新時(shí)代來(lái)臨

人工智能的應(yīng)用范圍非常的廣, 我收集到的應(yīng)用方向有

1. 語(yǔ)音識(shí)別

2. 計(jì)算機(jī)視覺

3. 數(shù)據(jù)處理

4. 其他應(yīng)用

大體的方向基本是這些, 現(xiàn)在人工智能能做的超乎人們想象. 像換臉 聊天 幫助編寫代碼 自動(dòng)處理 excel 通過(guò)你的語(yǔ)音素材合成你的聲音.? 很多很多. 哪我就很好奇這些應(yīng)用分別用到了哪些技術(shù). 這些技術(shù)大體的邏輯是什么. 答案就是機(jī)器學(xué)習(xí), 機(jī)器學(xué)習(xí)有兩個(gè)點(diǎn), 一個(gè)機(jī)器一個(gè)是學(xué)習(xí). 機(jī)器就是說(shuō)計(jì)算機(jī), 學(xué)習(xí)就是指處理程序的業(yè)務(wù)模型是訓(xùn)練出來(lái)的, 而不是程序員通過(guò)梳理邏輯編寫或是基于數(shù)學(xué)家發(fā)明的某個(gè)具體的公式得出的.

機(jī)器學(xué)習(xí) ( Machine Learning )

使用圖片標(biāo)識(shí)舉例, 給程序一張圖片, 程序判斷這是什么, 也許是貓狗或是其他. 那程序是怎么做到的呢??

圖片本質(zhì)就是一堆數(shù)字 rgba 紅綠藍(lán)透明度, 把這些數(shù)字交給程序模型計(jì)算會(huì)得到結(jié)果, 結(jié)果不同就是不同的動(dòng)物, 比如 3 代表狗, 而得出模型的過(guò)程就是訓(xùn)練.?

得出模型的方法有很多

1.人工神經(jīng)網(wǎng)絡(luò)?( artificial neural network )

人工神經(jīng)網(wǎng)絡(luò)有兩個(gè)點(diǎn), 一個(gè)是人工, 一個(gè)是神經(jīng)網(wǎng)絡(luò). 從這兩點(diǎn)網(wǎng)絡(luò)就明白這是一種使用人工數(shù)學(xué)模型模擬現(xiàn)實(shí)中動(dòng)物神經(jīng)網(wǎng)絡(luò)的模型. 將這種模型轉(zhuǎn)化為代碼就能使計(jì)算機(jī)擁有類似動(dòng)物的神經(jīng)網(wǎng)絡(luò), 從而獲得學(xué)習(xí)能力.

我們常常聽到的 CNN RNN DL ( Deep Learning?) 本質(zhì)都是 ANN

2.NLP ( natural language processing )

自然語(yǔ)言處理是為了處理網(wǎng)絡(luò)大量的非結(jié)構(gòu)化數(shù)據(jù)而產(chǎn)生的.他有兩個(gè)重要的部分

? ? ? ? 1.NLU ( natural language understanding?)

????????為了聽懂人類的語(yǔ)言, 語(yǔ)義分析.

????????2.NLG ( natural language generation )

????????聽懂后按照人類的方式生成回答

現(xiàn)在非?；馃岬?Chat-GPT 現(xiàn)在就能處理人類語(yǔ)言并且做出回答.