人工智能名词解释
人工智能名词解释 人工智能名词解释： 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。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。吴恩达：史上最通俗易懂的人工智能概念解释
[转] http://36kr.com/p/5093367.html
本文来自微信公众号"笔记侠“（ID:Notesman），作者：吴恩达，责编：戈多
内容来源：2017年9月11日，斯坦福，吴恩达为GASA大学作主题为“探索人工智能”的分享。笔记侠作为独家课程笔记合作伙伴，经主办方审阅授权发布。
笔记君邀您，先思考：
1.为什么AI会突然在这几年进步这么快？
2.人工智能的战略逻辑是什么？
3.企业如何面对AI的挑战？
我在百度就在讲这句话：“人工智能是新电能”。100年前，电能给每个企业带来新的改变。
当人工智能技术足够成熟之后，会给很多企业带来非常大的改变。今天我主要讲人工智能的趋势以及对大家会有什么影响。
一、supervisedlearning（监督学习）AI，这个词对大多数人来说有一种魔术的感觉，但是它具体能做什么？
它的技术非常复杂，有很多部分，这两三年进步最快的一部分是supervisedlearning（监督学习），也就是从a的input（输入）到b的output（输出），什么意思呢？用具体案例来说明下。
比如，你输入足够多的电影影评，然后可以大概知道一个电影是好是坏；
输入一种图片，然后可以知道图片的内容（图片识别）；
输入一段语音，会输出一个文本（语音识别）；
输入一段英文，会输出一段中文（自动翻译）；
输入一段文本，会输出一段音频（语音输出）；
输入一笔费用，会输出很好的回报（消费金融）；
输入一段传感器信息，会输出一个汽车的位置（自动驾驶）。
AI技术有很多不同的部分，进步最快的就是这个部分，今天有很多空间使用新技术，给企业带来价值，比如语音识别对百度就非常有价值。
很多要做人工智能工作的企业需要理解你自己的生意，才能决定如何放入人工智能来创造价值。
不过这种技术有一个缺点，需要大量的数据，需要a，也需要b。
经常有人问我，AI可以做什么？我跟很多团队说，如果有哪个事情想一秒钟就成功搞定，那么就可以这个部分用AI创造价值。
为什么AI会突然在这几年进步这么快？
如果你的横轴是你的数据量（amountofdata），纵轴是效率或准确度，当企业产生大量的数据，传统企业按照过去的算法无法提供数据的计算效果，但如果训练一个巨大的神经网络，效果会非常巨大。
如果你要达到最好的效果，有两个必要条件：
第一，要训练一个巨大的神经网络（NN）；
第二，要有大数据。
今天很多企业有海量数据，但几年之前没有办法训练足够大的神经网络来实现计算。
今天，最好的人工智能团队都可以从算法（机器学习）和超级计算机架构入手。
supervisedlearning（监督学习）是人工智能的一部分，我做人工智能项目的时候，有时候也需要到Ai技术的不同部分。
为什么通常讲supervisedlearning（监督学习）和神经网络（NN）？
supervisedlearning（监督学习）和神经网络进步非常快，其他部分的进步没有这么快，只是慢慢增加，神经网络这两年有巨大的突破。
二、神经网络中国今天对深度学习和神经网络有这么大的兴趣，我来分享下神经网络这个词具体是什么。神经网络，对于很多人也有魔术的感觉。我用具体的案例来说明。
如果你想预测一件房间的价值，横轴是大小，纵轴是价钱，那么输入房间大小，输出一个价格，这是一个最简单的神经网络。
在知道房间大小、睡房数量以及附近居住者的收入水平的前提下，如果买房子的人想知道房间可以住多少人，可以用一个神经元测算出来；也可以通过一个神经元测算是否需要驾车；还可以通过一个神经元测算附近学校的质量。
最后把这些神经元汇合到一起，再通过另外一个神经元输出房子的价钱，这就是神经网络。
最后分享一个细节来了解神经网络的重要性：
如果输入房子的特征（a）和价钱（b），而且有大量的数据(a)，它就可以自动学习这中间有什么概念，不用去考虑和担心这些神经元。
过去两年，人工智能的神经网络进步这么快，如果得到很多a，就能够计算出很多正确的b。
就像语音识别，输入语音a，输出一个文本b，要做到高质量，需要一万个小时的数据量，也就是10年左右的数据量，但要拿到这些数据的价钱也是不少的。
拥有比较准确的语音识别能力，用户也会更愿意使用。中国这几年语音识别的用户量增加得非常快，就在于现在语音识别比较准确。
今天很多人工智能的企业都是开源的，技术本身不能作为壁垒。
要理解另外一个公司的技术并不太难。我在百度和谷歌工作过，对技术比较了解，知道技术是怎么做的，但是如果我没有数据，我就没办法带一个团队做搜索。
