人工智能的未来猜想，以及学习人工智能的路线

引言:

众所周知,人工智能现在越来越火,更多算法,更多的数据汇聚成了人工智能这个大海洋!,而现在5G的诞生,让人工智能发现更快,更多的数据,更多的算法将会应用到我们生活中.

我一直觉得人工智能和数据是密切相关的,因为只有数据,才能喂养人工智能,只有大数据的铺垫,才会有人工智能的发展迅速.

4G的诞生让数据传输更快,流量更多,渐渐衍生为大数据,大数据又开始喂养人工智能.

一个个算法,一片片数据,组成了这个丰富多彩AI

5G的诞生,更加是海量的传输速度,海量的数据...那么将会养出来人怎么样工智能,更好的服务人类呢?

带给我们的是医疗,生活精神层次的各种满足,甚至足不出户就可以享受这个世界上的一切东西.

未来,人工智能来..

未来将会充满无限可能

那么我们要怎么学习呢?

首先是机器学习:

那么什么才是机器学习呢?

机器学习的概念是用一些通用算法告诉你关于一组数据的一些有趣的事情，而不需要你编写任何特定于问题的自定义代码。你不需要编写代码，而是将数据提供给通用算法，它将根据数据构建自己的逻辑。

例如，其中一种算法是分类算法。它可以将数据放入不同的组中。同样的分类算法可以用于识别手写数字，也可以用于将电子邮件分为垃圾邮件和非垃圾邮件，却不需要改变一行代码。使用相同的算法，但输入不同的训练数据，算法就会产生不同的分类逻辑

这种机器学习算法是一个黑箱，可以被用于许多不同的分类问题。

“机器学习”是一个涵盖了大量这类通用算法的总称。

两种机器学习算法

你可以将机器学习算法分为两大类——监督学习和无监督学习。区别很简单，但非常重要。

监督学习

假设你是一个房地产经纪人。你的业务正在增长，因此你聘请了一批新的实习生来帮助你。但是有一个问题：你能够随便看一下房子就能对房子的价格有一个很好的估计，但是你的实习生没有你的经验，所以他们不知道该如何定价。

为了帮助你的实习生（也许还能为你腾出时间去度假），你决定写一个小应用程序，根据你所在地区的房子的大小、社区等，以及类似房屋的售价来估算房屋的价格。

因此，每当有人在你所在城市出售房屋，你都需要记录下来，持续 3 个月。对于每套房子，你都要记录大量细节：卧室的数量、平方英尺为统一单位的面积、社区等。但最重要的是，你要记录最终的销售价格：

无监督的学习

让我们回到最初房地产经纪人的例子。如果你不知道每套房子的售价怎么办？即使你只知道每套房子的大小、位置等，你仍然可以做一些非常酷的事情。这就是无监督学习。

即使不想预测未知数字（比如价格），你仍然可以用机器学习做些有趣的事情。

这有点像是有人给你一张纸，纸上是数字列表，然后说：“我真的不知道这些数字有什么意思，但也许你能搞清楚是否有模式、分组或其他东西，祝你好运！”

那么用这些数据能做些什么呢？首先，你可以使用算法自动识别数据中的不同细分市场。也许你会发现，当地大学附近的购房者确实很喜欢有很多卧室的小房子，但是郊区的购房者更喜欢有很多平方英尺的三居室的房子。了解这些不同类型的客户有助于指导你的营销工作。

你能做的另一件很酷的事情是自动识别出任何与其他地方截然不同的住宅。也许那些离群的房子是豪宅，你可以把最好的销售人员集中在那些地区，因为他们能给出更多的佣金。

监督学习是我们将在这篇文章的其余部分重点关注的内容，但这并不是因为无监督学习不那么有用或不太有趣。事实上，随着算法的改进，无监督学习正在变得越来越重要，因为它可以在不需要给数据贴上正确答案标签的情况下使用。

如何深入了解机器学习？

在我看来，目前机器学习最大的问题是它主要存在在学术界和商业研究团体的世界里。对于那些想要在不成为专家的情况下而能广泛理解机器学习的人来说，并没有很多容易理解的材料。但是这方面每天都在进步。