前段時間看公眾號推送了一個消息，說AI教父吳恩達（百度/Google科學(xué)家，領(lǐng)導(dǎo)AI項目）推出了一門AI課程，幫你全面了解AI，后來發(fā)現(xiàn)其實他早就出了很多AI課程，只不過之前的會更專業(yè)一些，而這次的課程更通俗易懂，看標題就知道：《AI For Everyone》，分4周，每周8/9節(jié)課的樣子，我基本都看完了，發(fā)現(xiàn)確實是個入門的好課程，所以就想說把我的理解和總結(jié)發(fā)布在這里，或許可以幫助到一些人。如果想看原版課程，請點閱讀原文。
分為ANI和AGI，分別代表狹義和廣義
現(xiàn)在的圖像識別/無人駕駛/等所有接觸到的AI項目都屬于ANI
而人們期待的有智能思維的可以像人一樣做事情的才屬于AGI
最常用的機器學(xué)習(xí)是一種輸入數(shù)據(jù)A，得出數(shù)據(jù)B的過程，叫做監(jiān)督學(xué)習(xí)。
隨著數(shù)據(jù)量越來越大了，監(jiān)督學(xué)習(xí)的優(yōu)勢就會越來越明顯。
分為2種：
結(jié)構(gòu)化數(shù)據(jù)，如一眼就能看懂的數(shù)字，如下圖左側(cè)，是通過房屋面積和房間數(shù)來預(yù)測房子價格的訓(xùn)練數(shù)據(jù)；
非結(jié)構(gòu)化的數(shù)據(jù)，如文字/圖片/聲音/視頻等，電腦會以數(shù)字的方式存儲，如下圖右側(cè)，是一個預(yù)測圖片中是否有貓的訓(xùn)練數(shù)據(jù)。
關(guān)于收集數(shù)據(jù)，可以通過人工打標簽，或者通過檢測軟件統(tǒng)計用戶行為數(shù)據(jù)，再或者直接從數(shù)據(jù)機構(gòu)購買，準確的數(shù)據(jù)才會產(chǎn)生準確的結(jié)果。
機器學(xué)習(xí)和數(shù)據(jù)科學(xué)
數(shù)據(jù)是機器學(xué)習(xí)的養(yǎng)分，有了大量的養(yǎng)分才會有效果
深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
深度學(xué)習(xí)是加強版的神經(jīng)網(wǎng)絡(luò)
其他：監(jiān)督學(xué)習(xí)，增強學(xué)習(xí)，圖解模型，知識圖譜……
就像當(dāng)年的沃爾瑪做了一個電商網(wǎng)站，你不能說它就是互聯(lián)網(wǎng)公司了；而亞馬遜通過網(wǎng)絡(luò)創(chuàng)造價值的經(jīng)營模式，就會被定義為互聯(lián)網(wǎng)公司。
AI也式樣，只有不斷的把AI作為主要的價值輸出的方式，才能稱之為一家AI公司
AI主要可以做的是：一個成年人不假思索就可以完成的任務(wù)；
AI不能做的是：一個成年人需要花很長時間的思考，總結(jié)出來的多緯度分析報告。
就比如現(xiàn)在的AI客服或者siri這樣的智能助理，它能做的是就是將你的話分類，這一句屬于要問訂單的，這一句是要退貨的，那一句是要問天氣的；現(xiàn)在的回復(fù)都是套模版的，其實多試兩次就會發(fā)現(xiàn)問題了，因為AI目前位置還不具備理解人類思維的能力。
再比如現(xiàn)在的無人駕駛，AI比較容易做到的是識別其他車輛的位置，來判斷自己的車該如何行駛。而AI還無法分辨路邊的一個人在招手是意味著什么，應(yīng)該停車還是減速還是忽視，它還沒法判斷。
再比如這個通過x光片判斷病人是否有肺炎
AI能做的是，通過1萬張被標記過是否有肺炎的照片，經(jīng)過訓(xùn)練，識別一張剛拍的照片是否有肺炎；
AI不能做的是，通過看一本，教醫(yī)生如何通過x光片識別肺炎的書籍，來解釋肺炎是什么然后怎么導(dǎo)致的。
機器學(xué)習(xí)的優(yōu)缺點：
當(dāng)只研究某一個簡單的概念，并且有充足的數(shù)據(jù)時，就會發(fā)揮的好；
但如果研究很多個復(fù)雜概念， 并且數(shù)據(jù)非常少，就會發(fā)揮不好；
而且訓(xùn)練好的模型，如果數(shù)據(jù)換了一種類型（比如訓(xùn)練數(shù)據(jù)用的是一個嚴謹?shù)睦蠁T工拍的照片，非常規(guī)矩；而現(xiàn)在實際數(shù)據(jù)是一個實習(xí)生拍的，東倒西歪，參差不齊），就會影響AI的工作。
前面說過深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的進階版，所以先看一個最簡化的神經(jīng)網(wǎng)絡(luò)，即只有一個神經(jīng)元，通過衣服的價格來預(yù)測銷量
然后是一個更復(fù)雜的衣服銷量預(yù)測的神經(jīng)網(wǎng)絡(luò)，因為現(xiàn)實中決定銷量的因素可能有很多，比如售價，運輸成本，市場費用，材料成本，這時候多級的神經(jīng)網(wǎng)絡(luò)會將輸入的數(shù)據(jù)，轉(zhuǎn)化成購買力/知名度/感知質(zhì)量三個緯度，然后再進一步預(yù)測銷量，而這中間的環(huán)節(jié)，完全都是由算法自己完成的，人只需要把原始數(shù)據(jù)輸入進去，深度學(xué)習(xí)，會自己總結(jié)出一個模型，于是當(dāng)你的價格或者成本發(fā)生變化時，他就能第一時間幫你預(yù)測銷量。
再講一個如何通過圖像來進行深度學(xué)習(xí)的過程
首先圖像是通過什么形式存儲的，電腦會把一張圖拆成一個個的像素，每個像素都會有一個對應(yīng)的值，所以當(dāng)圖像數(shù)據(jù)輸入時，就是如下的形式，成為一組數(shù)據(jù)。
當(dāng)多張被標記的照片（即多組數(shù)據(jù)）輸入到神經(jīng)網(wǎng)絡(luò)后，算法會自動識別人的特征在數(shù)據(jù)層面是一種怎樣的表現(xiàn)，這樣你再輸入一張新照片時，系統(tǒng)就可以告訴你這張圖里是否有人。
最后這是第一周的課程，接下來還有3周（分別為：AI項目，AI公司，AI和社會的關(guān)系），我會陸續(xù)整理，我覺得這樣的學(xué)習(xí)過程很好，總結(jié)的過程也是再學(xué)習(xí)的過程，寫出來也是一種傳授會加深記憶，如果有人可以一起交流那很有可能會發(fā)現(xiàn)更多有趣的視角，所以歡迎評論轉(zhuǎn)發(fā)點贊，由衷的感謝～
