别再刷人机大战了，关于AI你需要弄清楚这5件事情

这几天科技媒体头条、朋友圈果断被人机大战刷（人工智能AlphaGo 对战围棋高手李世石）刷屏了，那么关于AI你又了解多少呢？一起看下本文涨姿势吧。

IBM Watson appears on the Jeopardy quiz show Credit: IBM

IT 界从不缺流行术语，但当涉及到 AI（人工智能）时可能就很难分辨清楚了。有人工智能，但也有机器智能；有机器学习，但也有深度学习，所以这些名词之间究竟有什么不同呢？以下要说的这5点可以帮助你更好的理解 AI。

1. AI 是一个总称

人工智能是指“广泛的一套方法，算法和技术，它以一种方式使软件变得‘智能’，看起来能够像人类一样能够观察到外部事物。“国家科学基金会信息和智能系统的科主任Lynne Parker说道。

换句话说，机器学习、计算机视觉、自然语言处理，机器人及相关主题都只是AI的一部分。

2. 机器智能（Machine intelligence） = AI

“有些人可能会想出两者之间的区别，但关于这两个术语的含义究竟有什么不同，并没有一个相同的观点”Parker说。

实际上这有可能与地区有关。“机器智能”更多的是“脚踏实地开发一项工程”的感觉，这种叫法在欧洲比较普遍，而“人工智能”则有点科幻的感觉，这种叫法在美国比较受欢迎，Thomas Dietterich说，他是俄勒冈州立大学人工智能发展协会的教授。

在加拿大，它通常被称为“智能计算”，他补充说。

3. 机器学习是一种覆盖多种技术的技术

作为AI的一部分，机器学习是指各种各样的算法和方法，通过这些算法提高软件的性能，并获取更多数据。同时，它还包含神经网络和深度学习。

“从根本上来说， 所有的机器学习都是从数据或数据的从属类别中识别趋势，从而当软件提供新数据时，它可以做出正确的预测，”Parker解释说。

举个例子，比如人脸识别。“我不知道我是如何认识我妻子的脸的，”Dietterich说。“所以如何编程才能让计算机做到这一点就会变得非常困难。”

通过示例学习，机器学习提供了一种方法可以做到这点。“是通过输入-输出示例而非编程，” Dietterich说。

常用的机器学习技术包括神经网络，支持向量机（SVM，一种新型的机器学习算法），决策树，贝叶斯信念网络框架（Bayesian belief networks），KNN算法（ k-nearest neighbors，机器学习里面比较简单的分类算法），自组织映射神经网络（self-organizing maps），实例推理，实例学习，隐马尔可夫模型以及“大量的回归技术，” Parker说。

4. 神经网络是机器学习的一个类型，深度学习则是另一种特定类型

神经网络也被称作“人工”神经网络，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。“然而实际上相似性是非常小的，”Parker 说。

虽然有很多种神经网络，但一般它们都是由内部的大量节点组成。节点，也被称为“神经元”，

这些节点被布置在多个层，包括在在该数据被馈送到系统的输入层；回复输出层；一个或多个隐藏层，这些都地方都可发生机器学习。通常情况下，神经网络会通过更新它们相互联系的权重进行学习，Parker 说。

深度学习有时也被称为“深神经网络”，它是一个包括布置在多个隐藏层的神经元的大系统。相比之下，一个“浅”神经网络通常只有一个或两个隐藏层。

“深度学习背后的理论并不新鲜，但最近它已渐渐普及，因为我们现在有大量的数据和快速处理器，可以成功解决一些复杂的问题，”Parker 说。

5.认知计算：很复杂

认知计算是 AI 的另一个点，但却很不容易界定。事实上，还有点争议。

从本质上讲，认知计算是指“专注于推理和理解，在更高层次，通常类似于人类认知--或者至少是受到人类认知的启发，”Parker 说。而通常情况下，它处理符号和概念信息是在复杂情况下，以做出高水平决策为目的的，而不仅仅是纯粹的数据或传感器流。

认知系统经常利用各种机器学习技术，但是认知计算并不是机器学习方法本身。相反，“它是一个多个AI子系统所构成的完整的体系结构，”Parker 说。

“这是一个涉及认知行为的人工智能子集，它与我们同‘想’，但不是通过知觉和电机控制，”Dietterich 说。

然而，认知计算是不是一个真正属于的 AI 类别，或者仅仅只是一个流行术语，现在还不完全清楚。

Gartner的营销副总裁兼研究院则认为所谓的“认知”是营销空话，他在一封邮件中提到：“这意味着机器会思考。如果机器做出的是不好的假设，那么也将会导致做出不好的结论。”

注：本文为原创编译，如有不妥之处，还请多多指正O(∩_∩)O哈！如需转载请告知，谢谢！

原文来自：networkworld，作者：Katherine Noyes，美国资深作者。