《亮見(jiàn)》·AI實(shí)踐中的·知與見(jiàn)。專(zhuān)欄作者/王永亮，以實(shí)踐視角解讀AI技術(shù)在實(shí)際應(yīng)用場(chǎng)景中的知與見(jiàn)。

AI（人工智能）的技術(shù)原理是研究使用計(jì)算機(jī)模擬人腦思維活動(dòng)的過(guò)程，專(zhuān)業(yè)術(shù)語(yǔ)稱之為“機(jī)器智能活動(dòng)”其中包括機(jī)器學(xué)習(xí)、推理、思考、執(zhí)行等能力，也涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等。

在上篇中介紹了“AI的緣起與AI釋義”，該篇將從AI技術(shù)實(shí)現(xiàn)原理來(lái)闡述AI是如何賦予機(jī)器智慧的能力從而來(lái)界定“智能物聯(lián)”與“AI智慧個(gè)體”的區(qū)別。

AI的基本三要素

AI（人工智能）的技術(shù)實(shí)現(xiàn)需要具備數(shù)據(jù)、算法和算力這三個(gè)核心要素，數(shù)據(jù)為算法模型提供關(guān)鍵訓(xùn)練信息指標(biāo)。算法是解決模型學(xué)習(xí)、思考、歸類(lèi)的方法，算法主要分為機(jī)器深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法，當(dāng)前主流的深度學(xué)習(xí)算法模型有深度神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱DNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱RNN）、卷積神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱CNN）。DNN和RNN就是深度學(xué)習(xí)的基礎(chǔ)。算力是指關(guān)鍵數(shù)據(jù)+算法+模型運(yùn)算實(shí)施的能力。

算力是算法和數(shù)據(jù)的基礎(chǔ)設(shè)施。AI實(shí)施過(guò)程中的算法模型對(duì)于算力的需求是巨大的，它支撐著算法和數(shù)據(jù)的運(yùn)行，進(jìn)而影響著AI技術(shù)的應(yīng)用實(shí)施。對(duì)數(shù)據(jù)處理能力的強(qiáng)弱取決于算力的大小。算力源于芯片與硬件的協(xié)同能力，通過(guò)基礎(chǔ)軟件的有效組織，最終實(shí)施到終端應(yīng)用上。

數(shù)據(jù)、算法、算力作為AI核心三要素，相互影響互相支撐，在不同應(yīng)用領(lǐng)域中展現(xiàn)出不一樣的應(yīng)用方式。隨著數(shù)據(jù)的豐富，算法能力的創(chuàng)新、算力技術(shù)的提升，未來(lái)AI技術(shù)將對(duì)傳統(tǒng)領(lǐng)域進(jìn)行一次全面的技術(shù)升級(jí)與智能化革新。

AI模型的探究

AI（人工智能）模型是一種特殊類(lèi)型的算法，其指令是從一組數(shù)據(jù)中得出，然后用于概率評(píng)估做出預(yù)測(cè)、建議或規(guī)定行動(dòng)。模型的搭建是建立在找出解決方案的方法上，它將傳統(tǒng)碎片化的AI應(yīng)用開(kāi)發(fā)轉(zhuǎn)向集中式，模型與訓(xùn)練數(shù)據(jù)、預(yù)訓(xùn)練等構(gòu)成了AI的基礎(chǔ)架構(gòu)例如幫機(jī)器做出更明智的決策、自動(dòng)化程序或在大量數(shù)據(jù)中尋找答案等。

（備注：AI算法模型的設(shè)計(jì)與搭建及模型的部署在這不做細(xì)述。）

ML/AI自動(dòng)構(gòu)建分析訓(xùn)練模型的學(xué)習(xí)方法分類(lèi)

監(jiān)督學(xué)習(xí)：用于預(yù)測(cè)、回歸或分類(lèi)。將算法給訓(xùn)練數(shù)據(jù)，讓模型分析輸出并調(diào)整參數(shù)，直至達(dá)到預(yù)期目標(biāo)。

無(wú)監(jiān)督學(xué)習(xí)：模型可以自由探索數(shù)據(jù)并識(shí)別變量之間的模式。

強(qiáng)化學(xué)習(xí)：當(dāng)模型需要與環(huán)境交互時(shí)，與 AI 或神經(jīng)網(wǎng)絡(luò)一起使用。當(dāng)模型采取所需的行動(dòng)時(shí)，它的行為會(huì)得到加強(qiáng)。

回歸：用于訓(xùn)練監(jiān)督模型。它用于使用原數(shù)據(jù)集來(lái)預(yù)測(cè)或解釋數(shù)值。

分類(lèi)：用于在監(jiān)督學(xué)習(xí)中預(yù)測(cè)或解釋類(lèi)值。

聚類(lèi)：與無(wú)監(jiān)督開(kāi)發(fā)一起使用，這些模型根據(jù)相似性或共享屬性對(duì)數(shù)據(jù)進(jìn)行分組。在商業(yè)中，這些可用于細(xì)分消費(fèi)者市場(chǎng)。社交媒體和視頻平臺(tái)可以使用聚類(lèi)來(lái)推薦新內(nèi)容。

決策樹(shù)：使用算法通過(guò)回答有關(guān)對(duì)象屬性的問(wèn)題來(lái)對(duì)對(duì)象進(jìn)行分類(lèi)。根據(jù)答案，例如“是”或“否”，模型會(huì)繼續(xù)處理另一個(gè)問(wèn)題，然后再處理另一個(gè)問(wèn)題。這些模型可用于預(yù)測(cè)定價(jià)和客戶服務(wù)機(jī)器人。

深度學(xué)習(xí)：旨在復(fù)制人腦的結(jié)構(gòu)。這也稱為神經(jīng)網(wǎng)絡(luò)，其中數(shù)百萬(wàn)個(gè)連接的神經(jīng)元?jiǎng)?chuàng)建了一個(gè)復(fù)雜的結(jié)構(gòu)，可以多次處理和重新處理數(shù)據(jù)以得出答案。

時(shí)代的日新月異，科技的不斷進(jìn)步，未來(lái)的我們將對(duì)多元化的科技產(chǎn)品依賴與日俱增。本篇著重介紹AI技術(shù)的基礎(chǔ)架構(gòu)及技術(shù)原理，隨著基礎(chǔ)算力設(shè)施的提升AI技術(shù)將會(huì)普遍應(yīng)用到各領(lǐng)域中，去改造并加速其向智能化變革。