常见物联网连接方式介绍

AI仍然是一个梦想，几十年前很多人所设想人工智能仍然没有实现。具有完全认知和智力能力的机器的概念被称为人工智能(AGI)或通用AI。目前还没有人建立这样的系统，如果可行的话，AGI的开发可能还需要数十年的时间。

但是，我们已经能够解决弱AI任务。我的研究公司Cognilytica已经定义七种AI模式，这些模式专注于感知、预测或规划的特定需求。

例如，它们包括训练机器：

• 准确识别图像、对象和非结构化数据中的其他元素;
• 与人类进行有意义的对话互动; 使用生成的见解来推动预测分析系统;
• 发现大数据集中的模式和异常; 为超个性化用途创建个人的详细配置文件;
• 支持自治系统–在很少人或没有人参与的情况下;
• 解决情景模拟和其他具有挑战的目标驱动型问题。

这些用例都提供重要功能和价值，尽管没有解决AGI的总体目标。机器学习的发展直接带来这些弱AI应用程序的发展。而且由于数据科学使机器学习变得切实可行，因此它也使机器学习成为现实。

数据科学、机器学习和AI之间的差异

尽管数据科学、机器学习和AI很相似，并可在分析应用程序和其他用例中互相支持，但它们的概念、目标和方法却有很大不同。为了进一步区分它们，请考虑下列关键属性。

数据科学：

• 专注于从海量数据中提取有效信息，以帮助决策和计划;
• 通过描述性、预测性和规范性分析应用程序，适用于广泛的业务问题;
• 可处理小规模数据到非常大的数据集;
• 使用统计、数学、数据整理、大数据分析、机器学习和其他各种方法来回答分析问题。

机器学习：

• 专注于为算法和系统提供方法，以从数据经验中学习并利用该经验随着时间的推移而改进;
• 通过检查数据集而不是显式编程来学习，利用数据科学方法、技术和工具;
• 可以通过有监督、无监督或强化学习方法来完成;
• 支持人工智能用例，尤其是处理特定任务的弱AI应用程序。

人工智能：

• 专注于赋予机器类似于人类的认知和智力能力;
• 包含智能概念的集合，包括感知、规划和预测元素;
• 能够在特定任务和工作流程中增强或代替人类;
• 当前还没有解决人类智能的关键方面，例如常识理解、将知识从一种环境应用到另一种环境、适应变化并展示感知力和意识。

数据科学、机器学习和AI如何结合

数据科学本身的力量很巨大，当与机器学习相结合，可提供更大的潜在价值，从不断增长的数据池中获得洞察力。当这二者结合使用时，还可以驱动各种弱AI应用程序，并最终可能解决通用AI的挑战。

更具体地说，下面是企业如何结合数据科学、机器学习和AI以产生有效效果的示例：

• 预测性分析应用程序，可基于对不断变化数据集的分析，预测客户行为、业务趋势和事件;
• AI会话系统，可与客户、用户、患者和其他个人进行高度交互的通信;
• 由机器学习和AI驱动的异常检测系统，可响应不断发展的威胁并增强自适应网络安全和欺诈检测系统;
• 超个性化系统，可实现有针对性的广告、产品推荐、财务指导和医疗保健，以及其他针对客户的个性化产品。

数据科学、机器学习和AI是独立的概念，它们各自提供强大的功能，而这三者相结合正在改变我们管理企业和业务运营的方式-以及我们如何生活、工作以及与周围世界交互。

（编辑：淮南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!