拿起一本杂志浏览科技博客，或者在行业会议上和同行聊天。你很快就会注意到，几乎所有来自技术领域的东西都或多或少涉及人工智能或机器学习。而他们讨论人工智能的方式，听起来几乎像是在宣传：人工智能可以解决所有需求!人工智能是来拯救人类的!
虽然我们确实可以利用人工智能技术做出很多事情，但我们没有理解“智能”这个词的全部含义。智力意味着一个系统，在这个系统中，人类可以进行创造性的对话——一个拥有想法并能发展新想法的系统。争论的焦点是术语。今天的“人工智能”通常描述人类能力的某些方面的延伸，如物体或语音识别，但肯定不是人类智能的全部潜力。
因此，“人工智能”可能不是描述我们今天使用的“新”机器学习技术的最佳方式，但是变革的列车已经出发。尽管机器学习还不是机器智能的同义词，但它肯定已经变得更强大、更有能力、更容易使用。AI意为神经网络或深度学习以及“经典”机器学习，最终也将成为分析工具包的标准部分。
既然我们已经进入了人工智能革命(或者更确切地说是进化)，那么看看人工智能的概念是如何被吸收的、为什么会被吸收、以及它在未来意味着什么是很重要的。本文我们更深入地研究为什么人工智能甚至是它的一些被误解的版本目前会受到如此高的关注。
人工智能为什么现在才爆发?
在当前，人工智能或机器学习通常被描述为突然成熟的相对较新的技术，只是最近才从概念阶段过渡到
应用程序集成。人们普遍认为，独立机器学习产品的诞生只是在最近几年才开始的。事实上，人工智能的重要发展并不新鲜。今天的人工智能是过去几十年取得的进步的延续。这种变化，也就是我们看到人工智能出现在如此多地方的原因，与其说是人工智能技术本身，不如说是围绕它们的技术——即数据生成和处理能力的发展。
最后，人们可能只是想在相同的平台上尝试不同的技术，而不受某些软件供应商的限制，也不受无法跟上该领域当前进展的限制。这就是开源平台是这个市场的领导者的原因，它们允许从业者将当前最先进的技术与最新的前沿开发相结合。
随着团队在使用机器学习来实现目标和方法上变得一致，深度学习将成为每个数据科学家工具箱的一部分。对于许多任务来说，在其中添加深度学习方法将提供巨大的价值。我们能够利用预先训练的人工智能系统，我们能够合并现有的语音或语音识别组件。但最终，我们会意识到，就像之前的经典机器学习一样，深度学习实际上只是另一种工具。
人工智能接下来该如何发展?
就像20年前一样，人们在试图理解人工智能系统学到了什么以及它们是如何做出预测的时候，会遇到极大的困难。在预测客户是否喜欢某一特定产品时，这一点可能并不重要。但是，当解释为什么一个与人类交互的系统会以一种意想不到的方式运行时，问题就出现了。人类愿意接受“人类的失败”，但我们不会接受人工智能系统的失败，尤其是如果我们不能解释它失败的原因(并纠正它)。
随着我们对深度学习越来越熟悉，我们将意识到，就像20年前对机器学习所做的那样，尽管系统很复杂，而且它所训练的数据量很大。但是如果没有该领域知识，理解起来很困难。人类的语音识别之所以如此有效，是因为我们通常可以通过上下文来填补理解不足的空缺。
当下的人工智能系统没有那么深刻的理解，我们现在看到的是肤浅的智力，即模仿孤立的人类识别能力的能力，有时甚至在这些孤立的任务上表现得比人类更好，训练拥有数十亿个例子的系统仅仅需要拥有数据和获得足够的计算资源。
在未来，“真正”的人工智能必然是一个研究方向，但是当下来说，通过人工智能人们可以使用它更快更好地完成他们的工作。
最新图文
