據(jù)麥肯錫估計，從現(xiàn)在到2030年，人工智能將創(chuàng)造約13萬億美元的美國國內(nèi)生產(chǎn)總值。相比之下，2017年整個美國的國內(nèi)生產(chǎn)總值約為19萬億。人工智能已經(jīng)成為第四次工業(yè)革命， 人工智能無疑是數(shù)字化轉(zhuǎn)型的核心，它在整個行業(yè)中的應(yīng)用將極大地改變我們的世界以及工業(yè)生產(chǎn)方式。 越來越多的人希望投入這場人工智能革命，但他們不知道AI能做什么，AI是一種什么樣的技術(shù)。 因此本文將介紹什么是AI。

關(guān)于人工智能的誤解

關(guān)于人工智能的炒作從未停止過，許多人對人工智能存在一定的誤解。人工智能可分為兩部分：

人工窄智能（ANI）

人工窄智能是指擅長一項特定任務(wù)的AI ，它們是經(jīng)過訓(xùn)練和開發(fā)的。 例如一個人工智能系統(tǒng)可根據(jù)歷史數(shù)據(jù)向您推薦YouTube視頻的算法或者預(yù)測未來房屋價格。ANI是一個非常強大的工具，它將在未來幾年為我們的社會增加許多額外的價值。 我們近年來所看到的所有人工智能進展其實都是人工窄智能。

人工智能（AGI）

人工智能的最終目標是一個比人類聰明或聰明的計算機系統(tǒng) 。 AGI可以成功地完成人類可以做的任何智力任務(wù)。 這也是AI引起人們最大恐懼的一部分。 他們想象一個計算機比人類聰明得多的世界，幾乎每個工作都是自動化的，甚至是類似終結(jié)者的場景。而實際上， 我們?nèi)赃h遠未達到真正的AGI技術(shù)水平 。

人工智能相關(guān)術(shù)語

人工智能是一個非常復(fù)雜的領(lǐng)域，里面包括很多術(shù)語可能會讓你很混亂。 你可能聽說過神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)或數(shù)據(jù)科學(xué)。 但并不清楚其中具體的含義以及相互間的關(guān)系。

人工智能

人工智能是一個計算機科學(xué)領(lǐng)域 ，它強調(diào)智能機器的創(chuàng)造，擁有像人類一樣工作和反應(yīng) 。 就像我已經(jīng)提到的那樣，當(dāng)人們談?wù)揂I時，他們主要是人工智能（AGI）。機器學(xué)習(xí)和深度學(xué)習(xí)都是用于使計算機智能操作的技術(shù)。

機器學(xué)習(xí)

機器學(xué)習(xí)是AI的一個子領(lǐng)域 。 通過一定的算法使計算機能夠從數(shù)據(jù)中學(xué)習(xí)并執(zhí)行某項任務(wù)。 機器學(xué)習(xí)項目示例：

想象一下，你是一家房地產(chǎn)公司，你有很多關(guān)于房屋的數(shù)據(jù)。 您與機器學(xué)習(xí)公司合作，建立機器學(xué)習(xí)系統(tǒng)，以預(yù)測房屋的未來價格。 這樣的系統(tǒng)使您能夠更好地決定您想要投資的房屋，并找出清算投資的合適時機。

深度學(xué)習(xí)

深度學(xué)習(xí)是機器學(xué)習(xí)的一個子部分，它與機器學(xué)習(xí)基本相同：你給算法標記數(shù)據(jù)，然后算法從數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)規(guī)律并進行預(yù)測。 與機器學(xué)習(xí)的不同之處在于深度學(xué)習(xí)具有更現(xiàn)代，更復(fù)雜的算法，而機器學(xué)習(xí)使用更簡單的傳統(tǒng)算法。由于它們的復(fù)雜性以及足夠的數(shù)據(jù)和計算能力，深度學(xué)習(xí)算法在準確度上有了重大突破，甚至在其中一些任務(wù)上超過人類（例如：組織病理學(xué)圖像分析，或在Netflix上推薦電影）。

數(shù)據(jù)科學(xué)

數(shù)據(jù)科學(xué)項目的輸出通常是一組見解，可幫助您做出更好的業(yè)務(wù)決策，例如決定是否投資某些東西，是否應(yīng)該購買某些設(shè)備，或者是否應(yīng)重新構(gòu)建您的網(wǎng)站。 數(shù)據(jù)科學(xué)是通過統(tǒng)計方法 ，可視化等分析數(shù)據(jù)來提取數(shù)據(jù)知識和洞察力的科學(xué) 。輸出通常是演示文稿或幻燈片幫助管理者做出某些決策的結(jié)論。

人工智能術(shù)語還包括強化學(xué)習(xí)，生成性對抗網(wǎng)絡(luò)（Gans）等。這些都是使AI系統(tǒng)智能化的工具。

數(shù)據(jù)

數(shù)據(jù)可以采用多種形式：電子表格，圖像，音頻，傳感器數(shù)據(jù)等。這些可分為兩大類：結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

結(jié)構(gòu)化數(shù)據(jù)是按照預(yù)定義模式以結(jié)構(gòu)化格式存儲的數(shù)據(jù) 。 它指的是駐留在記錄或文件中的固定字段中的任何數(shù)據(jù)?？梢允俏谋镜囊部梢允欠俏谋?。 例如泰坦尼克號數(shù)據(jù)集就是一種結(jié)構(gòu)化數(shù)據(jù)。

非結(jié)構(gòu)化數(shù)據(jù)本質(zhì)上是未通過預(yù)定義模式構(gòu)建的其他所有內(nèi)容。 它可以是文本的或非文本的， 主要包括圖像，視頻，音頻文件，文檔等。

監(jiān)督學(xué)習(xí)是最常用的機器學(xué)習(xí)類型，當(dāng)人們說“數(shù)據(jù)”時，它們主要是指標記數(shù)據(jù) 。例如您有一個數(shù)據(jù)集，其中包含100，000只狗和貓的照片，其中每張照片都有一個標簽，“Cat”或“Dog”。還比如一個包含房價信息的數(shù)據(jù)集。 每個房屋對應(yīng)的價格就是標簽。

數(shù)據(jù)獲取

您可以在互聯(lián)網(wǎng)上找到許多問題的數(shù)據(jù)集（一些是免費的，一些是花錢的），但大多數(shù)時候您需要創(chuàng)建自己的數(shù)據(jù)集，獲取數(shù)據(jù)有三種主要方式：

1.手動創(chuàng)建

假如你想要建立一個分類器檢測給定圖片上是否有男人或女人。 要訓(xùn)練這樣的分類器，你需要搜集一些男女圖片。 然后，您需要為每個圖像指定一個標簽：men（標簽1）或女人（標簽2）。

2.用戶行為

假如您經(jīng)營一家電子商務(wù)公司并希望預(yù)測客戶何時會進行購買，您可以通過觀察用戶在您網(wǎng)站上的行為來創(chuàng)建數(shù)據(jù)集。

3.使用免費數(shù)據(jù)源

像Kaggle上有許多免費的數(shù)據(jù)集資源。 還可以使用Google數(shù)據(jù)搜索 ，如果沒有找到任何內(nèi)容，還可以在數(shù)據(jù)市場上購買數(shù)據(jù)集。