格格党

手机浏览器扫描二维码访问

第20讲 理解AI（第1页）

第20讲理解AI

banner"

>

因AI成为当今主流的智能学习工具，所以要对以往的方法进行改善。

同时，通过对数据的活用，可以获得以前无法得到的答案。

而且，这条道路今后很可能会有更长远的发展。

那么，智能学习具体是怎样的一种方法呢？

在讲智能学习之前，首先说明一下以前是怎样对计算机发出指令的。

在考虑对计算机发出指令时，有3个必要因素：输入（input），程序算法，输出（output）。

其中最重要的就是程序算法。

充分考虑这个程序（程序算法），是对计算机发出指令的基础。

由人去努力思考程序算法，就是一直以来使用的方法。

而另一方面，智能学习的话，作为基础的程序（程序算法）不是由人来拟定，而是由计算机通过学习后自己去拟定的。

可以大致理解为，计算机根据大量的输入数据和与之对应的输出数据，计算出输入和输出之间的相关性。

这样一来，人应该做的事，就不是思考程序算法，而是准备大量的输入数据和输出数据了。

在这个过程中，计算机会根据数据来找出输入和输出之间的关联性，也就是可以发现程序算法。

我们用事例来进行补充说明。

例如，假设现在要拟定一个程序算法，输入是照片，输出是表情认知，即识别照片里的脸是在生气、是在笑还是哭。

在这种情况下，如果使用以前的方法，就要对头像照片的要素进行分解，指定哪个部位应该怎样观察，在怎样的条件下判断为“在生气”

，在怎样的条件下判断为“在笑”

，这些都是由人来思考并拟定程序算法。

相对地，如果采用机器学习的方法，最初的一步是准备输入和输出的数据。

要准备多张头像照片作为输入数据，并且判断照片里面的表情是“在生气”

，还是“在笑”

，或是“在哭”

，作为输出的数据来使用。

也就是说，把表情作为标签和照片对应，并且，把大量头像照片和对应的照片都录入计算机。

最后，计算机就会参考大量的数据，思考可以识别表情的程序算法。