人工智能研究的創(chuàng)始人之一約翰?麥卡錫曾將該領(lǐng)域定義為 “讓計(jì)算機(jī)去做那些由人來(lái)做時(shí)被認(rèn)為涉及智能的事情”。

范圍

雖然上述對(duì)人工智能的定義提供了該術(shù)語(yǔ)含義的大致輪廓，但目前并沒(méi)有一個(gè)被普遍認(rèn)可的人工智能定義。在實(shí)踐中，人工智能被用作一個(gè)涵蓋廣泛不同技術(shù)和應(yīng)用的統(tǒng)稱，其中一些如下所述。

1.機(jī)器學(xué)習(xí)（ML）：機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)領(lǐng)域，它使用算法處理大量數(shù)據(jù)并從中學(xué)習(xí)。與傳統(tǒng)的基于規(guī)則的編程不同，機(jī)器學(xué)習(xí)模型從輸入數(shù)據(jù)中學(xué)習(xí)以進(jìn)行預(yù)測(cè)或識(shí)別有意義的模式，而無(wú)需明確編程來(lái)執(zhí)行這些操作。根據(jù)其預(yù)期功能和結(jié)構(gòu)的不同，有不同類型的機(jī)器學(xué)習(xí)模型：

2.有監(jiān)督機(jī)器學(xué)習(xí)：在有監(jiān)督機(jī)器學(xué)習(xí)中，模型使用帶有標(biāo)簽的輸入數(shù)據(jù)進(jìn)行訓(xùn)練，這些數(shù)據(jù)與特定的輸出相關(guān)聯(lián)。例如，一組動(dòng)物照片數(shù)據(jù)集(輸入數(shù)據(jù))可以被標(biāo)記為 “貓” 或 “非貓”(輸出數(shù)據(jù))。隨著更多的訓(xùn)練數(shù)據(jù)可用，模型不斷改進(jìn)以提供更準(zhǔn)確的輸出。在模型從訓(xùn)練數(shù)據(jù)中的模式中學(xué)習(xí)后，它可以分析額外的數(shù)據(jù)以產(chǎn)生所需的輸出。有監(jiān)督機(jī)器學(xué)習(xí)模型的結(jié)果通常由人類進(jìn)行準(zhǔn)確性審查，并反饋到模型中進(jìn)行進(jìn)一步改進(jìn)。當(dāng)模型在提供新數(shù)據(jù)集時(shí)能夠始終如一地產(chǎn)生準(zhǔn)確的預(yù)測(cè)時(shí)，有監(jiān)督機(jī)器學(xué)習(xí)就是成功的。例如，機(jī)器學(xué)習(xí)模型學(xué)會(huì)識(shí)別一張新圖片是否是貓。

3.無(wú)監(jiān)督機(jī)器學(xué)習(xí)：在無(wú)監(jiān)督機(jī)器學(xué)習(xí)中，輸入數(shù)據(jù)沒(méi)有被標(biāo)記，輸出也沒(méi)有被指定。相反，模型被輸入大量原始數(shù)據(jù)，算法被設(shè)計(jì)用于識(shí)別任何潛在的有意義模式。算法可能會(huì)對(duì)相似的數(shù)據(jù)進(jìn)行聚類，但這樣做時(shí)沒(méi)有任何關(guān)于輸出的先入之見(jiàn)。例如，一個(gè)交易事件的時(shí)間序列可以輸入到一個(gè)無(wú)監(jiān)督模型中，模型識(shí)別出相似交易的組以及異常值。然后，無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型的結(jié)果由人類進(jìn)行解釋，以確定它們是否有意義和相關(guān)。

4.強(qiáng)化學(xué)習(xí)：在強(qiáng)化學(xué)習(xí)中，模型通過(guò)試錯(cuò)動(dòng)態(tài)地學(xué)習(xí)以實(shí)現(xiàn)期望的輸出。如果模型算法正確執(zhí)行并實(shí)現(xiàn)預(yù)期輸出，它將得到獎(jiǎng)勵(lì)。相反，如果它沒(méi)有產(chǎn)生期望的輸出，它將受到懲罰。因此，模型隨著時(shí)間的推移學(xué)習(xí)以一種最大化凈獎(jiǎng)勵(lì)的方式執(zhí)行。例如，在證券行業(yè)，強(qiáng)化學(xué)習(xí)模型正在被探索用于期權(quán)定價(jià)和對(duì)沖。

