例如 NLP 、CV 这些,感觉用传统的算法来实现会十分困难
1
iOCZ 2023-08-06 13:30:22 +08:00 1
人工智能出现挺久了的,不同时代用不同的技术,编写规则、专家系统等。
计算机视觉: 70 年代中期,麻省理工学院( MIT )人工智能( AI )实验室:CSAIL 正式开设计算机视觉课程。 4 、20 世纪 80 年代 ,独立学科形成,理论从实验室走向应用 1980 年,日本计算机科学家 Kunihiko Fukushima 在 Hubel 和 Wiesel 的研究启发下,建立了一个自组织的简单和复杂细胞的人工网络——Neocognitron ,包括几个卷积层(通常是矩形的),他的感受野具有权重向量(称为滤波器)。这些滤波器的功能是在输入值的二维数组(例如图像像素)上滑动,并在执行某些计算后,产生激活事件( 2 维数组),这些事件将用作网络后续层的输入。Fukushima 的 Neocognitron 可以说是第一个神经网络 [2] ,是现代 CNN 网络中卷积层+池化层的最初范例及灵感来源。 |
2
woctordho 2023-08-06 13:52:15 +08:00 via Android
|
3
James369 2023-08-06 13:59:26 +08:00
寻找特征,发现规律
|
4
x77 2023-08-06 14:36:41 +08:00
NLP 在没有 AI 时是语音识别算法/软件库,主流的也就那几个,通过算法分析音频数据输出文本。这个在 AI 没起来时就有不错的效果,甚至可以用在一些设备中以支持语音指令。算法在很多设备甚至嵌入式设备上都可以运行,如今一些玩家、家电都有可能走的这个方案。
不过也只能语音识别也就识别语音的内容,没法理解语音的含义。现代 NLP 的意义在于后者,即理解,在没有 AI 的时候几乎看不到人讲如何通过算法来理解语言,有人讲通过算法不现实。 CV 也类似,没有 AI 的时候靠算法,不过 CV 的算法效果没有语音识别的好,应用得也没有语音指令之类的广。AI 起来后 CV 那些算法就渐渐没落了,转到神经网络的方案效果好很多。 |
5
danhahaha 2023-08-06 15:33:46 +08:00
用人工的智能
|
6
NoOneNoBody 2023-08-06 18:36:25 +08:00
之前到什么时候?
说得随意一点就是根据相似度作出选择 在计算机出现之前就有分类算法,基于“距离”的数学公式出现在 18~19 世纪(17xx 年~) 只不过在计算机出现后,能做越来越复杂的“相似度”计算,“选择”的选项也越来越多 |
7
gpt5 2023-08-06 19:24:16 +08:00
精妙的数学方法,奇技淫巧。
|
8
akira 2023-08-06 19:25:46 +08:00
是的,十分困难。 神经网络的那些个书,拿起来就开始催眠
|
9
murmur 2023-08-06 19:32:38 +08:00
感觉这个飞跃来的太快了,以前的人工智能还叫人工智障,现在的 GPT 中文比网友还好,标点用词准确,说话彬彬有礼,不像网友各个都是祖安键盘手。
都说大力出奇迹这奇迹来的也忒快了 |
10
DTCPSS 2023-08-06 19:38:15 +08:00
靠先验知识
|
11
churchill 2023-08-06 19:43:25 +08:00 1
在 AlphaGo 之前,棋类 AI 基本上是在 minimax 基础上做优化
在 DNN 大规模应用之前计算机视觉更多是在信号处理方向上努力(也许是?不确定) |