人工智能入門

前言

這個名字起的很是大，可是本文只能從一些概念和我本身的理解上介紹一下什麼是人工智能。本文只是給從未接觸過此塊的人一個大體的印象和思路，其他人請直接略過。

1、什麼是人工智能

人工智能這個概念最近很是火，其實什麼是人工智能，無非是想讓電腦擁有像人同樣的智慧。之前電腦作事比較222，歷來都是0和1兩個數，你讓電腦幹什麼電腦就幹什麼，像一個聽話的奴隸同樣，沒有本身的思想，沒有本身的創新，不會有多餘的想法。看上去挺好，可是隨着時代的發展，人們對這種電腦的表現已經徹底不滿意了，如今咱們想讓電腦不光完成咱們交予他的任務，還但願電腦可以有點本身的想法，好比可以告訴我一件事情是好仍是壞，順便再幫我預測一下這件事的結果，這就是人工智能。

舉個具體的例子。咱們有兩張圖片假設是兩我的臉照片。那麼在人工智能以前咱們若是要讓電腦判斷這是否是同一我的，那就只能逐像素去比對，若是每一個像素都一致，那麼這兩個照片確定是同一個照片，人也確定是同一我的。可是問題來了，若是兩個照片是同一我的在不一樣狀況下拍的兩張照片，以前的技術手段是沒有辦法判斷這是否是同一個的，由於環境不同像素確定不同，這就必需要讓電腦變的更聰明一點，不管什麼環境拍的，不管化沒化妝整沒整容甚至不一樣年齡段的都要可以判斷出來這是否是同一我的，這就是人工智能。

2、人工智能能完成什麼工做

隨着軟硬件的發展，人工智能已經涉足到了方方面面。如人臉識別、豬臉識別（某東很擅長）、指紋識別、機器視覺、無人車、機器人、AlphaGO、天氣預報、車牌識別、違章監控、保險收費、銀行貸款等等。

其實就是說人工智能已經基本上無所不能了，只要你能想到的地方均可以交給計算機去處理，只是必需要採集大量的數據通過大量的訓練計算機才能明白你想讓他幹什麼事情。

3、人工智能的實現方式

想法很美好，我也想讓電腦把我全部的工做都代替掉，包括須要我思考的事情，但這明顯是不可能的，那麼究竟如何實現人工智能？

考慮咱們人類是如何對一件事情進行分析的。首先當咱們面對一件事情的時候要先回憶本身以前有沒有碰到過相似的事情，碰到的事情與這件事情的類似度是多少，全部有關的事情對此事情的影響程度，以前我是怎麼處理的。腦中對如何作此事有一個大體的想法以後付諸實踐，邊作邊修改。

那麼電腦基本相似，首先明確須要電腦完成什麼事情，而後找到大量的以往案例，告訴計算機碰到這種事情如何處理，分析出來不一樣事情（輸入）對此事影響的權重。然後交給他一樣的事情，計算機便知道該如何處理此事，其實計算機對事情只是計算出了獲得某個結果的機率（output），如兩個照片是同一我的的機率是90%等等，人也基本相似。

固然如上圖所示，計算機須要根據輸入完成不少層的參數設置最終計算獲得輸出，除了輸入層和最後一層輸出層，其餘層均爲hidden layer，隱層越多則計算量越大，最終的結果越準確（不是絕對的）。

因此清晰明瞭，你告訴計算機越多的「經驗」、訓練量越大，則他判斷一件事情的正確率就越高，這就是最近幾年大數據和計算機硬件能力的發展對人工智能的積極影響。

推薦你們觀看吳恩達的深度學習課程對理論進行深刻學習。

4、人工智能框架TensorFlow簡介

有了上面的思路咱們就能本身設計一套程序來完成一個訓練模型，可是目前有不少成熟的開源深度學習框架，TensorFlow就是一個。

TensorFlow™ 是一個採用數據流圖（data flow graphs），用於數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操做，圖中的線（edges）則表示在節點間相互聯繫的多維數據數組，即張量（tensor）。它靈活的架構讓你能夠在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。TensorFlow 最初由Google大腦小組（隸屬於Google機器智能研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可普遍用於其餘計算領域。

經過此框架可以很是容易的設計並訓練咱們本身的深度學習網絡。

5、總結

本文囉裏囉唆的介紹了一下我本身對人工智能的理解，若是有不對的地方歡迎批評指正，後續我會介紹如何經過TensorFlow實現一些簡單的案例以及一些深度學習網絡模型。

本文中部份內容和圖片參考阮一峯博客。