算法|人工智能，根据机器的能力，分为人工一般智能汇编和强人工智能机器学习

文章图片

文章图片

文章图片

机器的能力分为人工一般智能汇编(AGI)或“强”人工智能(实际思考) ，以及“窄”或“弱”人工智能(模拟思考)尽管AGI还需要几十年的时间，但未来学家预测，当机器能够实现AGI时， “智能爆炸”将发生，人类文明将发生深刻的变化然而，与此同时，今天所看到的狭义人工智能正开始通过传感器、机器人等物理设备或实现智能dss的数字软件应用程序提供一套综合人工智能服务。

【算法|人工智能，根据机器的能力，分为人工一般智能汇编和强人工智能】ML 是 AI 的一个子学科，它使计算机能够从数据中学习。ML 是实现 AI 的几种不同方法的总称，并且是 AI 商业应用增长的主要驱动力。 ML 已成为获取认知洞察、做出预测和支持决策的主要AI 工具。一台计算机。 ML 代表了与早期 AI 方法（专家系统）的不同，这些方法使用一套详尽的逻辑规则，在软件中手工编码，试图预测问题的所有可能结果。有了 ML ，计算机可以能够使用先进的软件方法（算法）推断出自己的规则。

虽然机器学习中使用的许多算法以前已经被统计学家使用过，但最近一代的大量数字数据——图像、文本、交易、人类和环境感知数据（“大数据”）——可以存储在云中而不是内部部署，并且可以通过图形处理单元更快、更便宜地进行分析，这使得“训练”机器执行任务成为可能，而无需明确编程。当前使用的各种机器学习方法包括互联网搜索、电子商务、商品和服务推荐系统、图像识别、图像和语音识别、传感器技术、机器人设备和认知 DSS 。

所有这些应用都源于几种不同的机器学习方法，这些方法支持机器学习。监督学习使用由人类专家正确标记的训练数据集来查找模式并进行预测。例如，训练集可用于对工伤保险索赔的大数据集进行自动编码，以推进工伤监测的科学化。使用监督学习训练数据集，放射图像分类算法可以学习输入图像之间的正确关系例如， X 射线和输出标签，例如肺癌，然后应用该关系对计算机以前从未见过的未标记图像进行分类。

无监督学习不使用准备好的训练数据集。相反，未标记的数据被提供给学习算法，然后计算机在没有人工指导的情况下描述数据的隐藏结构，将数据分成集群或组。例如，可以使用无监督学习方法通过聚类来定位客户，从而导致市场细分。虽然监督学习的输出可能比无监督学习的输出更准确，但监督学习是资源密集型的，因为训练数据集必须由人类专家准备。强化学习改编自心理学中的基本学习理论，强化学习涉及一种基于奖励期望行为和惩罚不期望行为的训练方法，这是计算机的一种顺序实验形式。

强化学习使计算机能够通过以下方式学习正确的结果（行为）使用所有人都使用的试错方法进行奖励和惩罚。为了在与动态外部环境交互的同时实现目标，使用强化学习的计算机通过实验和输出优化生成自己的训练数据。强化学习在很大程度上是 AlphaGo 在与人类竞争对手下围棋时学习获胜动作的方式。

算法|人工智能，根据机器的能力，分为人工一般智能汇编和强人工智能

相关经验推荐

周迅结过几次婚？周迅结过几次婚啊

很酷的女生个性游戏名字大全脾气很大

在明日之后里的NPC数不胜数|明日之后：阿列克谢大叔口无遮拦，他才是他的男一号

2021年个性签名的一句话

8种常用的减肥方法看看哪种更适合你

使命召唤手游二指键位怎么设置（二指键位设置攻略）

吃西瓜有哪些好处？晚上吃西瓜会胖吗？

花卉叶片腿绿的原因解析

风信子球水培管养如何进行? 风信子种球水培操作图解

11月17日湘西凤凰县通报在重点管理人员中发现1例新冠病毒阳性感染者

婴儿背巾会伤害宝宝吗？

鄢陵办理台湾通行证公安局意见解释

北京商贷利率？北京房贷利率

大棚空心菜种植技术大棚种植空心菜需注意什么

华为mate30|90元更换华为Mate30外屏，拿到后感觉手机被“调包”了

闲置丝绸被面还有什么用

哺乳期减肥方法推荐减肥成功尽快恢复产前身材

冰冻蒜蓉扇贝要蒸多久

如何去除青春痘男生如何去除青春痘

|2021真正好手机的3大要素，满足了才是真旗舰，别买错了！