携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第25天，点击查看活动详情

说明

本系列博客将记录自己学习的课程：NLP实战高手课，链接为：time.geekbang.org/course/intr… 本篇为最开始01-03节的课程笔记，主要介绍了课程的内容和AI的简介和项目开发中的一些经验教训。

简介

近几年，媒体上关于人工智能的宣传铺天盖地，但是其中大多是是为了吸引眼球而夸大人工智能的效果。那么，真实的人工智能是什么？

首先来看一下维基百科的描述：

人工智能（英语：artificial intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的[智能]。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。同时，通过[医学]、[神经科学]、[机器人学]及[统计学]等的进步，常态预测则认为人类的很多职业也逐渐被其取代。

可以看到人工智能可以辅助各行各业来进行智能化决策分析。

实际上，人工智能这个概念并不特别新颖，早在上世纪50年代，[约翰·麦卡锡]就提出了这个概念。但历史上由于算力等硬件条件的限制，并未得到很好发展。直到近些年GPU并行计算带来的算力迅猛增长，极大的促进了深度学习的发展，使其成为一个热门研究领域。

人工智能的本质

那么人工智能的本质是什么呢？可能很多人会被各种夸大的媒体宣传所误导，以为人工智能无所不能，但实际上，人工智能在很大程度上是在进行预测性建模和解决优化问题。

预测性建模

• 主要目的:在给定数据的基础上提升预测模型的准确率
• 绝大多数人工智能的应用在很大程度上均可以认为是预测性建模的范畴

预测性建模和统计学很相关，但二者也有区别，如预测性建模大多只关注模型的预测准确性，相反，统计学模型则主要关注模型的可解释性。

优化问题

• 优化问题是指如何根据已有的数学模型求出最优解的过程
• 近年来取得主要进展的优化问题主要在于增强学习领域

增强学习又叫强化学习，他主要解决的问题是如何在动态环境下做出正确的决定。其主要应用有游戏AI、内容推荐、搜索排名、智能化定价等。

人工智能的分类

我们还可以从另一个角度对人工智能进行分类，即其所处理的数据的类型。如下图所示，主要可以分为以下四类：

• 结构化数据
• 文本数据
• 图像、视频数据
• 语音数据

人工智能的不同称谓

在不同的发展时期，人工智能有很多相关的概念或者称谓，这些可能是人工智能的一些关键技术，抑或一些别称。如下图所示：

人工智能的现状

主要是学术界和工业界的现状总结，如下图所示：

AI从业者的基本素养

当前AI领域发展迅速，为了成为一名合格的AI从业者，我们应该做到以下几个方面：

• 快
  • 快速学习新的领域
  • 紧追热点，会读英文资料
• 钻
  • 将一项任务做到极致
  • 不要到处转换方向
• 深
  • 夯实基础
  • 数学和编程（我觉得还有英语）
• 广
  • 广泛涉猎
  • 抓住本质