什么是ai?– In a simple way

通过考虑人类的角度来讨论的最简单方法。我们知道人类是这个世界上最智力的生物。所以,更好地比较 人工智能 与人类智力获得清晰的AI愿景。

人类与ai. (在沟通中)

艾,一个宽阔的分支 计算机科学 ,用于创建可以识别人类演讲的智能机器,检测对象,解决问题并像人类一样学习。 人类可以以任何语言编写和读取文本数据。在AI中,这是由呼叫的字段完成的 自然语言处理 (NLP),涉及应用计算技术来分析和综合自然语言的文本和演讲。 'Google Assistant'是NLP域的非常好榜样。人类可以说话和倾听使用自然语言与他人沟通。在NLP中,这是由此付出照顾的 语音识别 domain. 大多数NLP技术都遵循统计方法来学习和理解自然语言,因此被称为 统计学习.

人类视觉与计算机视觉

人类可以通过他们的眼睛看到并在大脑的帮助下处理信息。在AI中,这是由呼叫的领域辅助 计算机视觉 。计算机愿景处理计算机如何获得数字图像或视频的高级别了解。计算机愿景涉及来自单个图像或一组图像的自动提取,分析和理解有用信息。人类可以通过他们的眼睛识别它们周围的情景,这些情况被捕获为图像。在AI中,这是由呼叫的田地照顾 图像处理。

人类与机器

人类可以容易地识别他们的周围环境并容易地绕过环境。在AI中,调用此字段 机器人 这涉及创建智能和高效机器人的研究。机器人是以与人类所做的方式执行各种任务的人工代理。

人类具有观察模式的模式,例如类似物体的组合。在AI中,这是由呼叫的字段完成的 模式识别。模式识别可以定义为基于先前获得的知识的数据分类。机器比模式识别更好,因为它们使用更多的数据维度。这是领域 机器学习 这为计算机/机器提供了自动学习和改进的能力。

AI时间期刊资源
你学习数据科学吗?

Check out what 图书 帮助20多个成功的数据科学家在他们的职业生涯中成长。

AI研究领域

人脑与神经网络

现在,让我们讨论人类大脑,这是人类神经系统的指挥中心。它是用于学习事物的神经元网络。当我们可以复制人类大脑的结构和功能时,我们可能能够在机器中获得认知能力。这是领域 神经网络 。这些网络更复杂,更深入,我们使用这些网络来学习在领域的复杂内容 深度学习 。深度学习是在各种学科,特别是计算机视觉和自动语音识别中的最先进系统的划分。当我们获取网络从左到右扫描图像,然后调用它 卷积神经网络 (CNN)。 CNN用于识别对象 对象识别 通过AI的计算机愿景。人类可以记住过去。我们可以获得一个神经网络来记住一些有限数量的过去的事件。这称为经常性神经网络(RNN)。

机器学习

基本上,AI以两种方式工作:一个是基于象征性的,另一个是基于数据。基于数据的侧面,称为机器学习,需要我们将大量数据馈送到学习机器。通常,对于人类来说,只有两个/三维易于理解学习的概念。但是,机器可以了解数据的许多维度并确定模式。一旦机器学习这些模式,就可以做出可以通过人类不可能的预测。机器学习算法基本上用于对一组数据进行分类或预测。

机器学习类型

AI中关于机器学习算法讨论的另一种方法是基于输入数据,培训数据和结果。当我们用(标记)数据训练一个算法,这也包括答案,然后调用它 监督学习。如果我们用数据(未标记)训练算法,并且我们希望机器可以从输入数据发现模式,那么它被调用 无人监督的学习。如果我们向算法提供任何目标并期望机器基于试验和错误实现目标,那么它被调用 加强学习。如果我们有大量未标记数据的标记数据,那么它被称为半监督学习。半监督学习落在无监督的学习和监督学习之间。

结论

Query,人类与人工智能,不是谁会成功的问题?但是关于他们在工作中的可互通和团结? AI技术用于增加计算能力以提高有效和更精确的模型。此外,机器学习技术提供了增强的表示,并使用大数据集的组合。然而,即使这些先进的技术可以通过更高的效率和准确性执行各种任务,人类专业知识仍然通过利用AI技术来实现至关重要的作用。 AI是否可以模仿人类的问题将永远保持不答复。

贡献者

& AI为教育2019年倡议 Committee Member

帕迪亚萨拉斯维斯维斯·雅达瓦工程学院助理教授,Tamilnadu

贡献者表达的意见是他们自己的意见。

关于premlatha kr.

& AI为教育2019年倡议 Committee Member 帕迪亚萨拉斯维斯维斯·雅达瓦工程学院助理教授,Tamilnadu

查看所有Premlatha KR的帖子→