5.深度學(xué)習(xí)：深度學(xué)習(xí)模型建立在人工神經(jīng)網(wǎng)絡(luò)之上，其中算法以受大腦中神經(jīng)網(wǎng)絡(luò)功能方式啟發(fā)的方式通過(guò)多層學(xué)習(xí)處理大量未標(biāo)記或非結(jié)構(gòu)化數(shù)據(jù)。當(dāng)基礎(chǔ)數(shù)據(jù)量非常大、來(lái)自不同來(lái)源且可能具有不同格式(例如文本、語(yǔ)音和視頻)時(shí)，通常會(huì)使用這些模型。例如，證券行業(yè)中的一些公司正在開(kāi)發(fā)基于深度學(xué)習(xí)模型的監(jiān)控和行為監(jiān)測(cè)工具。深度學(xué)習(xí)應(yīng)用可以是有監(jiān)督的、無(wú)監(jiān)督的或基于強(qiáng)化學(xué)習(xí)的。

6.自然語(yǔ)言處理（NLP）：自然語(yǔ)言處理是一種人工智能形式，它使機(jī)器能夠讀取或識(shí)別文本和語(yǔ)音，從中提取價(jià)值，并可能將信息轉(zhuǎn)換為所需的輸出格式，例如文本或語(yǔ)音。證券行業(yè)中自然語(yǔ)言處理應(yīng)用的例子從法律文件中的關(guān)鍵詞提取和語(yǔ)言翻譯到更復(fù)雜的任務(wù)，如情感分析以及通過(guò)聊天框和虛擬助手提供相關(guān)信息。

7.計(jì)算機(jī)視覺(jué)（CV）：計(jì)算機(jī)視覺(jué)(也稱為機(jī)器視覺(jué))是計(jì)算機(jī)科學(xué)的一個(gè)領(lǐng)域，致力于使計(jì)算機(jī)能夠像人類視覺(jué)一樣看到、識(shí)別和處理圖像，然后提供適當(dāng)?shù)妮敵?。?jì)算機(jī)視覺(jué)應(yīng)用通常會(huì)使用機(jī)器學(xué)習(xí)模型來(lái)解釋它 “看到” 的內(nèi)容并進(jìn)行預(yù)測(cè)或確定?；谟?jì)算機(jī)視覺(jué)的應(yīng)用例子包括面部識(shí)別、指紋識(shí)別、光學(xué)字符識(shí)別和其他用于驗(yàn)證用戶身份的生物識(shí)別工具。

8.機(jī)器人流程自動(dòng)化（RPA）：機(jī)器人流程自動(dòng)化是指使用預(yù)先編程的軟件工具與其他應(yīng)用程序交互，以自動(dòng)化勞動(dòng)密集型任務(wù)，從而提高準(zhǔn)確性、速度和節(jié)省成本。機(jī)器人流程自動(dòng)化工具通常用于涉及結(jié)構(gòu)化數(shù)據(jù)的高容量、重復(fù)性流程，如賬戶對(duì)賬、應(yīng)付賬款處理和支票存款。一些市場(chǎng)參與者不認(rèn)為機(jī)器人流程自動(dòng)化是一種人工智能形式，因?yàn)樗闹攸c(diǎn)是以更類似于基于規(guī)則的系統(tǒng)的方式自動(dòng)化流程。然而，其他人認(rèn)為它是一種初級(jí)的人工智能形式，特別是當(dāng)它與其他技術(shù)(如機(jī)器學(xué)習(xí))結(jié)合使用時(shí)。

海馬課堂，4000+嚴(yán)選碩博學(xué)霸師資，針對(duì)學(xué)生的薄弱科目和學(xué)校教學(xué)進(jìn)度，匹配背景相符的導(dǎo)師，根據(jù)學(xué)生情況進(jìn)行1V1專屬備課，上課時(shí)間靈活安排，中英雙語(yǔ)詳細(xì)講解課程中的考點(diǎn)、 難點(diǎn)問(wèn)題，并提供多方位的課后輔導(dǎo)，輔助學(xué)生掌握全部課程知識(shí)，補(bǔ)足短板。
海馬課堂服務(wù)煥新，六大模塊強(qiáng)勢(shì)護(hù)航！包括定制規(guī)劃報(bào)告、心靈輔導(dǎo)、免費(fèi)公益課、提分規(guī)劃及單項(xiàng)與組合課業(yè)輔導(dǎo)。學(xué)習(xí)教練助力 GPA 提升與職業(yè)發(fā)展，緩解壓力焦慮，清理負(fù)面情緒，提升自信，滿足不同學(xué)習(xí)需求。