找规律。常见的应用包括新闻聚类、关联规则学习、维度缩减，ChatGPT，Sora等。常见的算法包括聚类算法等。
- 半监督学习（Semi-supervised Learning）：在这种学习方式下，训练数据只有部分标记，模型需要同时利用标记数据和未标记数据进行学习。这种方式结合了监督学习和无监督学习的特点。
- 强化学习（Reinforcement Learning）：在这种学习方式下，模型通过与环境的交互进行学习，根据每次行动的结果（奖励或惩罚）来调整其行为策略，以最大化长期收益。常见的应用包括AlphaGo等。
- 此外，还有迁移学习（Transfer Learning）等其他类型的机器学习。迁移学习是指将从一个任务中学到的知识迁移到另一个任务中，以加速新任务的学习过程。
什么是神经元？神经网络（深度学习）如何工作？
深度学习Deep learning = 人工神经网络Artificial Neural network
单个神经元：就是一个A-B映射
神经网络：
多个神经元集合一起，最终形成A-B映射。可以把小的神经网络像乐高积木一样堆叠起来，就形成一个庞大的神经网络，可以计算极其复杂的函数。
文章来源：https://www.toymoban.com/news/detail-840485.html
神奇的事情：
神经网路的绝妙之处就在于 当你用神经网络来创建一个机器学习系统时， 你只需要给它输入A和输出B就可以了 它自己会把中间所有的事情搞清楚 所以建立一个神经网络,你需要做的就是 给它大量的数据，即输入A,像这样 把这些蓝神经元输给一个黄色神经元 并且你也需要标明输出的数据,比如这里的客户需求 接下来就让软件来弄清楚这些蓝色需要计算什么 从而能完全自动化地，精准地 学习由输入A到输入B的功能映射。文章来源地址https://www.toymoban.com/news/detail-840485.html
到了这里，关于快上车：人工智能的分类；机器学习的几种方式；神经网络神奇在哪里？的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
