什么是人工智能？如何入行人工智能？

木木XXL

用通俗的话解释下人工智能，小弟感激涕零

良家企鹅皿

对于学习人工智能，我是有心得的。毛遂自荐一下，我是一名五年以上深度学习算法开发经验，致力于分享优质 AI 技术的博主，会持续输出有用、有趣、硬核的 AI 技术知识和前沿科技趋势，用自我理解、分析解读的方式来呈现，技术输出不求勤快但求高质量，目前已经有三百余篇原创技术分享可以爬楼翻阅，墙裂推荐有兴趣的话可以关注我的分享，互相学习一起成长。下面是我最近写的一些技术分享，你可以看看是否感兴趣符合胃口，
极智芯中国芯 | 全网最全解读国产AI算力产品矩阵系列极智项目 | AI绘画之StableDiffusion极智AI | 谈谈AI发展第一篇：AI训练框架极智AI | 谈谈AI发展第二篇：AI推理框架极智AI | 谈谈ViT的意义和实现细节极智AI | 大白话解读Transformer极智项目 | 实战retinaface人脸检测当然，你也可以咨询，直接跟我进行沟通，
下面是最近写的 [极智一周]，你会发现平时的技术分享也会跟踪解读一些前沿科技，让你能够比较好把控最新的 AI 技术动态，而 [极智一周] 会对过去一周输出的重点文章进行整理展示，
极智一周 | AI 算力国产化、通义开源、Gemini、鸿蒙、蔚来 And so on<hr/>

那朵云彩

关于人工智能，深奥的解析先不说，来给大家讲讲我认知的AI。
➤什么是人工智能？

说白了，人工智能就是指由人类制造出来的机器所展现出来的智能，试图通过计算机来模拟人的思维过程和行为。
主要模拟人的行为就包括有语音识别、图像识别、自然语言处理等等，通过让计算机系统执行类似人类的行为，帮助我们更便捷的完成各种任务。
我觉得不管有没有关注AI圈，只要在上网冲浪的朋友，应该多少都有听到GPT的名号了吧。最近网上很火的ChatGPT就是人工智能的一个分支，属于是很强大的人工智能语言模型。


➤人工智能有哪些技术？

人工智能的关键技术就包含有：深度学习、机器学习、自然语言处理、计算机视觉、语音识别和人机交互等。
通俗来讲，这些技术可以覆盖众多行业领域，这些综合性技术可以处理数据、图像、语言等各种内容。
➤这些技术有哪些应用案例？

其实AI技术离我们并不遥远，而且是普遍深入到我们的日常生活中了，例如：
· 智能家居
如智能窗帘、智能门锁，集成家居生活有关的各种设施，用全自动化的AI管理这些家庭日程事务。
· 人脸识别
这个大家更加不陌生，手机上的人脸识别扫描，用于支付、识别认证个人身份信息的一种方式，还有更高端的就是采集人脸的图像或视频流，自动在图像中检测或跟踪人脸等等。
· 手机导航
平时出行在外，手机导航中为我们提供的路径规划和语音导航也需要通过AI，识别地理位置信息，包括像实时的道理数据汇报等等。
......


➤如何入行人工智能？

作为当今科技领域的热门话题之一，都在说AI是下一个风口；我们都身处在AI时代的红利之中，就像当年的互联网一样，绝对是普通人翻身的又一个机会。
关于入行人工智能，对于普通人来说可以从技术和产品两个环节入手。

技术环节

首先要掌握人工智能的基础知识，包括概念、发展历程、基本原理、应用领域等等，这些都是需要花费时间和精力去了解和学习的。

产品环节

最直观的就是去接触现如今新兴的AI应用，了解它们的应用场景、操作方式，让AI应用和你擅长的行业结合，看看能带来什么改良和革新。
我自己经常接触的就有这五个领域的AI应用，利用它们辅助工作，搞搞副业，顺便分享给大家一起试试~
# 美工设计

