人工智能有片刻。一個(gè)人只需要每周隨意瀏覽新聞，看看人工智能和機(jī)器學(xué)習(xí)的話題已經(jīng)像常春藤一樣增長，將其卷須擴(kuò)展到各種故事中，例如種族偏見，雇用和確定蜘蛛。
但是，對于我們在收件箱，雜志和晚間新聞中對AI的所有不同應(yīng)用，工程界以外的人很少對術(shù)語的真正含義或我們越來越依賴的機(jī)器人和算法如何知道如何做有深刻的了解人類分配給他們的復(fù)雜工作。
對于初學(xué)者來說，機(jī)器學(xué)習(xí)中涉及的機(jī)器比人形助手更可能采用無形的蜂巢形式。
在女仆羅西（Rosie）首次在《杰森一家》上迷住了美國黃金時(shí)間電視觀眾后近60年，幾乎所有業(yè)務(wù)領(lǐng)域都對機(jī)器人的思想和算法提出了要求。
用上下文和經(jīng)驗(yàn)來充實(shí)這些機(jī)器頭腦需要教學(xué)和培訓(xùn)。但是人類只能教這么多的人工智能，或者至少只能教這么大的規(guī)模。
因此，機(jī)器學(xué)習(xí)是超出此范圍的研究領(lǐng)域，其中使用大量數(shù)據(jù)緩存來教授所討論的算法和物理機(jī)器。機(jī)器學(xué)習(xí)有許多不同的學(xué)科，深度學(xué)習(xí)是其中的主要子集。
深度學(xué)習(xí)利用神經(jīng)網(wǎng)絡(luò)層從數(shù)據(jù)集中學(xué)習(xí)模式。該領(lǐng)域最初是在大約三十年前構(gòu)思的，但由于這一代計(jì)算能力的局限性而沒有得到普及。
但是正如摩爾定律所規(guī)定的那樣，即使成本降低了一半，微芯片上的晶體管數(shù)量也會每兩年增加一倍，從那以后，人類教導(dǎo)機(jī)器進(jìn)行自我思考的能力就呈指數(shù)增長。實(shí)際上，人工智能的學(xué)習(xí)速度現(xiàn)在已經(jīng)完全超過了摩爾定律。
這些條件意味著深度學(xué)習(xí)最終將受到深度神經(jīng)網(wǎng)絡(luò)算法爆炸性潛力的驅(qū)動，該算法需要大量計(jì)算，但如果有足夠的計(jì)算能力和數(shù)據(jù)集，最終將非常強(qiáng)大。
但是，既然這些機(jī)器能夠?qū)W習(xí)極其龐大和復(fù)雜的數(shù)據(jù)集，誰來教這些機(jī)器？誰決定AI需要知道什么？
首先，工程師和科學(xué)家決定AI的學(xué)習(xí)方式。然后，領(lǐng)域?qū)＜視槍φ诮鉀Q的任務(wù)范圍內(nèi)的機(jī)器人，如協(xié)助倉庫物流專家，醫(yī)學(xué)影像專家或安全顧問，提出建議。
AI如何處理這些輸入分為兩個(gè)不同的類別：規(guī)劃和學(xué)習(xí)。
規(guī)劃涉及所有變量都已已知的場景，而機(jī)器人只需要以其移動每個(gè)關(guān)節(jié)的速度即可完成諸如抓取物體之類的任務(wù)。
另一方面，學(xué)習(xí)涉及一個(gè)更加結(jié)構(gòu)化，動態(tài)的環(huán)境，在這種環(huán)境中，機(jī)器人必須預(yù)料到無數(shù)不同的輸入，并在此過程中做出相應(yīng)的反應(yīng)。
學(xué)習(xí)可以通過許多不同的形式進(jìn)行，但其中三種是：演示包括通過指導(dǎo)實(shí)踐對機(jī)器運(yùn)動進(jìn)行物理訓(xùn)練。仿真是通過3D人工環(huán)境進(jìn)行的，振工鏈工業(yè)自動化平臺。
