欢迎来到天天文库
浏览记录
ID:27911026
大小:377.50 KB
页数:8页
时间:2018-12-07
《快速了解人工智能:浪潮,技术及应用.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、快速了解人工智能:浪潮,技术及应用 一、AI的三次浪潮 第一次AI浪潮 第一次AI浪潮起于1950~1960年,止于1980年代。由于出现在网络之前,因此又被称为“古典人工智能”。这时期出现的“符号主义”与“联结主义”,分别是日后“专家系统”与“深度学习”的雏形。只不过,虽然当时的成果已能解开拼图或简单的游戏,却几乎无法解决实用的问题。 第二次AI浪潮 第二次AI热潮伴随着计算机的普及,出现在1980年代。这时期所进行的研究,是以灌输“专家知识”作为规则,来协助解决特定问题的“专家系统”(Expert快速了解人工智能:浪潮,技术
2、及应用 一、AI的三次浪潮 第一次AI浪潮 第一次AI浪潮起于1950~1960年,止于1980年代。由于出现在网络之前,因此又被称为“古典人工智能”。这时期出现的“符号主义”与“联结主义”,分别是日后“专家系统”与“深度学习”的雏形。只不过,虽然当时的成果已能解开拼图或简单的游戏,却几乎无法解决实用的问题。 第二次AI浪潮 第二次AI热潮伴随着计算机的普及,出现在1980年代。这时期所进行的研究,是以灌输“专家知识”作为规则,来协助解决特定问题的“专家系统”(Expertsystem)为主。然而,纵使当时有商业应用的实例,应用
3、范畴却很有限,热潮也因此逐渐消退。 第三次AI浪潮 第三次AI浪潮则出现于2010年代,伴随着高性能计算机、因特网、大数据、传感器的普及,以及计算成本的下降,“机器学习”随之兴起。所谓机器学习(Machineleaning),是指让计算机大量学习数据,使它可以像人类一样辨识声音及影像,或是针对问题做出合适的判断。 二、AI的三大技术 快速了解了AI的发展史后,我们来看看当代人工智能的三大代表性模型:遗传算法、专家系统、类神经网络。 1、遗传算法 遗传算法(GeneTIcalgorithm;GA),又称为演化式算法(EvoluTIo
4、naryalgorithm),是受达尔文演化论所启发的人工智能。它透过“适者生存”的规则,将“优秀的个体”想象成“好的答案”,透过演化的方式来找出最佳解。 2、专家系统 专家系统(Expertsystem),则是针对预设的问题,事先准备好大量的对应方式。它应用在很多地方,尤其是疾病诊断。只不过,专家系统只能针对专家预先考虑过的状况来准备对策,它并没有自行学习的能力,因此还是有其局限性。 3、类神经网络 从第三次AI浪潮所兴起的机器学习(Machinelearning)有许多种手法,其中最受瞩目的,莫过于深度学习(Deeplearnin
5、g)了。所谓深度学习,是透过模仿人脑的“类神经网络”(Neuralnetwork)来学习大量数据的手法。 类神经网络的由来 若你去观察脑的内部,会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上,就会兴奋(神经冲动);在某一定值以下,就不会兴奋。 兴奋起来的神经元,会将电器信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说,彼此相连的神经元,会形成联合传递行为。我们透过将这种相连的结构来数学模型化,便形成了类神经网络。 类神经网络:深度学习 我们可以
6、发现,经模型化的的类神经网络,是由“输入层”(Inputlayer)、“隐藏层”(Hiddenlayer)及“输出层”(Outputlayer)等三层所构成。另外,学习数据则是由输入数据以及相对应的正确解答来组成。 以影像辨识为例,为了让AI学习类神经网络的模型,首先必须先将影像学习数据分割成像素数据,然后将各像素值输进输入层。 接受了数据的输入层,将像素值乘上“权重”后,便传送给后方隐藏层的神经元。隐藏层的各个神经元会累加前一层所接收到的值,并将其结果再乘上“权重”后,传送给后方的神经元。最后,经由输出层的神经元的输出,便可得到影像辨识
7、的预测结果。 为了让输出层的值跟各个输入数据所对应的正解数据相等,会对各个神经元的输入计算出适当的“权重”值。 这个权重的计算,一般是使用“误差倒传递算法”(ErrorBackPropagaTIon),使用与正解数据之间的误差,从输出层逆推回去。透过各“权重”的调整,来缩小输出层的值与正解数据的值之间的误差,以建立出完成学习的模型。 由于过去类神经网络之间进行传递的权重值难以优化,因此曾有多数研究者对类神经网络的研究持否定态度。直到2006年,辛顿(GeoffreyHinton)开发出自动编码器(Autoencoder)的手法,才突破了
8、这项瓶颈。 自动编码器是指,在类神经网络的输入层和输出层使用相同数据,并将隐藏层设置于二者之间,借此用来调整类神经网络之间的权重参数的一种手法。利用以自动编码器所
此文档下载收益归作者所有