人工智慧入門必讀：4大關鍵AI概念

文章講的是人工智慧入門必讀：4大關鍵AI概念，人工智慧(AI)正在肆虐世界，並創新的應用於所有行業。正如電影中所看到的，我們用了幾年的時間用AI機器人替代了醫生的部分工作，同時，AI也在幫助所有行業的專家更快地診斷和解決問題。大多數人都關注於AI的結果，對於想了解AI開發的程式設計師來說，有四個關鍵概念一定要理解：分類，分析，機器學習和協同過濾，這四個支柱也是分析過程中的一個步驟。

　　分類涉及建立特定於問題領域的指標(例如財務，網路)，分析涉及確定哪些資料與解決問題最相關。機器學習涉及異常檢測，聚類，深度學習和線性迴歸。協同過濾涉及查詢大型資料集中的模式。

　　分類

　　AI需要大量與要解決的問題相關的資料。構建AI解決方案的第一步是建立所謂的“設計意圖度量”，用於對問題進行分類。無論使用者正在嘗試構建可以播放音樂的系統、幫助醫生診斷癌症的系統，還是幫助IT管理員診斷無線問題，使用者都需要定義允許將問題分解成較小部分的關鍵指標。例如，在無線網路中，關鍵指標是使用者連線時間，吞吐量，覆蓋率和漫遊。在癌症診斷中，關鍵指標是白細胞計數，種族背景和X射線掃描。

　　分析

　　一旦使用者將問題分類到不同的區域，下一步是分析每個類別，這將指向對使用者有意義的結論。例如，在無線網路中，一旦使用者知道問題的類別(例如連線前或連線後的問題)，使用者需要開始分析導致問題的原因：關聯，認證，動態主機配置協議(DHCP)或其他無線 ，有線和裝置因素。

　　機器學習

　　現在，問題分為特定於後設資料的區塊，使用者可以將這些資訊提供給機器學習。在眾多機器學習演算法和技術中，使用神經網路(即深度學習)的監督式機器學習成為了最受歡迎的方法之一。神經網路的概念自1949年提出以來，隨著計算和儲存能力的增強，神經網路經過了大量訓練以解決各種現實問題，從影像識別、自然語言處理到預測網路效能。其他應用包括異常特徵發現，時間序列異常檢測和根本原因分析的相關事件。

　　協同過濾

　　協同過濾也用於對大量資料進行分類，並將其應用於AI解決方案之上，這是讓資料收集和分析變成有意義的洞察力或行動的必備步驟。無論是在遊戲開發中使用，還是由醫生或網路管理員使用，協同過濾都是提供高置信度的方法。它就像一個虛擬助手，可以幫助解決複雜的問題。

　　AI仍然是一個新興的空間，但它必然成為日常生活中越來越強大的一部分。當選擇AI解決方案時，就像購買汽車一樣，一定要結合我們的需求選擇價效比最高的組合。

作者：編譯 | 鈺瑩

來源：IT168

原文連結:人工智慧入門必讀：4大關鍵AI概念