人工智能，科技准备好了，我们呢？

  近年来，以深度学习、强化学习为代表的人工智能技术从语言翻译、图像识别、工业自动化等工程技术领域，拓展到智能生产、智能农业、智能物流、大数据宏观经济监测、量化投研等经济、金融范畴，可谓应用广泛。

  人工智能技术具有处理高维数据的先天优势，可以通过表征学习、价值函数近似、特征选择等方式避开传统分析方法的诸多限制，获得了更好的预测和决策效果。为了使人工智能技术达到令人满意的预测和决策效果，研究人员往往需要投入大量的数据资源。这一技术特性使得数据资源,成为关键性生产要素。在大数据、智能化、移动互联网、云计算等日渐普及背景下，人工智能技术作为提供信息产品和信息服务的底层技术，也是工业经济逐步向数字经济转型的关键。

  人工智能算法是什么

  人工智能算法大致可分作监督学习、无监督学习与强化学习。其中，监督学习通过不断训练程序（模型）从人类已有经验中学习规律。在这一类机器学习中，研究人员会通过标记数据的方法，不断调整模型参数以达到学习目的。类似于父母会向孩子展示不同颜色、大小乃至种类的苹果，教会孩子认识“未曾见过”的苹果。这便是监督学习的目的：样本外预测。

  无监督学习则通过训练程序，使机器能直接从已有数据中提取特征，对信息进行压缩，用于完成其他任务。如传统的主成分分析，可以将高维特征使用低维度向量近似。例如，我们可以使用主成分分析技术压缩图片，以达到节省储存空间的作用。因此，这类机器学习算法并不需要以往经验，也被称之为无监督学习。

  当然，无监督学习与监督学习之间并不是彼此对立的关系，对于存在部分标注的数据，我们也可以使用半监督学习算法。比如最近比较流行的对抗神经网络

（编辑：52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!