济南人工智能培训的老师说啊,从0到1,再从1到100这个类比能很好地形容技术及产品的发生发展过程.比如福特造出第一辆T型车可以认为是完成了汽车从0到1的过程,此后100年直到现在可以认为是汽车从1到100的完善.
现在的汽车虽然在精密程度上远胜100年前的版本,但是仍然有发动机、传动系统、方向盘和四个轮子.1919年福特T型车的造型,从中我们可以找到现代汽车的几乎所有关键要素,甚至它的车牌都和现代的车牌一样.
计算机一样有这个过程,如前所述,其理论奠基于图灵,图灵之后冯·诺依曼设计了一套体系结构把这个东西做出来了,至此可以认为计算机走完了自己从0到1的过程.此后才有从电子管到晶体管,再到使用大规模集成电路的计算机,其形状也由比房子还大到现在只有手机那么大.在这一过程中,其计算性能翻了无数倍,但是仍然需要冯·诺依曼定义的输入输出系统、中央处理器.
如果把人工智能与上述两者相类比,我们可以发现人工智能根本还没走完从0到1的过程.人工智能既没有清楚的理论基础,也没有清楚的定义,我们甚至不知道智能究竟是什么.也正因为如此才有先达到某个目标,比如在下棋上战胜人类,接下来就认为这也不算什么智能的情形出现.
人工智能的内在发展思路曾经多次发生变迁,比如最开始人们认为这种智能依赖于一种物理符号系统,这种系统要通过处理符号组成的数据结构来起作用.人类似乎就是这样,但这显然只是一种现象,在这个层面上并不能产生真的智能.接下来也考虑过遗传算法,这是按照生物进化的过程来做程序,让程序有某种随机变化,并用一个选择过程(生物的优胜劣汰)来保持似乎有用的变化,但限于各种"如果怎样,否则怎样"的这种组合太多,在当时这也没产生什么有价值的结果.
"
再后来至少一部分人开始转向神经网络,这个方向出现的很早,在20世纪60年代就出现了,但那时是非主流,直到20世纪80年代才受到重视,杰夫·霍金斯(Jeff Hawkings)认为这和那时的人工智能主流思路节节败退有关.神经网络研究者尝试在连接中产生智能,其启示来自大脑,因为大脑由神经元组成,这是显然的事实.
"
近来极其热门的深度学习就处在这个方向上,但这个方向也还没有完成从0到1的过程,只是在特定的领域(比如语音识别、图像识别)取得了极为令人瞩目的成绩
以上就是济南人工智能培训给大家做的内容详解,更多关于人工智能的学习,请继续关注济南人工智能培训