美图设计室

不需要专业技能，也可以让它制作出创意满满的海报，这就是美图推出的AI设计服务，它主要围绕：AI商品设计和AI平面设计两大板块。
平台提供有AI商品图、AI海报、AI潮鞋、AI换装等多个创新功能，可以针对性地满足不同人的设计需求。
而且搭配上AI辅助创作的功能，可以让你的设计变得高效又便捷。


# 文章写作

迅捷AI写作

可以说AI写作工具是今年爆火的AI应用，这个软件就是其中之一，可以快速生成各种高质量的文章，除此之外它还融合了AI对话、绘画、编程于一体，一个软件就能体验多种创作。


写作没灵感的时候可以借助这个【AI全能写作】工具，输入文章需求，例如“写一篇关于XX的小说/论文/诗歌...”，发送后不到一分钟即可得到你需要的内容。
不限文体，写作过程完全自动化，无需我们介入，它会根据我们提供的写作需求，自动完成文章创作，省心省事~


除此之外，它还针对一些行业领域推出其他内容创作功能，例如【广告创意】，可以为电商、广告、自媒体等行业提供广告文案的自动撰写。
并且它可以写几乎所有产品类型的广告文案，美妆、日用、珠宝、食品等等，只要你有创作需求，都可以让它帮你一键实现，化身你的灵感制造机！


# 语言翻译

DeepL

一款比较早出圈的AI翻译软件，提供有网页端、电脑端、手机端三个端口，使用非常方便；它的优点主要在于翻译结果的句子通顺且有一定润色，机翻味没那么重。
而且所提供的翻译模式也比较全面，例如有文本、文档、拍照等功能，在网页端的文档翻译还支持译文的免费下载~


不仅如此，它还提供有AI完善写作的功能，如修复语法和标点错误、创造性改写句子、获取准确措辞等。


# 图像处理

Img Upscaler

一个在线智能 PNG / JPG 图像无损放大神器，通过最新的人工 AI 智能图像处理技术，几秒钟就它可以将低分辨率的图片放大到高分辨率，同时保持图像的清晰度和质量。
它的处理细节的能力超强，可以一次性处理10张图片；修复效果好，能将图像的细节变得平滑清晰，消除锯齿。
还能将模糊的动漫图像、人物头像、动物图像等等，通过AI智能处理变成4K高质量的图像，轻松满足你的图像升级需求。


# 编程代码

通义灵码

一个可以让编程变得像说话一样简单的自动化编程工具，它提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成等功能。
它支持多种编程语言，包括Java、Python、Go、JavaScript、TypeScript、C/C++等，同时兼容多种主流编程工具，如VSCode、JetBrains IDE等。
而且它还可以通过智能问答的方式，帮我们解决编程研发中遇到的各种问题，实现一键代写代码。


看完之后，如果你还在纠结如何入行AI的话，那我只能说去“抱这些AI应用的大腿”就是最好的入行方式~
话不多说啦~有用的记得要码住，也可以关注一下 @银河君 主页下次不迷路

qiuwenming

本文将从什么是人工智能、人工智能的局限、人工智能将如何变革、人工智能对人类发起挑战这四个方面展开，给大家科普有关人工智能的知识。
第一节　什么是人工智能

让我们先来读一首以「人工智能」为主题的现代诗。
智能革命，畅游天地，我知道这是一条神经虚拟网络的秘密，用强健的身体，凝聚着智慧的心灵，开拓新奇迹，让我们拥有美好的生活，绘出美好的旋律。
不可预测的天地，良夜之后你又会在哪里。
温暖的阳光照耀着大地，天上的云儿飘来飘去，醒来之后何时是归期。
我要看到未来的自己。
如果用中文普通话的发音朗读，你可能对诗作的艺术水准有更直观的感受。
或许你会认为这首诗写得不错，又或者认为它写得有些生硬。
你或许读到了其中的一些典故，也可能认为它与我们即将讨论的主题「人工智能」没有太多关系。
事实上，这段诗作节选自百度公司开发的人工智能系统——百度大脑所创作的作品，并且没有经过人为润色。
百度大脑在作诗之前曾经进行过「学习」和「训练」，如同人类一样。
而它最终创作出的作品，还取决于它自身的「算法」。
那么像百度大脑这样的人工智能系统是怎么运作的，它现在能做什么，不能做什么？人工智能现在是什么样的，未来它会变成什么样？人工智能会对我们人类造成哪些影响？这些是我们在下文中将要回答的问题。
一、如何认识和理解人工智能

