第74章 它不是强不强的问题(第 2/3 页)

    这种图像识别技术，它的工作原理就是将图案变成数字编码，再从这些数字编码中找到特征，查找“字典”，找到对应的解释然后显示出来。

    实际上，计算机压根不知道自己识别的到底是黑人还是大猩猩，只是“字典”告诉它这个特征很大概率对应的是“大猩猩”这个单词。

    绝大部分算法在本质上都是在玩概率的游戏，不同的只是在模型训练时需要的信息不同，以及计算出来对应“大猩猩”的判定方式不同。

    当前所有被广泛应用的知名模型，都是通过矩阵运算训练数据来获得某种概率分布。

    复杂模型的概率分布通常是高维的，这里又会引申出各种数学方法，但本质的思想依旧是想通过概率分布来描述训练数据的特征。

    有了这些，就可以使用相同的概率分布去描述同类的数据，从而实现所谓的“识别”或“预测”。

    实际上，并非模型真的像人类一样理解了什么是“大猩猩”，只是通过这种方式，模型能够大概率得把长得像某些特定目标的图片识别出来。

    现在很多人把人工智能分为强人工智能和弱人工智能。

    其中强人工智能就是“传说中”的人工智能，甚至不少人追求让计算机拥有人类的心智与意识，具有自主选择行为。

    但是强人工智能的研究难度较大，市面上还没有成熟的应用。

    而弱人工智能更像是一个解决特定问题的工具。

    这类问题的特点是可以通过统计，归纳出经验并形成解决方案，而这种解决问题的实现方法被称为“机器学习”。

    并且数据越精确越好，越单一越好，一旦数据出现模糊和复杂程度增加，那它立刻就会从弱人工智能变成人工智障。

    例如量化交易、人脸识别和阿尔法狗都是擅长于单个方面的机器学习模型。

    在训练模型时，技术人员只教会阿尔法狗下围棋的技巧，所以它只能会下围棋。

    如果你把一道数学题丢给它，它立刻懵逼。

    就像现在的访问团成员，他们也有点懵。

    访问团里大多都是技术人员，不是技术人员也仔细了解过实用科技的资料，有些技术人员的研究领域还跟人工智能有些交叉，多多少少都知道一些人工智能方面的知识。

    -->>(第 2/3 页)（本章未完，请点击下一页继续阅读）