英特爾神經(jīng)網(wǎng)絡(luò)計算引擎發(fā)布 為前端帶來人工智能
亞里士多德曾說，知識來自于實踐。技術(shù)的飛速發(fā)展使機器精準性大幅提升，實現(xiàn)無人駕駛車輛的升級。今天，不僅是人類，以人腦為模型建構(gòu)的AI計算機也可以從實踐中獲得知識、認知規(guī)律、作出決定，并且逐步具備以經(jīng)驗為基礎(chǔ)的感知、理性、行動和適應(yīng)能力。 智能機器的研究歷程 時至今日，計算機科學(xué)家對智能機器的研究已有60多年，研究過程中，他們發(fā)現(xiàn)“做”與“說”對于機器學(xué)習有著重大意義。 人工智能（AI）發(fā)展初期，研究人員試圖通過“說”的方式“告訴”計算機一切需要學(xué)習的事物，但結(jié)果不甚理想，研究人員繼而嘗試機器學(xué)習策略，讓AI程序直接對數(shù)據(jù)進行分析和學(xué)習。 事實上，“直接學(xué)習法”，即讓機器直接分析、學(xué)習數(shù)據(jù)，是一次聰明的嘗試，因為它從三個方面促成了學(xué)習技術(shù)的騰飛。高效的計算機性能、訪問更多線上數(shù)據(jù)（包括文本、構(gòu)想、圖像和感知數(shù)據(jù)）以及對數(shù)據(jù)的注釋或信息添加――三者結(jié)合能夠大幅度提升AI系統(tǒng)的推理能力。 如今，在軟件、硬件和網(wǎng)絡(luò)的幫助下，軟件開發(fā)人員已開發(fā)出各種強大的AI使用。從金融詐騙檢測、困局脫險到與客戶的線上交流，AI使用幾乎無所不能。 智能機器的學(xué)習模式 盡管有些人類也不能回答的問題學(xué)習型智能機也無法搞定，但它能夠處理大量數(shù)據(jù)，快速建立聯(lián)系，并且在此基礎(chǔ)上做出推斷。因此AI智能機器的學(xué)習能大大提升人們的做事效率，這是機器學(xué)習的最大優(yōu)勢。當下許多產(chǎn)業(yè)，例如游戲、制造業(yè)、醫(yī)療保健行業(yè)運用的機器學(xué)習技術(shù)以計算機程序為依托，這些程序不需要通過編程就可以直接學(xué)習、分析數(shù)據(jù)，且分析能力在經(jīng)驗積累的過程中不斷提升。 在游戲當中，機器學(xué)習法能夠分析對手，同時預(yù)測對手行動，營造更具挑戰(zhàn)性的游戲氛圍。在制造業(yè)中，掌握數(shù)據(jù)能夠幫助企業(yè)預(yù)測修理工作的發(fā)生，提升預(yù)防性維修能力。而在醫(yī)療保健領(lǐng)域，AI可以對多種疾病的醫(yī)療數(shù)據(jù)庫進行分析，從而幫助信息提供者更快、更準確地做出診斷。 學(xué)習型智能機的建立基礎(chǔ)――人腦神經(jīng)網(wǎng)絡(luò) 人腦的神經(jīng)網(wǎng)絡(luò)是最強大的計算機器之一，也是機器學(xué)習的建立基礎(chǔ)。人工神經(jīng)元網(wǎng)絡(luò)，簡稱ANN模仿人腦搞定問題的方式，利用算法對輸入進行加工并得到輸出，以此學(xué)習事物、認知規(guī)律、做出決定。 計算機程序通過機器學(xué)習辨識人體和物體 ANN可以利用砝碼確定最重要的信息。人造神經(jīng)元在網(wǎng)絡(luò)中相互連接，檢測單個神經(jīng)元對其他神經(jīng)元的影響力。人們可以在訓(xùn)練項目中對砝碼進行調(diào)整，并通過訓(xùn)練，教會神經(jīng)元網(wǎng)絡(luò)如何對輸入內(nèi)容做出正確反應(yīng)。 深度學(xué)習程序會進行多層計算。這一層的計算結(jié)果會輸送到下一層繼續(xù)進行分析，繼而產(chǎn)生更為復(fù)雜的數(shù)據(jù)解讀。