如何使用AI進行移動應(yīng)用開發(fā)

今天，人工智能和機器學習已被視為各個領(lǐng)域中大型組織的日常生活的一部分。人工智能的飛速發(fā)展(無人駕駛飛機的成就，在國際象棋和撲克上擊敗人類的能力，自動化的客戶服務(wù)和分析系統(tǒng))表明，人工智能是一項革命性的技術(shù)，旨在改變?nèi)藗兪褂迷O(shè)備和開展業(yè)務(wù)的方式。

智能機器的出現(xiàn)能夠以以前人類沒有注意到的方式解決難題。從發(fā)明之日到現(xiàn)在，AI技術(shù)一直在發(fā)展和改進。由于其學習能力，人工智能被廣泛應(yīng)用于許多領(lǐng)域。AI的特殊應(yīng)用包括專家系統(tǒng)，語音識別，機器學習和機器視覺。

根據(jù)Gartner的2019年CIO調(diào)查，在過去四年中，以某種形式實施AI技術(shù)的公司數(shù)量增長了270%，僅在過去一年中就增長了37%。

值得一提的是，在這種情況下，人工智能與純粹形式的實際自我感知智能機器無關(guān)。相反，它可以被視為網(wǎng)站和移動應(yīng)用程序開發(fā)人員使用的一系列應(yīng)用程序的通用術(shù)語。它們包括圖像和語音識別，認知計算，自動分析和機器學習。

驅(qū)動AI快速采用的主要因素有兩個。首先是獲得高質(zhì)量，適應(yīng)性強的學習模型。第二個是需要以一種更便宜，更有效的方式來管理大量數(shù)據(jù)，而不是在龐大的基礎(chǔ)架構(gòu)上進行大量投資。

人工智能：

由于人工智能和機器學習已成為許多企業(yè)不可或缺的一部分，因此這些術(shù)語通常可以互換使用。但是，這是不準確的。讓我們更仔細地研究這些技術(shù)，以了解它們之間的區(qū)別以及如何區(qū)分它們。

AI是描述高級計算機智能的廣義術(shù)語。人工智能可以包括從下棋程序到語音識別助手的任何內(nèi)容，例如蘋果的Siri和亞馬遜的Alexa。所有AI技術(shù)都屬于以下三類之一：狹窄或脆弱的AI，人工智能(AGI)和超智能AI。

狹窄AI的例子包括IBM的Deep Blue計劃，該計劃在1996年的國際象棋比賽中擊敗了Garry Kasparov，而Google DeepMind的AlphaGo在2016年的Go中擊敗了Lee Sedol。這些系統(tǒng)被設(shè)計為僅執(zhí)行一項任務(wù)或僅解決一個問題。相反，人工智能一般被認為與人腦處于同一水平，因為它可以執(zhí)行多種任務(wù)。

超智能AI比人類智能更先進。根據(jù)人工智能專家尼克·博斯特羅姆(Nick Bostrom)的說法，超級智能人工智能可以被描述為“比幾乎每個領(lǐng)域(包括科學創(chuàng)造力，一般智慧和社交技能)都最好的人腦更聰明的智能。”機器超越我們的時機可能到了在知識水平上。

ML：機器學習只是AI的眾多應(yīng)用之一。機器學習的關(guān)鍵原理是機器接收數(shù)據(jù)并據(jù)此自學。如今，機器學習工具已成為企業(yè)最受AI支持的工具。機器學習系統(tǒng)能夠應(yīng)用通過訓練從大量數(shù)據(jù)中獲得的知識，以便在面部和語音識別，對象識別，翻譯，聊天機器人等方面表現(xiàn)出色。盡管手工編碼程序需要特定指令才能完成任務(wù)，學會獨自識別模式以預(yù)測下一步。

Deep Blue和DeepMind是AI的類型。但是，深藍基于一組特定的規(guī)則，因此不能視為機器學習系統(tǒng)。同時，DeepMind的AlphaGo是ML算法的完美示例：它成功擊敗了Go的世界冠軍，因為它通過分析大量數(shù)據(jù)從經(jīng)驗豐富的玩家那里學到了專家的動作。