专注分享
优质IT技能干货

我应该如何开始学习AI?

 人工智能是科技发展最快的领域之一,但是要知道这一点,哪里可以开始?在这里我们来看看一些让AI熟悉自己的方法。

人工智能即将到达您附近的数据中心,并且可能会开始执行人类操作人员大部分时间花费的许多任务。

但是,现在的IT工作者不会把这个不可避免的发展视为威胁,而是会更好地学习AI的基础知识,以便当它到达时,它可以作为一种工具来增强人力对组织的价值,而不是取代它。

首先,它有助于知道有许多不同类型的AI服务于各种功能。科技记者迈克尔·科普兰(Michael Copeland)将技术视为一系列同心圆,AI是最外圈,更专业的形式,如机器学习(ML)和深入的学习。

差异在于AI的每种形式的复杂性以及它们旨在实现的具体功能。

AI的简史

例如,AI具有可追溯到20世纪50年代的根源,但仅在“十年前”开始就采用“狭窄AI”的概念,这就是技术专注于完成特定任务,如图像分类和面部识别,但缺乏能力使用经验和其他数据来演进其过程,以人脑的方式输入。(有关更多信息,请查看计算机能否模仿人脑?)

为此,我们需要转向机器学习,该机器学习使用算法来分析数据以对其环境进行预测。使用ML,程序员不再需要手工编写系统应该采取的每一个动作,而是系统本身可以根据可用数据确定最佳的操作过程。然而即使在这个阶段,“智慧”这个词也是非常松散的使用,因为ML需要大量的人力投入来得出理性的结论。

这就是深度学习和神经网络的出现。与机器学习不同,这些技术试图模仿人脑的运作。使用高级分层,连接和数据传播,它们以多种方式处理数据集,以为给定结果生成加权概率。由于这是一个非常繁重的计算工作量,因此,只有在GPU和并行处理进入主流之前,这个水平的AI才能保持在后面。

可用平台

萌芽的AI程序员也应该熟悉市场上的领先平台。尽管目前的解决方案越来越多,但一些较为基础的系统为那些已经熟悉常用编程语言的用户提供了一个相当简单的学习曲线。

Sitepoint.com列出了一些更成熟的平台,其中每一个平台都适用于人工智能与数据驱动过程交互的各种方式。也许最受欢迎的是Google的TensorFlow和面向Raspberry Pi入门级计算环境的Melissa平台。两者都提供了一个易于编程的AI编程,尽管Melissa需要更多的Python编程语言技能。

同样,还有像Wit.ai和Api.ai这样的服务,利用语音识别将语言命令转换为文本。他们还使用简称为“意图”和“实体”的编程元素,用于定义要执行的操作以及要执行的设备和/或服务。这样,开发人员可以指示AI引擎从驱动器A中删除数据并将其粘贴到驱动器B. Wit和Api都有自己的意图和实体模板,因此大部分工作已经完成。然而,除了iOS和Android之外,他们倾向于支持不同的编程语言,而Wit倾向于Ruby,Python,CRust和Api支持Unity,C ++,Python和JavaScript。

实践完美

Kaggle首席技术官Ben Hamner说,尽管传统方式从未学习AI,学习各种平台的细微差别,研究过去的做法 – 记住一系列不连贯的事实,只会让您感到非常痛苦。相反,更实际的方法是在您的工作日中选择一个特定的问题,并尝试找出智能自动化系统如何减轻它,如果不是完全解决它。(要了解AI的一些当前用途,请参阅3个令人惊奇的人工智能实例)。

这比听起来困难得多 理想的问题必须有三个标准:

  • 它必须覆盖您个人感兴趣的区域;
  • 它必须使用非常适合解决问题的现成数据集,以及
  • 数据或相关子集必须舒适地坐在单个机器中。

一旦你找到了一个合适的问题,Hamner说现在是时候做一个快速而肮脏的黑客 – 没什么好奇的,就足以为基本问题提供端到端的解决方案。这应该包括阅读数据,将其转换为机器学习算法可以理解的内容,培训基本模型,创建结果和评估性能等步骤。

一旦这个功能基准完成,您可以随时返回并改进每个组件,也许通过检查单独的行和可视化分布,以更好地了解结构和异常。在许多情况下,您会发现改进数据清理和预处理步骤比优化机器学习模型产生更好的结果。

它还有助于了解其他人目前在做什么,然后公开分享您的作品,以促进更进一步的发展。Google最近启动了一个称为AI实验的AI沙盒,它提供开放源代码和其他资源,帮助您开始,并为艺术,语言,音乐和其他学科的AI开发展示。除了TensorFlow和Cloud ML API之外,该网站还提供了DeepMind 3D游戏实验室的一个版本,以及一组用于开发C ++中的机器学习工具的开放框架应用程序和脚本。

人工智能对知识型员工尤其是信息技术的最大变化是删除构成大部分工作日的所有重复任务。但不要误会,AI不会使人类多余,也不会让人类在机器做所有工作的同时过着休闲生活。

在AI驱动的经济中,人类大脑将会占有很大的空间,但这主要包含数学算法永远无法掌握的创意直观的项目。

以AI为伙伴,期望工作日对个人变得更有趣和有益,而他们服务的组织应该从人类活动中获得更大的价值,并提高整体的生产力。

打赏
未经允许不得转载:牛人干货 » 我应该如何开始学习AI?

打赏干货君

支付宝扫一扫打赏

微信扫一扫打赏