登录 / 注册
IT168大数据频道
IT168首页 > 大数据 > 大数据频道评论 > 正文

人工智能入门必读:4大关键AI概念

2017-06-19 16:04    it168网站原创  作者: 编译 | 钰莹 编辑: 赵钰莹

  【IT168 评论】人工智能(AI)正在肆虐世界,并创新的应用于所有行业。正如电影中所看到的,我们用了几年的时间用AI机器人替代了医生的部分工作,同时,AI也在帮助所有行业的专家更快地诊断和解决问题。大多数人都关注于AI的结果,对于想了解AI开发的程序员来说,有四个关键概念一定要理解:分类,分析,机器学习和协同过滤,这四个支柱也是分析过程中的一个步骤。

人工智能入门必读:4大关键AI概念

  分类涉及创建特定于问题领域的指标(例如财务,网络),分析涉及确定哪些数据与解决问题最相关。机器学习涉及异常检测,聚类,深度学习和线性回归。协同过滤涉及查找大型数据集中的模式。

  分类

  AI需要大量与要解决的问题相关的数据。构建AI解决方案的第一步是创建所谓的“设计意图度量”,用于对问题进行分类。无论用户正在尝试构建可以播放音乐的系统、帮助医生诊断癌症的系统,还是帮助IT管理员诊断无线问题,用户都需要定义允许将问题分解成较小部分的关键指标。例如,在无线网络中,关键指标是用户连接时间,吞吐量,覆盖率和漫游。在癌症诊断中,关键指标是白细胞计数,种族背景和X射线扫描。

  分析

  一旦用户将问题分类到不同的区域,下一步是分析每个类别,这将指向对用户有意义的结论。例如,在无线网络中,一旦用户知道问题的类别(例如连接前或连接后的问题),用户需要开始分析导致问题的原因:关联,认证,动态主机配置协议(DHCP)或其他无线 ,有线和设备因素。

  机器学习

  现在,问题分为特定于元数据的区块,用户可以将这些信息提供给机器学习。在众多机器学习算法和技术中,使用神经网络(即深度学习)的监督式机器学习成为了最受欢迎的方法之一。神经网络的概念自1949年提出以来,随着计算和存储能力的增强,神经网络经过了大量训练以解决各种现实问题,从图像识别、自然语言处理到预测网络性能。其他应用包括异常特征发现,时间序列异常检测和根本原因分析的相关事件。

  协同过滤

  协同过滤也用于对大量数据进行分类,并将其应用于AI解决方案之上,这是让数据收集和分析变成有意义的洞察力或行动的必备步骤。无论是在游戏开发中使用,还是由医生或网络管理员使用,协同过滤都是提供高置信度的方法。它就像一个虚拟助手,可以帮助解决复杂的问题。

  AI仍然是一个新兴的空间,但它必然成为日常生活中越来越强大的一部分。当选择AI解决方案时,就像购买汽车一样,一定要结合我们的需求选择性价比最高的组合。

相关文章
  • 推荐文章
  • 推荐产品
编辑推荐
系统架构师大会
系统架构师大会
点击或扫描关注
IT168企业级微信关注送礼
IT168企业级微信关注送礼
扫描关注
首页 评论 返回顶部