神经网络与人工智能

神经网络与人工智能

首先要简单区别几个概念：人工智能，机器学习，深度学习，神经网络。这几个词应该是出现的最为频繁的，但是他们有什么区别呢？
来一张图就比较清楚了，如下图：

人工智能：人类通过直觉可以解决的问题，如：自然语言理解，图像识别，语音识别等，计算机很难解决，而人工智能就是要解决这类问题。
机器学习：如果一个任务可以在任务T上，随着经验E的增加，效果P也随之增加，那么就认为这个程序可以从经验中学习。
深度学习：其核心就是自动将简单的特征组合成更加复杂的特征，并用这些特征解决问题。
神经网络：最初是一个生物学的概念，一般是指大脑神经元，触点，细胞等组成的网络，用于产生意识，帮助生物思考和行动，后来人工智能受神经网络的启发，发展出了人工神经网络。

人工智能

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能有多重要

国内外
2018年Google I/O 大会不同于以往的「多元化」呈现，AI 成为了唯一的主角，皮查伊表示 Google 旗下的 Google Assistant、Android P 和 Gmail 等都已经融入了 AI 技术。

AI 是互联网下一幕，不只是 Google，Facebook、Amazon 和中国的 BAT、TMD（今日头条、美团、滴滴） 和华为小米诸多大小巨头都在战略布局，AI 不只是可以提升现有业务价值（比如对 Google 来说可以提高广告转化率），也可以催生层出不穷的新业务。Google 率先将 AI 带到互联网行业，特别是旗下的 AlphaGo 战胜人类棋手，更是让全世界第一次切身感知到了 AI 的威力。

李彦宏表示，人工智能将会在未来几十年对人类社会产生巨大的影响，带来不可逆转的改变，这已经成为国际社会的共识。如同伦理道德是人类文明数千年发展的重要稳定器，人工智能伦理将是未来智能社会的发展基石。
未来人工智能的发展会深刻地改变每一个行业。在各行各业都有靠技术创新来大幅度降低使用门槛，提升生产效率的机会，这个机会或在未来10到15年就会来临。

人工智能学习阶段

人工智能研究的领域主要有五层：
1、最底层是基础设施建设，包含数据和计算能力两部分，数据越大，人工智能的能力越强。
2、往上一层为算法，如卷积神经网络、LSTM 序列学习、Q-Learning、深度学习等算法，都是机器学习的算法。
3、第三层为重要的技术方向和问题，如计算机视觉，语音工程，自然语言处理等。还有另外的一些类似决策系统，像 reinforcement learning（编辑注：增强学习），或像一些大数据分析的统计系统，这些都能在机器学习算法上产生。
4、第四层为具体的技术，如图像识别、语音识别、机器翻译等等。
5、最顶端为行业的解决方案，如人工智能在金融、医疗、互联网、交通和游戏等上的应用，这是我们所关心它能带来的价值。

人工智能的应用场景主要有以下几个方面：

在计算机视觉上，2000 年左右，人们开始用机器学习，用人工特征来做比较好的计算机视觉系统。如车牌识别、安防、人脸等技术。而深度学习则逐渐运用机器代替人工来学习特征，扩大了其应用场景，如无人车、电商等领域。

在语音技术上，2010 年后，深度学习的广泛应用使语音识别的准确率大幅提升，像 Siri、Voice Search 和 Echo 等，可以实现不同语言间的交流，从语音中说一段话，随之将其翻译为另一种文字；再如智能助手，你可以对手机说一段话，它能帮助你完成一些任务。与图像相比，自然语言更难、更复杂，不仅需要认知，还需要理解。

在自然语言处理上，目前一个比较重大的突破是机器翻译，这大大提高了原来的机器翻译水平，举个例子，Google 的 Translation 系统，是人工智能的一个标杆性的事件。2010 年左右， IBM 的"Watson"系统在一档综艺节目上，和人类冠军进行自然语言的问答并获胜，代表了计算机能力的显著提高。

在决策系统上，决策系统的发展是随着棋类问题的解决而不断提升，从 80 年代西洋跳棋开始，到 90 年代的国际象棋对弈，机器的胜利都标志了科技的进步，决策系统可以在自动化、量化投资等系统上广泛应用。

在大数据应用上，可以通过你之前看到的文章，理解你所喜欢的内容而进行更精准的推荐；分析各个股票的行情，进行量化交易；分析所有的像客户的一些喜好而进行精准的营销等。机器通过一系列的数据进行判别，找出最适合的一些策略而反馈给我们。

人工神经网络

人工神经网络(Artificial Neural Network， ANN) ，通常简称为神经网络，是一种在生物神经网络的启示下建立的数据处理模型。神经网络由大量的人工神经元相互连接进行计算，根据外界的信息改变自身的结构，主要通过调整神经元之间的权值米对输入的数据进行建模，最终具备解决实际问题的能力。通常,人类自身就是一个极好的模式识别系统。人类大脑包含的神经元数量达到10^11数量级，其处理速度比当今最快的计算机还要快许多倍。如此庞大、复杂、非线性的计算系统时刻指挥着全身的获得。当视野中出现张熟悉的人脸时，只需数百毫秒的时间即可正确识别。尽管许多昆虫的神经系统并不发达，但仍表现出极强的识别能力。蝙蝠依靠其声纳系统搜集目标的位置、速度、目标大小等信息，最终实现声纳的回声定位以极高的成功率捕提目标。
一般认为，生物神经并不是一开始就具备这样的识别能力的，而是在其成长过程中通过学习逐步获得的。人类出生后的几年间，大脑接收了大量的环境信息，随着经验的积累，神经元之间的相互关系不断变化，从而完成智能、思 维、情绪等精神活动。

在人类刚刚出生时，其种经元存储的信息相当于一张白纸。 在环境中各种输入信号的刺激下，神经元之间的连接关系逐渐发生了改变，最终对信号做出正确的反应。人工神经网络模型就是模仿生物神经网络建立起来的，但它是对生物神经网络的抽象，并没有也不可能完全反映大脑的功能和特点。事实上神经网络不可能也没有必要达到大脑的复杂度，因为生物大脑的训练过程是生物的整个生命周期，即使建立了与之复杂度相当的网络模型，训练所花费的成本也会令其输出的-切结果失去应有的价值。
在人工神经网络中，最承要的概念莫过于神经元节点与权值。节点对应有向图中的节点，权值表示节点间相互连接的强度，人的神经网络的可塑性表现在，其连接权值都是可调整的，它将-系列仅具有简单处理能力的节点遥过权值相连，当权值调整至恰当值时，就能输出正确的结果。网络将知识存储在调整后的各权值中，这-点是神经网络的精髓。

学习神经网络软件推荐

MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。