【分享帖】第一课时 机器人知识 人工智能是什么
xavier.fan
2158
0
0
2018-03-22
在第一章的课本内容中我们了解了机器人的产生和发展以及未来机器人的方向，但是谈到未来机器人，大家总是会提到人工智能（Artificial Intlligence），那么AI到底是什么，与机器人有什么关系，通过这篇文章希望能够给大家一个思考。
机器人是自动执行工作的机器装置，一种可编程和多功能的操作机；或是为了执行不同的任务而具有可用电脑改变和可编程动作的专业系统。
AI是人工智能的英文缩写，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。因此，AI只是机器人研究的很小一部分。从亚马逊、Facebook、谷歌、微软这些顶级科技公司能都看出，世界上最具影响力的技术公司的领导者都在强调他们对人工智能（AI）的关注。
什么是AI？1956 年 John McCarthy 创建的「人工智能」（AI）是一个通用术语，指的是表现出智能的行为的硬件或软件。AI这个词存在了几十年，一直以来进步有限，因为解决许多现实世界问题的算法都太复杂了。如果我们能够降低数据优化和特性规范的难度呢？这也成为了现代AI的关键点。人工智能（AI）、机器学习（ML）、深度学习（DL）的关系如下：
机器学习让我们通过算法来解决一些复杂的问题。正如人工智能先驱 Arthur Samuel 在 1959 中写道的那样，机器学习是需要研究的领域，它给计算机学习的能力而不是明确地编程能力。大多数机器学习的目标是为特定场景开发预测引擎。一个算法将接收到一个域的信息（例如，一个人过去观看过的电影），权衡输入做出一个有用的预测（未来想看的不同电影的概率）。
通过计算机学习的能力，通过优化 任务 衡量变量的可用数据，做出算法，来对未来做出准确的预测。
Deep Learning 深度学习
机器人是自动执行工作的机器装置，一种可编程和多功能的操作机；或是为了执行不同的任务而具有可用电脑改变和可编程动作的专业系统。
AI是人工智能的英文缩写，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。因此，AI只是机器人研究的很小一部分。从亚马逊、Facebook、谷歌、微软这些顶级科技公司能都看出，世界上最具影响力的技术公司的领导者都在强调他们对人工智能（AI）的关注。
什么是AI？1956 年 John McCarthy 创建的「人工智能」（AI）是一个通用术语，指的是表现出智能的行为的硬件或软件。AI这个词存在了几十年，一直以来进步有限，因为解决许多现实世界问题的算法都太复杂了。如果我们能够降低数据优化和特性规范的难度呢？这也成为了现代AI的关键点。人工智能（AI）、机器学习（ML）、深度学习（DL）的关系如下：
我们可以将人工智能比喻成孩子的大脑，而机器人学习就是让孩子去掌握认知能力的过程，而深度学习是这过程中很有效率的一种教学体系。
Machine Learning 机器学习（ML）是 AI 的一个子集。所有机器学习是 AI，但不是所有的 AI 是机器学习。「AI」的兴趣在今天表现于人们对「机器学习」的热情，进展迅速且明显。机器学习让我们通过算法来解决一些复杂的问题。正如人工智能先驱 Arthur Samuel 在 1959 中写道的那样，机器学习是需要研究的领域，它给计算机学习的能力而不是明确地编程能力。大多数机器学习的目标是为特定场景开发预测引擎。一个算法将接收到一个域的信息（例如，一个人过去观看过的电影），权衡输入做出一个有用的预测（未来想看的不同电影的概率）。
通过计算机学习的能力，通过优化 任务 衡量变量的可用数据，做出算法，来对未来做出准确的预测。
Deep Learning 深度学习
从时间线上来说，人工智能是1955年提出的，机器学习的概念是1990年提出的；深度学习是2010年提出的。随着大数据的爆发，曾以机器人学习中神经网络算法身份存在的深度学习被单独拿出来，成为一种学习方向。
深度学习是如何实现的呢？它主要是通过模拟大脑，人类大脑会学习来克服困难：包括理解言语和识别对象，不是通过处理穷举规则，而是通过实践和反馈。就像一个孩子，看到汽车会知道这是汽车，看到图片会知道上面表达的含义。孩子们没有一套详细的规则来学习，孩子们是通过训练而掌握这些的。
深度学习使用相同的方法。基于人工和软件的计算单元，其近似脑中的神经元的功能被连接在一起。它们形成一个「神经网络」，它接收一个输入（继续我们的例子，一辆汽车的图片），分析；他做出判断并被告知自己的判断是否正确，以此来训练。如果输出是错误的，神经元之间的连接由算法调整，这将改变未来的预测。最初网络将错误多次。在数百万的例子中，神经元之间的连接将被调整，实践使其逐渐完善，一步步接近完美。通过深度学习 DL 我们现在可以：图像识别；图像语言翻译；语音控制等等。像RoboMaster比赛中大能量机关的识别也是用到了机器学习。
文章标签
请问这篇文章对你有用吗？
【分享帖】第一课时 机器人知识 人工智能是什么