三、人工智能公司的战略逻辑：数据－产品－用户（Data-product-user）
如果你可以拿到一点点数据，你就可以通过神经网络来做一个产品。
通常一个产品不用做得太好，只要用户能够接受，用户慢慢会有活跃度，用户就会为你产生数据，然后形成正循环，形成壁垒。
如果你有一个用户可以接受的产品，却又被巨头用另外一个产品挖走，那么你的数据就没有办法形成正循环。
人工智能获取的战略已经越来越复杂，人工智能团队要想清楚信息获取的战略。
1.什么是互联网公司？
如果你要为一个传统的购物中心做一个网站或者app，它们还不是一个互联网公司。就像沃尔玛网站，也不是一家互联网公司。
你要做一个互联网公司，不在于是不是有网站，最重要的是整个公司的组织是否具有有效利用互联网的能力。
互联网公司会做A/B测试，每天可以做一千次A/B测试，所以互联网公司的学习速度会非常快。
互联网公司也会在比较短的时间周期里发布新产品，可以每天发布一个或者20个，传统购物中心不能理解为什么这样做或者怎样做。
互联网公司做决定的能力不是只有CEO一个人，还有很多产品经理或工程师。因为在互联网公司，技术和用户行为比较复杂，没办法都交给CEO一个人做决定。传统购物中心因为变动比较慢，由CEO做决定是没有那么大问题的。
因此，是不是互联网公司不是看你有没有网站。
2.什么是人工智能公司？
在人工智能时代，一个传统的互联网公司＋神经网络技术，也还不是人工智能公司。
一个公司要做成人工智能公司，要组织整个公司有效地使用人工智能的能力。AI现在还处于早期，人们还不能完全理解如何组织公司来使用它。
AI公司获取数据的战略非常复杂，有关战略，我们有时候会讨论好几天或好几星期。数据获取的过程要好几年，真的要一步一步来打。
最好的人工智能公司都会把数据放在一个数据库里。
如果你的数据一部分在你个人电脑上，一部分在你办公室电脑上，一部分在某一个数据库里，一部分在另外一个数据库，你的工程师要做一个新的人工智能的话，如何把这些数据放一起给人工智能使用呢？
但如果你把数据放进一个数据库，你的软件或者工程师就可以利用完整的数据来训练有效的人工智能。
很多公司有很多数据，但是没有办法放在一起，数据的使用效率就会没那么高，你的工程师的工作效率就会慢很多。
在人工智能公司工作的工程师，和传统互联网公司的工程师，工作描述的内容是不一样的。如果你是百度公司的产品经理，你要做一个产品，就会画一个图，然后把图给工程师，工程师再写代码，这样的方式对互联网公司是非常有效的。
但如果你要做一辆自动驾驶汽车，产品经理画一张汽车图，是没有用的。在人工智能时代，产品经理也需要理解怎样获取数据；也要理解怎么和工程师沟通。
20年前，我们不知道A/B测试在今天会变得如此重要。今天，我们还没有人能完全理解人工智能这么重要的概念，谷歌和百度的想法已经比较领先了，但还没有人完全把人工智能的概念讲清楚。
这给了我们什么机会？进入互联网时代，很多新公司有了很多、很大的机会。进入AI时代，有一些传统公司像谷歌、百度都做得非常不错，也给很多新公司很多很大的机会。
四、使用AI的挑战AI技术发展这么快，但是理解的人比较少。有效地使用AI来创造价值，就要跨行业，让企业家和专家一起结合合作。
因此，从CEO角度，你怎么安排有AI技能的人的工作呢？
很多公司的架构是由CEO和不同的事业部组成，那么你怎样通过AI改变他们的工作呢？
比如其中一个事业部是做礼品卡的，那么是否可以通过AI改变售卖礼品卡的工作呢？但礼品卡的leader不懂AI，所以它内部很难建成一个AI团队。
我经常对很多公司说，如果能够找到一个独立的AI团队，就把这些有AI能力的人放到不同的团队矩阵去。
今天懂AI的人才那么少，他们不一定愿意被不懂AI的人领导，所以可以等过几年AI比较成熟，不需要一个单独的AI部门之后，就可以把AI人才放到公司的不同事业部团队内。
5、6年前，我们都不知道移动互联网能做什么，也没有想到“定位”可以产生这么大的作用，跨行业的团队产生的作用很大。
今天，移动互联网技术和手机技术很成熟，大家都可以理解互联网能够做什么，这个时候公司就不需要跨行业团队了。同样，AI现在没有那么成熟，所以很需要跨行业人才。
不是每个人都要懂AI，也不是每个CEO都要懂AI，但如果可以找人来帮你建立AI团队，可以让你的团队利用AI拥有不错的机会。
我在谷歌带谷歌大脑团队的时候，做的第一个事情就是给几百个工程师提供人工智能课程。今天CEO的工作可以从外面选择内容课程，或者找专家和人才来教育你的团队。
AI的成熟速度比较慢，很多企业都有很多机会用AI去改变自己的企业。正如过去，大公司都没有看到Uber和Airbnb的机会；在中国，大公司也没有想到滴滴会做到这样子。
谢谢大家！
关于来源：
GASA大学是一所以“科学复兴”为使命，以“没有受教，求知探索”为校训，致力于给创业者、企业家培养科学精神的新型大学。