机器学习发挥作用的六大领域
地瓜挑刺2018-11-20 22:26
AI即人工智能，在这个随时进入人工智能时代的门槛，如果你对人工智能做不到了解，那就太LOW了，人工智能即让机器拥有自主学习和完成任务的能力，摆脱人工编程实现，这称为机器学习能力。
AI发挥作用的六个领域，增强学习、生成模型、记忆神经网络、微数据学习模型、学习/判断/推理硬件、模拟环境。将会详细介绍每个领域，就what、how、方面介绍。
1、增强学习/Enhanced learning
增强学习是指如何让智能体在环境中做到数据积累和回报。而想得到回报必须采取一定的策略和行动，那么什么策略和行动可以促使机器学习，答案是：试错方法。通过试错方法，让一个智能体知道在什么环境下采取什么行动，从而产生最优策略。
实际生活中，Google就是采用增强学习帮助优化其数据中心降温能源的有效利用率，而使用增强学习的优势则是训练数据可以的不断积累，获取成本的低廉，这就是增强学习战胜监督学习的优势。
2、生成模型/Generation model
生成模型主要应用到训练样本上的学习概率分析，判别模型则是数据的分类和回归。通过高位数据分布采集，生成模型可以产生与训练数据相似的模型。通过生成器将输入的噪声合成一个内容，通过判决器，学习真正的内容是什么样子，但是判决器生成的样子并不是真正的样子，而是模型。
3、记忆神经网络/Memory neural network
AI其本质也不过是一个没有生命的机器，那么如何让他适应如此丰富多彩的世界呢？AI就必须不断学习新的任务，创建新的模型，但是传统的神经网络是记不住这么多模型和任务的，这就是变灾性失忆现象。但是这并不是不能比解决的，目前网络技术可以实现，其中包括长-短记忆网络、微积分神经计算机、弹性联合算法、进步学习神经网络，比如：机械臂、物联网、自动驾驶。
4、微数据学习模型/Micro data learning model
深度学习如果想做到最优表现，必须要有大规模的数据训练，更别提完成语音识别、机器翻译这种高准确率的复杂项目，所以AI需要解决一个问题，但是数据量不充足，那么如果一个能在小型模拟中获取最优算法，那这就很重要了，然后将这个可学习的模型应用到现在的这个模型上，这称之为迁移学习。
5、学习/判断/推理硬件Learning / judgement / reasoning
由于GPU大规模地应用到神经网络，与CPU不同的是，GPU可以大量的处理并行单元结构，可以并行同时处理多个任务，所以GPU的优势就凸显出来了。GPU的运算精度高，不会常常出现内存宽带限制和数据溢出的问题，这就为深度学习提供定制芯片奠定了基础。如：语音交互的物联网设备、云服务、自动驾驶、无人机。
6、模拟环境/Simulated environment
为AI提供大量数据是一个巨大的挑战，并且AI更需要适应不同的环境，在不同的环境中学习建立模型，所以一个可以为AI提供测试的模拟真实环境和电子虚拟世界是必须的。虚拟环境为AI提供一个简陋的真实环境图，帮助AI学习如何处理，进行试错。为以后的像真实环境转变提供数据依据。如：游戏开发、智慧城市。
举报/反馈
0
0
收藏
分享
