什么是AI？
具有执行认知（例如感知，学习，推理和解决问题）能力的机器具有人工智能。
人工智能的基准是关于推理，说话和视觉的人类水平。
AI的三个不同级别：
- 狭义的AI：机器能比人类更好地执行特定任务时，这是人工智能的当前水平。
- 通用的人工智能：与人类相同的准确度执行任何智力任务。
- 强大的人工智能：在很多任务中可以击败人类。
人工智能几乎用于所有行业，据麦肯锡称，人工智能有可能在零售业中创造价值600亿美元的价值，与其他分析技术相比，银行业的增值价值增加了50％。在运输和物流方面，潜在收入增长了89％。
如果组织将AI用于其营销团队，它可以自动执行重复的任务，使销售代表能够专注于建立关系，领导培育等任务。某公司每次销售代表打电话时，机器都会转录和分析聊天。 VP可以使用AI分析和推荐来制定策略。
AI提供了尖端技术来处理人类无法处理的复杂数据。 AI可自动执行冗余作业，使工作人员能够专注于高级增值任务。当人工智能大规模实施时，可以降低成本并增加收入。
人工智能简史
1956年，来自不同背景的前卫专家决定组织关于人工智能的夏季研究项目。四个人领导了该项目; John McCarthy（达特茅斯学院），Marvin Minsky（哈佛大学），Nathaniel Rochester（IBM）和Claude Shannon（贝尔电话实验室）。
研究的主要目的是解决“学习的各个方面或任何其他智能特征，原则上可以精确地描述，并使机器模拟它。”
提议：
- 自动化计算机
- 编程
- 神经网络
- 自我提升
人工智能诞生了。
人工智能的类型
图片.png
- 机器学习
从实例和经验中学习算法研究的艺术。
机器学习基于以下思想：在数据中存在一些能识别并用于未来预测的模式。
与硬编码规则的不同之处在于机器自己学习找到规则。
- 深度学习
机器学习的子领域。深度学习并不意味着比机器学习更深入的知识，而是使用不同的层来从数据中学习。模型的深度由模型中的层数表示。例如，用于图像识别的Google LeNet模型为22层。
在深度学习中，学习阶段通过神经网络完成。神经网络是一种架构，其中层彼此堆叠。
- 人工智能与机器学习
AI，即人工智能 – 是训练机器执行人工任务的科学。该术语在20世纪50年代产生，当时科学家们开始探索计算机如何能够自己解决问题。
图片.png
人工智能是具有人类特性的计算机，它可以计算我们周围的世界。人工智能是模仿人类能力的大科学。
机器学习是人工智能的独特子集，用于训练机器如何学习。机器学习模型寻找数据模式并试图得出结论。简而言之，机器不需要由人编程。程序员给出了例子，计算机将从这些样本中学习如何做。
AI在哪里使用?
- 用于减少或避免重复性任务。
- 改进了现有产品。在机器学习时代之前，核心产品正在建立在硬编码规则之上。公司引入了人工智能来增强产品的功能，而不是从头开始设计新产品。比如Facebook中，几年前必须手动标记的朋友。如今AI的帮助给你进行朋友推荐。
AI用于所有行业，从营销到供应链，金融，食品加工部门。根据麦肯锡调查，金融服务和高科技通信正在引领人工智能领域。
图片.png
AI为什么现在爆发？
图片.png
自九十年代以来，神经网络已经出版了Yann LeCun的开创性论文。然而，它开始在2012年左右出名。三个关键：硬件、数据、算法。
机器学习是实验领域，这意味着它需要有数据来测试新的想法或方法。随着互联网的蓬勃发展，数据大量产生。此外，像NVIDIA和AMD这样的大公司已经为游戏市场开发了高性能图形芯片。
- 硬件
在过去的二十年中，CPU已经逐渐强大，允许用户在任何笔记本电脑上训练小型的深度学习模型。但是，要处理计算机视觉或深度学习的深度学习模型，需要功能更强大的机器。由于NVIDIA和AMD的投资，可以使用新一代GPU（图形处理单元 raphical processing unit）。这些芯片允许并行计算。这意味着机器可以在几个GPU上分离计算以加速计算。
例如，使用NVIDIA TITAN X，需要两天的时间来训练名为ImageNet的模型，而传统CPU需要几个星期。此外，大公司使用NVIDIA Tesla K80 GPU集群来训练的深度学习模型，它有助于降低数据中心成本并提供更好的性能。
图片.png
- 数据
深度学习是模型的基础。数据是动力，没有数据，什么都做不了。最新技术推动了数据存储的发展。
互联网革命使得数据收集和分发可用于机器学习算法。Flickr，Instagram或任何其他带图像的网站上有数百万张带标签的图片。这些图片可用于训练神经网络模型以识别图片上的对象，而无需手动收集和标记数据。
人工智能与数据是黄金组合。当所有公司都拥有相同的技术时，拥有数据的公司将具有竞争优势。世界每天创造大约22亿千兆字节数据。
公司需要异常多样化的数据源才能找到模式，并需要大量学习。
图片.png
- 算法
初级神经网络是一种简单的乘法矩阵，没有深入的统计特性。自2010年以来，已经取得了显著的发现，以改善神经网络。
人工智能使用渐进式学习算法让数据进行编程。计算机可以自学如何执行不同的任务，如发现异常，构造聊天机器人。
参考资料
- 讨论qq群144081101 591302926 567351477 钉钉群21745728
- 本文最新版本地址
- 本文涉及的python测试开发库 谢谢点赞！
- 本文相关海量书籍下载
- 2018最佳人工智能机器学习工具书及下载(持续更新)
小结
人工智能和机器学习是两个令人困惑的术语。人工智能是训练机器模拟或复制人类任务的科学。科学家可以使用不同的方法来训练机器。在AI年代开始时，程序员编写了硬编码程序，即键入机器可以面对的每种逻辑可能性以及如何响应。当系统变得复杂时，管理规则变得困难。为了解决这个问题，机器可以使用数据来学习如何处理给定环境中的所有情况。
拥有强大AI的最重要特征是拥有足够的数据并具有相当大的异质性。例如，只要有足够的单词可供学习，机器就可以学习不同的语言。
AI是新的尖端技术。风险资本家正在投资数十亿美元的创业公司或人工智能项目。麦肯锡估计人工智能可以使每个行业至少达到两位数的增长率。
