„當然”最近 聽說 過 "自動 學習" 也許 在 "神經 網絡" 或 "決策 算法" 演講 中.
但是 什麼 是 自動 學習, 它 與 人工智能 有 什麼 關係?
那麼, 自動 學習 或 機器 學習, 只不過 是 一種 特殊 的 人工智能, 它 為 計算機 提供 了 學習 如何 解決 問題 的 能力, 而 無需 專門 為此 而 編程. 也就是說, 計算機 學習 如何 通過 數據 行為, 而 不是(直接) 從 程序 代碼 自動 學習 軟件 不是 為 程序員 為 每個 單獨 的 活動 預先 確定 具體 的 決策 過程, 而是 分析 他 已經 在 類似 問題 上 可用 的 數據, 並 使用 統計 分析 來 定義 概念 模型;. 然後, 將 這些 模板 應用於 新 數據, 以 作出 決定 或 作出 預測. 機器 學習 算法 的 "後面" 技術 被 稱為 "人造 神經 網絡" 它 只不過 是 一個 由 自然 神經 網絡 啟發 的 人造 神經 元 組成 的 數學模型, 實際上 是 一個 大腦. 顯然, 對於 自動 學習 算法 的 結果 盡可能 準確, 可能 來自 不同 來源 的 大量 數據 需要 創造 更 廣泛 的 知識庫, 最好 地 處理 那些 沒有 過去 人類 的 情況 經驗. 機器 學習 算法已經 可用, 但是 自動 應用 的 能力, 並且 快 速 地 進行 必要 的, 複雜 的 大 數學 運算 計算 只能 從 最近 的 時間 開始. 然而, 一旦 計算 能力 已經 足夠, 一直 在 蓬勃 發展 的 應用 程序, 即使 在 他們 的 欽佩, 已經 成為 或 正在 成為 我們 日常生活的 一部分.
谷 歌 車, 就是 單車 開車;
"有 針對性" 的 在線 提示, Netflix 亞馬遜 和 網站 的 提示;
面部 識別, 允許 Facebooku (以及 其他 人) 識別 臉部 並 在 圖片 張貼 在 他們 的 個人 資料 上 時 自動 標記 它們 的 技術;
社會 情報, 即 分析 社會 網絡 上 的 發布 和 乾預 的 "情感 內容" (對 某些 話題 的 積極, 消極 或 中立 的 觀點) 的 能力, 並 得出 結論;
虛擬 服務器 Siri Cortana (和 其他) 在 我們 的 智能 手機 上.
這些 應用 程序 揭示 了 自動 學習 算法 的 所有 功能 以及 實際 效用, 並 揭示 了 這些 工具 如何 已經 成為 或許 在 不知不覺 中. 我們 現實 中 不斷 的 一部分. 而且 每 一天, 越來越 多 的 消息 還有 新Ellate。。 Google 通常 通過 研究 實驗室 創新 二 ， ， ， 發布 一個 pix „pixellate” 4 月份, 他 宣布 他 的 譯者 通過 人工智能 算法 提高 了 意大利語 翻譯 的 準確性; 始終 在 4 月份, 推出 了 一個 門戶 網站, 使用 自動 學習 算法 來 解釋 對象 的 "草圖" 或 草圖, 並 用 相同 對象的 準確 和 專業 的 圖紙 "替換" 它們. 但 最好 的 還是 超越 了. 事實上, 機器 學習 是 一個 強大 的 工具, 其 實力 仍然 要 充分 錶達, 未來 的 使用 不僅 限於 商業 和 商業 服務. 由於 技術 的不斷 發展 和 計算 能力 的 不斷 提高 "自動 學習" 將 能夠 從 發現 與 創新 的 手段 中 發展 出來, 並將 在 研究 和 科學 等 領域 發揮 越來越 重要 的 作用. 總而言之, 利用 機器 學習 的 算法 可以 完全 按照 科學家 和 發明家 的 做法 做, 而且 更好, 更快. 希望 有 一天, 軟件 將 在 這個 時候 解決 不可 替代 的 問題. 也就是說, 希望 就是 建立 一個 聰明 的 機器 學習, 使 他 能夠 使用 他 的 算法 來 治愈 癌症 或 艾滋病 等 疾病. 未來 可能 會 令人 驚訝, 就是 今天, 也許 我們 甚至 無法 想像.