人工智能自 1956 年诞生以来，人工智能的理论和技术日益成熟，应用领域也不断扩展，人工智能逐渐成为了一门极富挑战性的前沿科学。
人工智能在未来将可能对人的意识、思维的信息过程进行模拟，达到像人那样思考、甚至超过人的智能程度。
作为一门多学科交叉的前沿科学，人工智能涉及的知识领域包括计算机、医学、心理学和哲学，并由不同的领域组成，如机器学习、计算机视觉等。
通俗地讲，人工智能研究的一个目标是让机器能够胜任通常需要人类才能完成的、甚至一些当前人类不能完成的复杂工作。
尽管「人工智能」已经成为一个社会上十分流行的概念，但对人工智能的定义还没有达成共识。
传统人工智能遵循的发展路径是首先通过研究人类如何产生智能，然后让机器学习人的思考方式去还原行为。
关于什么是「智能」，这涉及诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维，UNCONSCIOUS_MIND）等问题。
其实人类对自身智能的理解还非常有限，包括人的智能的必要元素，因此很难准确定义什么是「人工」制造的「智能」。
一些人工智能涉及对人类智能本身的研究，代表性研究是脑科学和类脑科学。
现代人工智能概念的提出者美国科学家约翰·麦卡锡认为，我们不一定要求机器能够像人一样思考，如何让机器能够解决人脑所能解决的问题才是重点。
在这条主线下，机器学习的概念开始诞生并不断发展。
以深度神经网络为代表的机器学习利用具体的算法指导计算系统利用已知数据得出适当模型，并利用此模型对新的情境进行判断，从而完成行为机制过程。
目前脑科学和类脑科学研究进展有限，而机器学习发展迅速，已经成为当今人工智能技术的代表性技术，人们甚至常常把「人工智能」与「机器学习」两个概念等同起来。
AlphaGo 的人工智能系统

围棋是中国发明的棋类游戏，西方称为「Go」，其棋盘上共有 361 个交叉点，如图 2-1 所示。
衡量围棋游戏复杂度的两个指标分别是状态空间复杂度和博弈树复杂度。
其中状态空间复杂度指的是棋子在棋盘上摆法的种类——黑白棋子在棋盘上的摆法达到 2.08×10170 种；博弈树复杂度指的是围棋对弈的总可能性，达到约 10300 种。
谷歌科学家宣称，AlphaGo 最终版的对弈数量为 2.9×107 种，尽管已经远远超越了人类棋手，但相比 10300 的总数来看，还远称不上对围棋的各种可能性「穷尽式」分析。
AlphaGo 系统解决自身计算能力问题的方法是「推理 + 训练」。
采用四大核心技术——简化决策论模型、蒙特卡洛树搜索、深层神经网络（残差网络）、强化学习——进行了 2 900 万局的自我对弈。