最終，可以向機(jī)器饋送人員或其他機(jī)器人執(zhí)行自己希望掌握的任務(wù)的視頻或數(shù)據(jù)。所有這三個(gè)代表訓(xùn)練數(shù)據(jù)的類型，是AI算法可以用來識別和學(xué)習(xí)的帶標(biāo)簽或帶注釋的數(shù)據(jù)集。
對于當(dāng)今復(fù)雜的機(jī)器學(xué)習(xí)行為而言，培訓(xùn)數(shù)據(jù)變得越來越必要。為了使ML算法能夠選擇數(shù)據(jù)中的模式，ML團(tuán)隊(duì)需要向其提供大量準(zhǔn)確的訓(xùn)練數(shù)據(jù)。
數(shù)據(jù)的準(zhǔn)確性和豐富性對于成功至關(guān)重要。大量不正確或損壞的數(shù)據(jù)將導(dǎo)致算法無法正確學(xué)習(xí)或得出錯(cuò)誤的結(jié)論。
如果您的數(shù)據(jù)集中在火車上，并且輸入了獅子的圖片，那么您仍然會乘坐火車。
這被稱為缺乏適當(dāng)?shù)臄?shù)據(jù)分配。訓(xùn)練數(shù)據(jù)不足會導(dǎo)致學(xué)習(xí)曲線過高，可能無法充分發(fā)揮其設(shè)計(jì)潛力。
足夠的數(shù)據(jù)涵蓋大多數(shù)想像的場景和邊緣情況，對于進(jìn)行真正的學(xué)習(xí)至關(guān)重要。
機(jī)器學(xué)習(xí)目前正在廣泛的行業(yè)中部署，從房地產(chǎn)和財(cái)務(wù)計(jì)劃到文學(xué)和詩歌。
目前，無人駕駛車輛正在協(xié)助建筑業(yè)，部署在無數(shù)的現(xiàn)場作業(yè)現(xiàn)場。
建筑公司使用諸如Superb AI之類的數(shù)據(jù)培訓(xùn)平臺來創(chuàng)建和管理可教授ML模型的數(shù)據(jù)集，從而避免人類和動物進(jìn)入并進(jìn)行組裝和建造。
在醫(yī)療領(lǐng)域，國際知名大學(xué)的研究實(shí)驗(yàn)室部署了培訓(xùn)數(shù)據(jù)，以幫助Computer Vision模型識別MRI和CT掃描圖像中的腫瘤。
這些最終不僅可以用于準(zhǔn)確診斷和預(yù)防疾病，還可以訓(xùn)練醫(yī)療機(jī)器人進(jìn)行手術(shù)和其他挽救生命的程序。
訓(xùn)練有素的機(jī)器人尋腫瘤助手可以整夜執(zhí)行工作，甚至在墓地輪班的醫(yī)生和護(hù)士一天回家之后也是如此。
培訓(xùn)數(shù)據(jù)，機(jī)器學(xué)習(xí)和人工智能具有巨大的機(jī)會，最終可以幫助機(jī)器人發(fā)揮其潛力，以釋放醫(yī)療和技術(shù)突破，減輕人類的單調(diào)和艱巨的勞動，甚至縮短40小時(shí)的工作時(shí)間周。
采用復(fù)雜機(jī)器學(xué)習(xí)計(jì)劃的技術(shù)公司有責(zé)任在公眾中進(jìn)行教育并建立信任，以便可以使這些進(jìn)步真正幫助提升人類水平。
但是人類在這里也要承擔(dān)責(zé)任，因?yàn)樗麄冇胸?zé)任對這些新興的學(xué)習(xí)領(lǐng)域進(jìn)行教育和熟悉。
工程師和數(shù)據(jù)分析人員將在教學(xué)和培訓(xùn)機(jī)器方面盡最大的努力來最好地為我們提供幫助。
但是，輿論本身就是一種強(qiáng)大的杠桿，當(dāng)然可以利用它來幫助塑造和構(gòu)筑我們?nèi)藱C(jī)教學(xué)與合作的未來，振工鏈工業(yè)自動化平臺。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
