身是一个交叉学科,涉及到哲学、数学、计算机、控制学等一众学科,所以整体的知识量还是非常庞大的,虽然说当前人工智能尚处在发展的初期,但是还有大量的科研难题有待攻关。
而且人工智能的学习难度也很大。
人工智能学习难度都大了,更不用说你要去开发一款人工智能的应用软件?
那可不就是天方夜谭吗?
当然,人工智能应用也不是说没有,就比如小爱同学,色瑞同学等等,这些都是属于人工智能范围。
但是他们这个就简单的多了。
人工智能有简单的,自然也是有困难的。
简单的有基于符号逻辑推理也就是符号主义的智能。
什么意思呢?
就是利用严格的逻辑推理,从已知条件进行推导,从公理和定理出发,按逻辑归纳和演绎推理,得到新的结论。
很像中学的公式证明的过程,或平面几何的证明过程。
当然,机器定理证明属于这个范畴。
不过因哥德尔的不完备性定理,也有其他的智能方法。
而难度上升的就是基于人工神经网络也就是连接主义的智能。
顾名思义,意思就是受大脑生理结构和功能的研究的启发,模仿出人工神经元。由大量人工神经元组成人工神经网络。
其本质是,利用已知的标签化的大数据,去确定由人工神经网络决定的万能函数的待定系数。
当然你说它是概率统计也行。
该智能方法,既需要大量的人力去标签化大数据,又需要计算机去消耗大量的算力,去求待定系数、并反复尝试不同人工神经网络结构的性能。
所以,该智能方式,既费人力,又费算力。
而有句话叫做“有多少智能,就需要有多少人力“,说的就是这个智能的产生过程。
本质上,根本不是智能,只是统计。
但,这个方法很实用,如语音识别、图像识别、垃圾邮件识别、银行信用划分等应用,都很有效。
而这种神经元智能实际上现实中都是去开发机器人比较多,毕竟都说神经元了神经元,自然是将机器人模仿人类了。
最难的就是基于多智能体的智能。
受Holland的遗传算法和MarcoDorigo的蚁群算法等仿生智能的启发,单个智能体只遵循简单的规则,当存在大量智能体时,会自动涌现出更高级的智能。
当然,这些说多了大家也都听不懂,就废话少说。
“你现在是不是还在梦游呢?”曹庆阳直接说了一句,他不敢相信怎么还有人能够口出狂言去开发人工智能的应用软件。
叶新晨也是无奈,毕竟曹庆阳也是内行,自然是知道人工智能的繁琐和困难,再叶新晨自己的眼里,人工智能的方向也是太广了,而且难度系数是倍增。
只不过他想着到时候如果进阶成功中级程序员的话,那么人工智能水平应该可以解决一部分吧?
但是想要进阶中级程序员,他又要必须完成进阶任务,也就是创建一个有知名度的公司,那么,以人工智能为濠头,那么短时间内有知名度应该没有问题吧?
所以这就是叶新晨的打算。
请收藏:https://m.qlfs.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)