江苏龙网

  1. 主页 > 生活百科 > >

人工智能包括哪些方面(符合人工智能概念的产品)( 三 )


数据密度很重要 ， 因为数据密度越高 ， 找到好模型的可能性越大 ， 模型精度的置信度也越高 。如果密度低 ， 应用该数据的训练模型的置信度将低 。因此 ， 尽管高维度在数学上是可以接受的 ， 但人们应该关注维度 ， 以便开发出一个好的、具有高置信度的机器学习模型 。
10 奥卡姆剃刀原理在开发和应用机器学习模型时 ， 总是有许多可能的解决方案和获得答案的方法 。很多时候 ， 没有理论指导哪种解决方案方案或方法比其他方法更好 。在这种情况下 ， 奥卡姆剃刀原则(有时称为简单原则)的概念可以得到有效应用 。该原则指出:
一个人不应该做出超过最低要求的假设 ， 或者换句话说 ， 当一个解决方案计划有很多选择时 ， 最简单的方法是最好的 。
这个原理的不完全性是一个定理 ， 不能作为一个定量的规则或方程 。然而 ， 当在现实生活中做出这样的决定时 ， 它是一个强大而有效的概念指南 。
还应该指出 ， 这一规则造成了一种妥协的情况 。一方面 ， 我们有更多关于复杂情况的信息 ， 另一方面 ， 我们有更少关于简单情况的信息 。人们不应该把问题过于简单化 ， 从而丢失一些核心信息 。奥卡姆剃刀原理的另一个衍生是 ， 较短的解往往具有更强的泛化能力 。
11 “没有免费的午餐”定理设计机器学习系统时应该注意的另一个有趣的概念来自于Wolpert和Macready的论文 ， 他们的情况是最优化中的“没有免费的午餐”定理或NFL定理 。本质上 ， 这个定理指出:
如果一个算法在某些类型的问题上更好 ， 它将在其他类型的问题上付出性能下降的代价 。换句话说 ， 你不可能对所有类型的问题都有一个单一的最优解决方案 。
这个定理需要更多地作为指导原则 ， 而不是定律 ， 因为在所有可能的问题类别中 ， 一个设计良好的算法可能比其他没有设计好的算法更好 。但是 ， 在实际情况中 ， 我们可以从这个定理推断 ， 我们不能对所有问题都采用相同的解决方案 ， 并期望它在所有情况下都能很好地工作 。
12 收益递减规律收益递减规律通常出现在经济和商业场景中 。它指出 ， 随着现有员工数量的增加 ， 增加完成一项工作的员工数量开始产生越来越少的效益 。
从机器学习的角度来看 ， 该规则可以应用于特征工程 。从给定的数据集中 ， 人们只能提取一定数量的特征 。之后性能增益开始下降 ， 不值得努力 。在某些方面 ， 它与奥卡姆剃刀的原理一致 ， 并增加了更多的细节 。

人工智能包括哪些方面(符合人工智能概念的产品)

文章插图
13 专家体系在机器学习开始真正商业化之前 ， 很少有其他系统突破常规计算的边界 。一个明显的应用是专家系统 。
艾伦·图灵的定义标志着机器智能被认可时期的开始 ， 人工智能的范畴也随之诞生 。然而 ， 早期(直到20世纪80年代) ， 机器智能或机器学习的范畴仅限于所谓的专家系统或基于知识的系统 。专家系统领域的顶尖专家之一爱德华·费根鲍姆博士曾经这样定义专家系统:
一种智能计算机程序 ， 它利用知识和推理过程来解决非常困难的问题 ， 需要大量的人类专业知识和能力来解决 。
这个系统可以替代某些领域的专家 。这些机器被编程为基于复杂的逻辑操作来完成复杂且启发性的任务 。
虽然这些系统可以替代特定领域的专家 ， 但如果我们将其与人类智能进行比较 ， 就会发现它们并不是真正的“智能”系统 。原因是这些系统是“硬编码”的 ， 只解决特定类型的问题 。如果需要解决一个更简单但完全不同的问题 ， 这些系统很快就会变得完全无用 。
然而 ， 这些系统非常受欢迎和成功 ， 特别是在需要重复但高度精确的性能的领域 ， 例如诊断、检查、监控和掌握 。
关于:Ameet V.Joshi ， 博士 ， 现任微软数据科学经理 。他于2006年获得密歇根州立大学博士学位 。他在开发机器学习算法方面有超过15年的经验 ， 涵盖各种工业领域 ， 包括管道审查、家庭能源分解、微软Cortana智能和CRM中的商业智能 。


推荐阅读


上一篇：人工智能产品有哪些(介绍最新10款智能产品)

下一篇：人格特质有哪些(四种人格特质是啥)