舉例來說，ANN在某一層進行建筑圖像分析時可能會檢測到邊界，而這些邊界構(gòu)成了下一層的矩形命令。在接下來的計算層中，ANN會將矩形視為建筑物，并在最終層判斷出該建筑物是摩天大樓還是谷倉。 此外，大型輸入數(shù)據(jù)集是軟件研究人員對ANN進行的另一項訓(xùn)練內(nèi)容。事實上，表示原始數(shù)據(jù)本身并沒有太大用處，所以研究人員會對輸入數(shù)據(jù)進行注解或添加信息，標明“正確”的答案。 自學(xué)型計算機 人工智能使計算機能擺脫編程直接學(xué)習。軟件研究人員創(chuàng)造出了學(xué)習算法，這種算法又能使ANN在積累更多數(shù)據(jù)之后進行自我提升。 學(xué)習算法分為三個部分：監(jiān)督式、半監(jiān)督式以及無監(jiān)督式學(xué)習。前兩者需要大量的訓(xùn)練數(shù)據(jù)才能得到理想結(jié)果。 例如，在前兩種情況下，研究人員如果要建立面部識別算法，就必需連續(xù)向機器提供帶有單獨標簽的風景、人物和動物圖像，直到機器能夠在無標簽的條件下準確識別圖像。 而人工神經(jīng)元網(wǎng)絡(luò)可以利用算法識別面部形狀并進行匹配。因此第三部分的無監(jiān)督式學(xué)習是機器學(xué)習工作的重頭戲，也是最重要的一部分。 無監(jiān)督式學(xué)習就是程序確定數(shù)據(jù)本身意義的過程。有些共性特征無法通過人腦識別，所以研究人員會讓機器以這些共性特征為基礎(chǔ)對圖像進行集群處理。 AI智能機建設(shè)所運用的工具 AI一直被賦予神秘的色彩，而實際上，建立智能系統(tǒng)的工具其實隨處可見。現(xiàn)代發(fā)展已經(jīng)不需要Lisp和Prolog這樣的舊式AI專用語言，Python, Java和C++這樣的通用語言才是當今AI研究人員的新寵。 研究人員擁有非常好用的工具來建立監(jiān)督式學(xué)習。Caffe, Theano, MXNet和TensorFlow這些優(yōu)化過的程序可以在英特爾硬件設(shè)備上運行。此外，英特爾至強處理器這樣的高性能芯片能夠進行高速的矩陣乘法運算，滿足機器學(xué)習算法的要求。和人類一樣，AI智能機通過實踐不斷學(xué)習、提升，其分析融合不一樣種類數(shù)據(jù)從而進行決策的能力越來
該文章被收錄于：
編程器 ? https://www.chinafix.com/zt/1877-1.html
Q:這個文檔的類型是什么？
A:資訊。
Q:文檔中提到的知識來源是什么？
A:文檔中提到知識來自于實踐。
Q:技術(shù)的飛速發(fā)展帶來了什么？
A:技術(shù)的飛速發(fā)展使機器精準性大幅提升，實現(xiàn)無人駕駛車輛的升級。
Q:以人腦為模型建構(gòu)的 AI 計算機可以做什么？
A:可以從實踐中獲得知識、認知規(guī)律、作出決定，并且逐步具備以經(jīng)驗為基礎(chǔ)的感知、理性、行動和適應(yīng)能力。
Q:文檔提到的文章被收錄在哪里？
A:被收錄于編程器 [https://www.chinafix.com/zt/1877-1.html](https://www.chinafix.com/zt/1877-1.html)。
Q:AI 計算機的學(xué)習模式有哪些？
A:文檔中未明確提及 AI 計算機的學(xué)習模式。
Q:AI 計算機的學(xué)習算法是什么？
A:文檔中未明確提及 AI 計算機的學(xué)習算法。
Q:AI 計算機的建立基礎(chǔ)是什么？
A:以人腦為模型建構(gòu)。
Q:無人駕駛車輛的升級是因為什么？
A:技術(shù)的飛速發(fā)展使機器精準性大幅提升。