图 2-1　围棋棋盘示意二、人工智能的发展历程

目前，按照人工智能的智力水平，可以将其分成三大类。
弱人工智能（Artificial Narrow Intelligence，ANI）：弱人工智能是擅长于单个方面的人工智能。
例如，阿尔法围棋（AlphaGo）虽然能够战胜围棋世界冠军，但是除了下围棋之外并没有其他的功能。
强人工智能（Artificial General Intelligence，AGI）：强人工智能是人类级别的人工智能，只要是人类能干的脑力活动它都能胜任，而且比人类在容量、存储空间、可靠性、持久性、可编辑性、升级性以及更多的性能等方面更具优势。
超人工智能（Artificial Super Intelligence，ASI）：牛津大学哲学家、知名人工智能思想家尼克·博斯特罗姆将超级智能定义为：「在几乎所有领域都比最聪明的人类聪明，包括科学创新、通识和社交技能。」
超人工智能有可能在各方面仅比人类强一点，也有可能是在各方面比人类强万亿倍。
人工智能还可以按照应用性进行划分。
按照中国科学院谭铁牛院士提出的分类标准，专用人工智能系统是面向特定任务的，因为系统具有任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单等特点，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能，这和弱人工智能的概念重合度比较大。
通用型人工智能则需要具备人脑一样的「举一反三」的能力，与强人工智能的概念重合度较大，目前人工智能技术的发展还达不到这一要求。
人工智能发展的初期，科学家对让计算机自己学会逻辑推理寄予厚望。
1956 年的「达特茅斯会议」上，美国科学家艾伦·纽厄尔和赫伯特·西蒙展示了可以通过物理符号系统推导数学公式的样机「逻辑理论家」，并成功证明了由英国数学家怀特海德和罗素编写的《数学原理》一书中 52 个定理中的 38 个。
此后 20 世纪 60 年代中期，麻省理工学院的约瑟夫·维森鲍姆编写了第一个自然语言对话程序 Eliza，引起轰动。
但在后期发展中，这种符号主义式的方法遇到了诸多瓶颈，例如只能证明已知定理，不能发现新定理。
专栏 2-2　赫伯特·西蒙的传奇故事

赫伯特·西蒙（下图）因制作「逻辑理论家」并参加达特茅斯会议，被认为是人工智能的奠基者之一。
1975 年，西蒙与纽厄尔因在人工智能领域的开创性贡献获得了计算机科学的顶级荣誉——图灵奖。
不仅如此，西蒙在心理学、管理学、经济学和认知科学方面也有突出贡献。
1978 年，西蒙凭借「对经济组织内的决策过程进行的开创性研究」荣获诺贝尔经济学奖，成为少有的获得两个以上科学领域顶级奖项的科学家。

使用 App 查看完整内容目前，该付费内容的完整版仅支持在 App 中查看
🔗App 内查看

vcapple

作为一个985本硕计算机的人工智能经验开发者来谈谈我对人工智能的理解，全文3000余字都是干货，建议收藏、点赞后观看。如果想知道更多建议关注走一波
一句话，人工智能，是机器能够具有与人类思维相关的认知功能的能力。
作为一个长期在人工智能行业挣扎的经验者，有必要来回答这个问题，给新入行、想入行的同学一些经验分享，本片内容涉及广、涵盖多，建议收藏、点赞、关注三连后慢慢食用
人类和机器的渊源，缠绵古今。如果没有借助、发现、发明、使用机器，我们人类这个物种注定不会走的太远。从近代来说，农业机械化、汽车、高铁、建筑设备等等，都是机器。这些机器长期以来帮助我们改进我们的生活状态和品质。
另一方面，人类是矛盾的，即倾向于使用更便捷的机器，又害怕的担心机器的智能发展飞快。二十世纪的理论家，如计算机科学家和数学家艾伦·图灵，设想了一个机器可以比人类更快地执行功能的未来，就是人工智能时代。
自计算机在 20 世纪 70 年代开始普及以来，计算机的功能越来越复杂，计算能力越来越强，由此展开对人工智能这一愿景的实现。
人工智能是机器执行与人类思维相关的认知功能的能力，例如感知、推理、学习、与环境交互、解决问题，甚至发挥创造力的未来世界的愿景。
目前的人工智能是什么？

人工智能 (AI) 是计算机科学的一个广泛分支，涉及构建能够执行通常需要人类智能的任务的智能机器。虽然人工智能是一门具有多种方法的跨学科科学，但尤其是机器学习和深度学习的进步正在为科技行业的几乎每个领域带来范式转变。

• 将人工智能称之为机器可以具有人类思维相关认知能力的愿景
  
• 目前解决的方式是通过机器学习的方法来逼近人工智能这一个愿景
  
• 其中深度学习是机器学习中目前效果较好且最火热的一个技术分支
  

人工智能 VS 机器学习 VS 深度学习

让我们看一个人工智能驱动产品的例子——Amazon Echo，Amazon Echo 是一款使用亚马逊开发的虚拟助理人工智能技术 Alexa 的智能音箱。Amazon Alexa 能够进行语音交互、播放音乐、设置闹钟、播放有声读物以及提供新闻、天气、体育和交通报告等实时信息。



