济南冠宇智能科技有限公司

听完薛博士和龚达的机器学习课后，描述模糊的概念很有趣。因此，随着课程的进展，我将整合这方面的内容，并将其转化为问答模式。

总共大约有一百个问题。

本文主要介绍人工智能，包括以下问题:

什么是人工智能？

问题2:与人工智能相关的热门词汇到底是什么，如机器学习、深度学习、计算机视觉、张量流(TensorFlow)等。参考？

问题3:人工智能、机器学习和深度学习之间的关系？

问题4:人工智能的短板是什么？

问题5:机器学习的类别是什么？

问题6:人工智能的核心是什么？

问题7:深入学习的要点是什么？

问题8:人工智能的当前发展？(商业)

问题9:人工智能面临哪些技术挑战？

什么是人工智能？

人工智能(人工智能)，又称机器智能，是指由人制造的机器所表达的智能。一般定义是:研究和发展模拟、扩展和扩展人类智能的理论、方法、技术和应用系统的一门新学科。在维基百科(Wikipedia)中，人工智能被定义为智能代理的研究和设计，智能代理是指能够观察周围环境并采取行动实现一致目标的系统。

问题2:与人工智能相关的热门词汇到底是什么，如机器学习、深度学习、计算机视觉、张量流(TensorFlow)等。参考？

如果将人工智能与超级跑车相比较，其他概念可以类比如下:

人工智能:超级跑车

机器学习:12缸发动机的超级跑车

神经网络:兰博基尼，6升12缸超级跑车

深度学习:采用涡轮增压技术的6升12缸超级跑车——Urus

强化学习:超级跑车边驾驶边进化

工业智能(AGI):水、陆、空三重超级跑车

数据科学:在各种路况和全天候条件下测试的超级跑车

计算机视觉、自然语言处理:参加F1或纳斯卡比赛的超级跑车

Tensorflow，ano，torch，caffe，mxnet.超级跑车生产线和装配线

问题3:人工智能、机器学习和深度学习之间的关系？

用图表显示概念的广度和时间

问题4:人工智能的短板是什么？

1.只能解决小规模问题的猫识别实验:1000台计算机，16000个图形处理器

2.缺乏解释:可解释的人工智能-XAI

3.没有(完整的)数学理论支持:理论是不够的，技能可以一起使用。

问题5:机器学习的类别是什么？

监督学习:给定输入→预测输出，训练数据包括输出标签。

无监督学习:给定输入→学习数据的模式和范式，训练数据不包含输出数据的标签。

半监督学习:给定输入和输出→大联合概率(联合概率=标记条件概率*未标记先验概率)的某些假设(流模式或聚类)，训练数据包含少量标记数据和大量未标记数据。

强化学习:制定奖励/惩罚机制，可以帮助网络在没有指导的情况下完成学习，例如，使用动态规划来制定奖励机制。

其他:课程学习、主动学习、生成对抗学习.

问题6:人工智能的核心是什么？

学习能力，班级分为浅学习和深学习。

肤浅学习的关键词:依赖于先前的知识，特征选择/工程记忆比理解更重要。