人工智能的非技术使用说明书

据麦肯锡估计，从现在到2030年，人工智能将创造约13万亿美元的美国国内生产总值。相比之下，2017年整个美国的国内生产总值约为19万亿。人工智能已经成为第四次工业革命， 人工智能无疑是数字化转型的核心，它在整个行业中的应用将极大地改变我们的世界以及工业生产方式。 越来越多的人希望投入这场人工智能革命，但他们不知道AI能做什么，AI是一种什么样的技术。 因此本文将介绍什么是AI。

关于人工智能的误解

关于人工智能的炒作从未停止过，许多人对人工智能存在一定的误解。人工智能可分为两部分：

人工窄智能（ANI）

人工窄智能是指擅长一项特定任务的AI ，它们是经过训练和开发的。 例如一个人工智能系统可根据历史数据向您推荐YouTube视频的算法或者预测未来房屋价格。ANI是一个非常强大的工具，它将在未来几年为我们的社会增加许多额外的价值。 我们近年来所看到的所有人工智能进展其实都是人工窄智能。

人工智能（AGI）

人工智能的最终目标是一个比人类聪明或聪明的计算机系统 。 AGI可以成功地完成人类可以做的任何智力任务。 这也是AI引起人们最大恐惧的一部分。 他们想象一个计算机比人类聪明得多的世界，几乎每个工作都是自动化的，甚至是类似终结者的场景。而实际上， 我们仍远远未达到真正的AGI技术水平 。

人工智能相关术语

人工智能是一个非常复杂的领域，里面包括很多术语可能会让你很混乱。 你可能听说过神经网络，深度学习或数据科学。 但并不清楚其中具体的含义以及相互间的关系。

人工智能

人工智能是一个计算机科学领域 ，它强调智能机器的创造，拥有像人类一样工作和反应 。 就像我已经提到的那样，当人们谈论AI时，他们主要是人工智能（AGI）。机器学习和深度学习都是用于使计算机智能操作的技术。

机器学习

机器学习是AI的一个子领域 。 通过一定的算法使计算机能够从数据中学习并执行某项任务。 机器学习项目示例：

想象一下，你是一家房地产公司，你有很多关于房屋的数据。 您与机器学习公司合作，建立机器学习系统，以预测房屋的未来价格。 这样的系统使您能够更好地决定您想要投资的房屋，并找出清算投资的合适时机。

深度学习

深度学习是机器学习的一个子部分，它与机器学习基本相同：你给算法标记数据，然后算法从数据中学习数据规律并进行预测。 与机器学习的不同之处在于深度学习具有更现代，更复杂的算法，而机器学习使用更简单的传统算法。由于它们的复杂性以及足够的数据和计算能力，深度学习算法在准确度上有了重大突破，甚至在其中一些任务上超过人类（例如：组织病理学图像分析，或在Netflix上推荐电影）。

数据科学

数据科学项目的输出通常是一组见解，可帮助您做出更好的业务决策，例如决定是否投资某些东西，是否应该购买某些设备，或者是否应重新构建您的网站。 数据科学是通过统计方法 ，可视化等分析数据来提取数据知识和洞察力的科学 。输出通常是演示文稿或幻灯片帮助管理者做出某些决策的结论。

人工智能术语还包括强化学习，生成性对抗网络（Gans）等。这些都是使AI系统智能化的工具。

数据

数据可以采用多种形式：电子表格，图像，音频，传感器数据等。这些可分为两大类：结构化和非结构化数据。

结构化数据是按照预定义模式以结构化格式存储的数据 。 它指的是驻留在记录或文件中的固定字段中的任何数据。可以是文本的也可以是非文本。 例如泰坦尼克号数据集就是一种结构化数据。

非结构化数据本质上是未通过预定义模式构建的其他所有内容。 它可以是文本的或非文本的， 主要包括图像，视频，音频文件，文档等。

监督学习是最常用的机器学习类型，当人们说“数据”时，它们主要是指标记数据 。例如您有一个数据集，其中包含100，000只狗和猫的照片，其中每张照片都有一个标签，“Cat”或“Dog”。还比如一个包含房价信息的数据集。 每个房屋对应的价格就是标签。

数据获取

您可以在互联网上找到许多问题的数据集（一些是免费的，一些是花钱的），但大多数时候您需要创建自己的数据集，获取数据有三种主要方式：

1.手动创建

假如你想要建立一个分类器检测给定图片上是否有男人或女人。 要训练这样的分类器，你需要搜集一些男女图片。 然后，您需要为每个图像指定一个标签：men（标签1）或女人（标签2）。

2.用户行为

假如您经营一家电子商务公司并希望预测客户何时会进行购买，您可以通过观察用户在您网站上的行为来创建数据集。

3.使用免费数据源

像Kaggle上有许多免费的数据集资源。 还可以使用Google数据搜索 ，如果没有找到任何内容，还可以在数据市场上购买数据集。