人工智能案例

人工智能的等级

目前就人工智能的发展趋势来看，可以把人工智能划分为三个层级，弱人工智能（ANI），通用人工智能（AGI）和超级人工智能（ASI）三类。
弱人工智能（ANI）：是迄今为止成功完成的人工智能技术。 ANI(Artificial Narrow Intelligence)被设计出来用来执行单个任务并且以目标为导向。 ANI非常有能力完成其编程要完成的特定任务。 ANI的一些示例是语音助手、面部识别或驾驶汽车。
通用人工智能（AGI）：是具有通用人工思维的智能机器，机器可以模仿人类的智能和行为，并具有从数据中学习并应用其智能来解决任何问题的能力。人工通用情报可以在任何给定情况下以类似于人类的方式思考、理解和行动，目前最火热的ChatGPT正属于这个阶段。
超级人工智能（ASI）：可以变得自我意识并超越人类能力和智能的假想，距离目前这个阶段还很遥远。
说道这里就需要谈一下最近在知乎知学堂上的一门课《程序员的AI大模型进阶之旅》；
上面的链接就是公开课的链接，完全免费的科普课程。添加课程之后一定一定一定要添加助教小姐姐的微信，可以私聊助教领取今年最火最热的大模型学习资源！！
目前入行人工智能需要从机器学习、深度学习知识点出发，来学习相关技术，才能从事相关人工智能行业。下面简单来说说如何入手这些技术，从而可以达到入行人工智能的程度。
什么是机器学习？

机器学习是计算机科学的一门学科，它使用计算机算法和分析来构建可以解决业务问题的预测模型。
根据麦肯锡公司的说法，机器学习基于可以从数据中学习的算法，而无需依赖基于规则的编程。
“如果计算机程序在 T 中的任务中的性能（按 P 测量）随着经验 E 的提高而提高，则可以说它可以从关于某类任务 T 和性能测量 P 的经验 E 中学习。”
所以你看，机器学习有很多定义。但它到底是如何运作的呢？
机器学习如何工作？

机器学习访问大量数据（结构化和非结构化）并从中学习以预测未来。它通过使用多种算法和技术从数据中学习。下图显示了机器如何从数据中学习。
上面一张图就完全展示了机器学习是如何工作的，如果想要自学机器学习的朋友，可以参考这几篇内容：
如何自学机器学习Machine Learning？
入门机器学习，哪些书籍值得看？
机器学习的类型

机器学习算法主要分为三大类：
1. 监督学习

在监督学习中，数据已经被标记，这意味着你知道目标变量。使用这种学习方法，系统可以根据过去的数据预测未来的结果。它要求至少为模型提供输入和输出变量才能对其进行训练。
下面是监督学习方法的一个例子。该算法是使用狗和猫的标记数据进行训练的。经过训练的模型可以预测新图像是猫还是狗。



监督学习

监督学习的一些例子包括线性回归、逻辑回归、支持向量机、朴素贝叶斯和决策树。
2.无监督学习

无监督学习算法利用未标记的数据自行从数据中发现模式。该系统能够从提供的输入数据中识别隐藏的特征。一旦数据更具可读性，模式和相似性就会变得更加明显。
下面是一个使用未标记数据训练模型的无监督学习方法的示例。在这种情况下，数据由不同的车辆组成。该模型的目的是对每种车辆进行分类。



无监督学习

无监督学习的一些示例包括 k 均值聚类、层次聚类和异常检测。
3. 强化学习

强化学习的目标是训练智能体在不确定的环境中完成任务。代理从环境中接收观察结果和奖励，并向环境发送操作。奖励衡量行动在完成任务目标方面的成功程度。
下面的示例展示了如何训练机器识别形状。



