人工智能带动科学的转变，掀起一场无声的革命

 　　大数据已经达到了匹配。在这片数据的田野里，收集数据的能力在生物学上爆炸式增长，其基因组和蛋白质数量迅速增长;在天文学中，从云空间调查中抓去可用的数据;在社会科学中，挖掘数百万的在互联网上弹起的帖子和文章。数据泛滥可以压倒人类的洞察力和分析能力，但是帮助实现这一目标的计算机进步也引发了强大的新工具，使其全部了解作为个体人的大脑所没有的能力程度。

　　在一场涉及大部分科学的革命中，研究人员通常以人造神经网络的形式在数据洪流中释放人工智能（AI）。与早期对AI的尝试不同，这种“深度学习”系统不需要用人类专家的知识来编程。相反，他们自己学习，往往是从大量的训练数据集，直到他们能够看到数据集中的模式和现象异常，这些异常比人类能够应付的要大得多。

　　人工智能不仅仅是科学的转变，在智能手机上跟你说话，走在无人驾驶汽车的路上，令人不安的未来主义者担心会导致大规模的失业。对于科学家来说，前景是光明的：AI承诺增加发现的过程。

　　然而，与于研究生或博士后不同，神经网络不能解释他们的想法：导致结果的计算是隐藏的。所以他们的兴起产生了一个称为“AI神经科学”的领域：努力打开黑匣子的神经网络，建立对他们产生的见解的信心。

　　理解机器内部的思维可能会变得更加迫切，因为AI在科学中的作用扩大。已经有一些先驱们转向AI来设计和实施实验以及解读结果，开辟了全自动化科学的前景。不知疲倦的人工智能工人可能很快就会成为一个成熟的同事，或者是你的领导，想想多么可怕。但有时值得期待的，毕竟也是你的良师益友。

　　人工智能，用这么多话来说：（以下内容分析）

　　人工智能（AI）是什么意思？这个词从来没有过界。当它在达特茅斯学院的一个1956年的一个精采的讲习班上被介绍时，它被广泛地解读为使一台机器的行为方式如果在人类中被视为智能的。AI最近的一个重要进展是机器学习，它显示了从拼写检查到自驾车的技术，并且常常被称为神经网络的计算机系统。对AI的任何讨论也可能包括其他术语。

　　算法一套分步说明：计算机算法可以简单（如果是下午3点，发送提醒）或复杂（识别行人）。

　　反向传播算法：他们发现他们的输出和期望的输出之间的差异，然后根据执行顺序调整计算。

　　BLACKBOXA描述了一些深度学习系统：他们接受输入并提供输出，但是在这两者之间发生的计算并不容易解释。

　　深度学习：一个具有多层次的神经网络成为敏捷的，更为抽象的抽象模式。放映照片时，图层可能会首先对边缘产生响应，然后再向内查看，然后快速识别图像，给出处理结果。最后执行命令，然后学习记录，建立记录集，汇编数据库。学习成功。

　　专家系统AI的形式：试图在医疗诊断领域复制人类的专长。它将知识库与一组用于应用该知识的手写编码规则相结合。机器学习技术越来越多地取代手工编码。比如很复杂的一个手术，人工智能机器人在初级价段就已经学习好内外科，那么进入复杂手术他会很快的处理复杂的手术，人类在处理复杂手术时会因为各种因素无法很好的进行，人工智能可以一步步进入指定阶段，全世界搜集可用数据学习分析，最后处理完手术，给出手术结论，供人类参考学习。

　　一般性的专业网络：一对共同训练的神经网络：生成逼真的新数据，并通过竞争得到改善。一个网络创造了新的例子，另一个试图检测数据的真假，相互作用得出最优结果。

　　机器学习：使用在没有明确指令的情况下在数据中查找模式的算法。系统可能会了解如何将输入的功能与图像与输出（如标签）相关联。比如一张打了马赛克的图像，它可以很准确的回复和处理，就像比戴着眼镜戴着口罩，他也可以根据你的轮廓把你显示出来。当然还有更奇特的。

　　自然语言：处理计算机试图“理解”口语或书面语言。它必须解析词汇，语法和意图，并允许语言使用的变化。该过程通常涉及机器学习。比如咱们的中国话包括方言，不久的将来他会学习的也许比你我更顺口。比如：你吃了吗？你喝了吗？哪里玩儿去？......

　　神经网络：是机器学习中人类脑部的高度抽象和简化模型。一组输入（例如aphoto中的像素）的单元接收片段对它们执行简单的计算，并将它们传递到下一层单元。最后一层代表了答案。

　　神经形态芯片：计算机芯片设计为充当神经网络。它可以是模拟，数字或组合。

　　感知器：早期类型的神经网络，在20世纪50年代开发。后来显示有限制，抑制神经网络的兴趣多年。

　　加强学习机器：学习方法，通过采取“抽取高视频游戏得分”或“有效管理工厂”等抽象目标来实现算法学习。在训练过程中，根据对目标的贡献进行评估。

　　强大的AI：是一个像人类一样聪明和计算周全的人。有人说这是不可能的。目前的AI是弱的，还是狭隘的，它可以下棋或者开车，但不能两者兼有，缺乏常识。

　　监督学习：类型的机器学习，其中该算法在训练期间将其输出与正确的输出进行比较。在无监督学习中，该算法仅在一组数据中查找模式。

　　TENSORFLOWA由Google开发的用于深度学习的软件工具集。它是开源的，意思是可以使用或改进它。

　　迁移学习技术机器学习：其中算法执行一个任务，例如识别汽车，并在学习不同的相关任务（例如识别猫）时建立在该知识上。根部不同环节不同环境进行的一种可以迁移是的数据学习，就是“多面手”，有道是：艺多不压身。

AMOGREENTECH KS-HF 超级铁硅铝   www.emcdh.com