人工智能简介
有兴趣了解人工智能的基础知识吗？我们在本文中解释了定义和框架。 我们正处于新一轮数字浪潮之中，这意味着我们一直在将数字技术与机器、市场和自然相结合。最近，人工智能已成为这一浪潮的核心，并且人工智能有望在不久的将来继续主导创新。 这波数字浪潮是否只是我们所知的工业革命的第四波浪潮，还是一个全新社会的开始？这个问题出自荷兰战略领导力教授鲍勃·德威特 (Bob de Wit) 的 著作《社会 4.0 》(2021)。 因此，当我们的社会踏上这股新浪潮时，让我们来看看什么是人工智能。 A I是什么？ 自 1950 年以来，人工智能 (AI) 已经吸引了全世界的注意力。人工智能是机器所表现出的智能，与动物和人类所表现出的自然智能不同。 人工智能基于数字化和自动化流程，模仿人类的认知过程。这带来了新的可能性，包括学习、解决问题、知识表示以及社交和通用智能。人工智能驱动的工具已经用于优化搜索引擎、数学、逻辑、概率和经济学。这有助于降低文书工作成本、减少劳动力并消除人为错误。然而，早期版本的人工智能将更高级的认知工作留给了人类来处理。 人工智能如何工作？ 简而言之，人工智能的工作原理如下。准备好数据源（数据集）并将其输入模型以产生预测（称为结果 ）。根据结果，用户将做出决策。人工智能模型具有开创性，因为它具有自学能力。然而，人工智能的挑战之一是确定模型和结果是否可以且应该被信任。 什么是机器学习？ 机器学习 (ML) 于 1980 年左右开始流行。它是一门致力于理解和构建“学习”方法的研究领域，即利用数据来提高某些任务的性能。机器学习被认为是人工智能的一个子集。 机器学习专注于机器接收数据并自行学习的能力，而无需使用规则进行编程。机器学习与传统编程不同，因为您可以使用示例而不是指令列表来教授机器学习程序。机器学习使您无需在编程时编写指令或规则，而是可以“训练”算法，使其能够自行学习，然后随着对所处理信息了解的增多而进行调整和改进。 简而言之，机器学习就是使用数据来回答问题。第一部分“使用数据”也称为训练。第二部分“回答问题”称为进行预测或推理。 Google Cloud 将 ML 的步骤描述如下：在步骤 (1) 收集数据之后，执行步骤 (2) 数据准备以优化数据的准确性。下一步是 (3) 选择 ML 模型。接下来是 (4) 训练模型（使用大约 80% 的收集数据）和 (5) 评估训练后的模型（使用另外 20% 的收集数据）。然后，(6) 超参数调整，最后 (7)