强化学习

强化学习算法的示例包括 Q 学习和深度 Q 学习神经网络
什么是深度学习？

深度学习是机器学习的一个子集，它处理受人脑结构和功能启发的算法。深度学习算法可以处理大量结构化和非结构化数据。深度学习的核心概念在于人工神经网络，它使机器能够做出决策。
深度学习与机器学习之间的主要区别在于数据呈现给机器的方式。机器学习算法通常需要结构化数据，而深度学习网络则在多层人工神经网络上工作。
这是一个简单的神经网络的样子：



深度学习

该网络有一个输入层，用于接受数据的输入。隐藏层用于从数据中查找任何隐藏的特征。然后输出层提供预期的输出。
这是一个使用大量未标记的眼睛视网膜数据的神经网络的示例。网络模型根据这些数据进行训练，以确定一个人是否患有糖尿病视网膜病变。



深度学习案例

现在我们已经了解了什么是深度学习，让我们看看它是如何工作的。
深度学习如何工作？

• 计算加权和。
  
• 计算出的权重总和作为输入传递给激活函数。
  
• 激活函数将“输入的加权和”作为函数的输入，添加偏差，并决定是否应该激发神经元。
  
• 输出层给出预测输出。
  
• 将模型输出与实际输出进行比较。训练神经网络后，模型使用反向传播方法来提高网络的性能。成本函数有助于降低错误率。
  

计算加权和



反向传播

在下面的示例中，深度学习和神经网络用于识别车牌上的号码。许多国家都使用这种技术来识别违规者和超速车辆。



深度学习案例

想要入门深度学习或者找深度学习的相关资料，不如看看我写的这一篇文章，回答了深度学习相关资源、图书；以及学习下方法和路线。
有哪些优秀的深度学习入门书籍？需要先学习机器学习吗？
Hi，这里是 @TopGeeky 专注于输出优质回答的“热爱流程序员”，可以看看我更多的回答，希望对您有所帮助：
我是如何面对迷茫 —— 学计算机的各位能告诉我你们的经历吗？
C++必不可少原因 —— 为什么AI算法工程师要求C++?
算法入行学习路线 —— 机器学习、数据科学 如何进阶成为大神？
通俗理解线性代数 —— 如何理解线性代数？
一份学习入行心得  —— 什么是人工智能？如何入行人工智能？
浅显易懂的科普文 —— 如何最简单、通俗地理解什么是机器学习？
机器学习资源路线 —— 如何自学机器学习Machine Learning？
对未来AI应用探索 —— 2023年后，AI 还有什么研究方向有前景？
嗨，我是大K，@TopGeeky一个专注于前沿计算机科技的伪全能开发者，热衷于用最通俗的话讲最难懂的计算机知识。
如果喜欢我的回答比如点赞、收藏、分享吧～
如果觉得我的回答还不错不如点个关注吧~
如果有什么想了解的计算机知识，不如私信我吧～

zengchuhong

人工智能（英语：Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能，可以概括为：研究智能程序的科学 。这门科学的出发点是 研究如何使程序能够像人一样思考、行为，以及如何保持理性（如图1），这里的理性可以理解为效用最大化。


人工智能技术（AI）已经渗透到我们日常生活的方方面面，涉及的行业更是不胜枚举，包括游戏、新闻媒体、金融，并运用到了各种领先的研究领域，例如机器人技术、医学诊断和量子科学。人工智能的基本知识和应用领域，主要有机器学习、概率推理、机器人技术、计算机视觉和自然语言处理。图2便展示了其中的一些基本的应用。


当今社会的复杂活动，包括图像识别、医学诊断、预测机器故障时间或衡量某些股票的价格，这些行为中往往涉及数千种数据集和大量变量之间的非线性关系。例如，我们该如何通过编写一系列规则，使得程序能在任何情况下描述出一只狗的外观？如果能将做出各种复杂预测的困难工作，即数据优化和特征（Feature）规范，从程序员身上转嫁给程序，从交易员身上转嫁给程序，情况又会怎样？这正是现代化人工智能带给我们的承诺。
最好的老师就是实践，BigQuant是一家人工智能量化投资平台，平台为用户设定了完整的学习路径，楼主感兴趣可以选择从BigQuant开始你的人工智能之旅。
BigQuant——人工智能量化投资平台