如果您正在閱讀本文，那么您將被人工智能（AI）技術(shù)所包圍，這是您無法想象的。通常，當(dāng)人們聽到有關(guān)AI的知識時，他們將其等同于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，但是它們只是AI研究中眾多主題中的兩個。
這兩個被認(rèn)為是當(dāng)今AI世界中最熱門的，但是由于它們的應(yīng)用和未來潛力，還有許多其他話題在AI社區(qū)引起了極大的關(guān)注。本文將討論AI研究中的一些熱門話題，這些話題彼此相關(guān)并且屬于人工智能類別。
機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（ML）致力于開發(fā)性能隨經(jīng)驗而提高的系統(tǒng)。在過去的十年中，人工智能的進(jìn)步很容易歸因于機(jī)器學(xué)習(xí)的進(jìn)步。
機(jī)器學(xué)習(xí)非常流行，并已成為AI的代名詞。研究人員現(xiàn)在致力于將最先進(jìn)的機(jī)器算法擴(kuò)展到大數(shù)據(jù)集。
深度學(xué)習(xí)深度學(xué)習(xí)（DL）是機(jī)器學(xué)習(xí)的一個子集，它是對神經(jīng)網(wǎng)絡(luò)（一種受大腦中生物神經(jīng)元啟發(fā)的模型）的重塑。機(jī)器學(xué)習(xí)一直是AI眾多應(yīng)用程序的推動者，例如對象識別，語音識別，語言翻譯，玩計算機(jī)游戲和自動駕駛。
強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)（RL），也稱為強(qiáng)化學(xué)習(xí)，是從動物學(xué)習(xí)和參數(shù)擾動的自適應(yīng)控制理論發(fā)展而來的。它由一個智能代理組成。
如果行為者的某種行為策略在環(huán)境中帶來積極的回報（增強(qiáng)的信號），那么將來該行為者生成這種行為策略的趨勢將會增強(qiáng)。智能代理的目標(biāo)是在每個離散狀態(tài)下找到最佳策略，以最大化預(yù)期的折扣獎勵。
2017年，谷歌的AlphaGo計算機(jī)程序使用RL在圍棋游戲中擊敗了世界冠軍。機(jī)器人技術(shù)從技術(shù)上講，機(jī)器人技術(shù)是其自身的獨立分支，但確實與AI重疊。
人工智能技術(shù)使機(jī)器人能夠在動態(tài)環(huán)境中導(dǎo)航。您如何確保自動駕駛汽車在最短的時間內(nèi)從A點駛向B點而又不傷害自己和他人？深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)方面的進(jìn)步可能會有所幫助。
如果計算機(jī)視覺希望機(jī)器獨立思考，我們需要教他們看世界。斯坦福大學(xué)AI實驗室主任李菲菲正在研究這一領(lǐng)域的計算機(jī)視覺（CV）。
具有諷刺意味的是，計算機(jī)擅長進(jìn)行復(fù)雜的計算，例如在小于100的數(shù)字中找到可被10整除的數(shù)字，但是它們卻難以完成識別和區(qū)分對象的簡單任務(wù)。在視覺識別的某些應(yīng)用場景中，深度學(xué)習(xí)的最新研究已經(jīng)超越了人類。
自然語言處理自然語言處理（NLP）與可以識別和理解人類語言的系統(tǒng)有關(guān)。它包括語音識別，自然語言理解，生成和翻譯等領(lǐng)域。
隨著多種語言的全球化，自然語言處理系統(tǒng)將成為真正的游戲規(guī)則改變者。當(dāng)前的NLP研究包括可以與人類動態(tài)交互的聊天機(jī)器人的開發(fā)。
推薦系統(tǒng)從閱讀，購買到迄今為止的誰，推薦系統(tǒng)（RS）隨處可見，并已完全取代了煩人的推銷員。像Netflix和Amazon這樣的公司在很大程度上依賴于推薦系統(tǒng)。
它將根據(jù)用戶過去的偏好以及對類似產(chǎn)品的偏好提出有效的建議。算法博弈論和機(jī)制設(shè)計算法博弈論從經(jīng)濟(jì)學(xué)和社會科學(xué)的角度以及在基于激勵的環(huán)境中這些代理如何做出選擇的角度設(shè)計具有多個代理的系統(tǒng)。
該系統(tǒng)允許智能代理在有限的資源環(huán)境中與自私的人競爭。物聯(lián)網(wǎng)（IoT）是一個概念，指的是日常使用連接到Internet的物理設(shè)備來交換數(shù)據(jù)和相互通信。
可以對收集的數(shù)據(jù)進(jìn)行計算和處理，以使設(shè)備更智能。神經(jīng)形態(tài)計算隨著基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的興起，研究人員一直在開發(fā)可以直接實現(xiàn)神經(jīng)網(wǎng)絡(luò)架構(gòu)的硬件芯片。
這些芯片旨在在硬件級別上模擬大腦。在普通芯片中，深度學(xué)習(xí)數(shù)據(jù)需要在中央處理單元和存儲器之間傳輸，這會降低性能。
在神經(jīng)網(wǎng)絡(luò)芯片中，數(shù)據(jù)將被處理并存儲在芯片中，并在需要時隨時讀取，從而大大提高了處理和傳輸?shù)男阅堋?