你真的了解人工智能么钞护?

人工智能就是研究如何使計算機去做過去只有人才能做的工作,其核心是算法养渴±拙睿——美國麻省理工學院溫斯頓教授

一說起人工智能,大多數人腦海中浮現的或許是科幻電影中或者小說家口中的機器人厚脉,不久之前很火的AlphaGo习寸,能言善辯的Siri,李彥宏乘坐著無人駕駛汽車在北京五環(huán)兜風傻工,又或是亞馬遜熱賣且口碑極好的Echo等等霞溪。

"人工智能它究竟是什么孵滞?"對于這個問題我相信大多數人還是回答不上來或者回答得支支吾吾,只知道它是創(chuàng)業(yè)的風口鸯匹,能夠方便我們生活提高工作效率坊饶,很“聰明”,你說的都對殴蓬,但是只是說出這些其實你也只是個門外漢而已匿级。

讓我們先來看下四個名詞:模式識別,數據挖掘染厅,機器學習痘绎,智能算法组哩。(稍后我會拿今日頭條來簡單解釋下這四個詞宏侍。)

一個產品只要具備這四個名詞特征中的任何一個,它就是人工智能產品奕纫,它就走在當今的風口上涩馆。比如今日頭條行施。

今日頭條 ?= 人工智能

今日頭條不是一個新聞客戶端魂那,而是要做最懂用戶的信息平臺蛾号。— 張一鳴

今日頭條當初靠著個性化推薦從資訊類平臺中脫穎而出涯雅,成為了BAT都畏懼的對手鲜结,它是一個以技術型為導向的公司,并且它毫無疑問也是一個人工智能公司斩芭。說到這里轻腺,很多人納悶它不就是個比較有特點的資訊類平臺嗎,怎么會稱它為人工智能公司呢划乖?下面我來簡單解釋下。

在今日頭條剛剛成立時挤土,它是一個新聞聚合類產品琴庵,所謂的新聞聚合簡單來說就是通過一定的技術手段從其他平臺上(比如搜狐,網易仰美,新浪等)獲取文章迷殿,視頻等內容顯示到自己的產品中,我們不生產內容咖杂,我們只做內容的搬運工庆寺,開始因為這個問題今日頭條可是打了不少官司。這里其實就提到了算法的概念诉字。從其他平臺上獲取文章等內容是通過代碼來實現的懦尝,簡單來講知纷,代碼如何寫,通過一個怎么樣的過程來最終獲取到其他平臺上的內容且顯示在我們自己的平臺上陵霉,這就是算法琅轧,它是解決問題的步驟。

靠著這種手段踊挠,平臺一開始就有大量優(yōu)質內容乍桂,后來今日頭條開始大力推廣頭條號,吸引了無數的內容創(chuàng)業(yè)者加入效床,產品內容更加多元化并且版權問題也得到了一定程度的解決睹酌,在海量內容和用戶的基礎上,加之今日頭條個性化推薦機制剩檀,使它變得越來越強大憋沿。

這里提到的個性化推薦機制簡單來說是根據用戶的年齡,所在區(qū)域谨朝,愛好卤妒,瀏覽記錄等建立用戶模型,通過建立的用戶模型就能推薦給用戶他所感興趣的內容字币,而且用戶使用今日頭條時間越長则披,用戶模型更加接近用戶本身,那么系統(tǒng)推薦給用戶的信息就更加準確洗出。這里其實又提到了數據挖掘和機器學習的概念士复。我們能從海量的信息中通過算法篩選出我們需要的、對我們有用的信息翩活,這個過程其實就是數據挖掘阱洪。比如這里我們提到的系統(tǒng)能夠從海量的內容中篩選出某個用戶感興趣的信息。

系統(tǒng)能夠通過大量數據不斷得完善自己菠镇,更新已有的知識架構冗荸,以提高自身的性能,這個過程就是機器學習利耍,比如這里提到的系統(tǒng)通過用戶瀏覽記錄等數據的不斷輸入蚌本,系統(tǒng)能建立更加完善的用戶模型,該模型能夠更加準確地推薦給用戶信息隘梨,也就是說系統(tǒng)的功效會在數據的不斷輸入下不斷提升程癌。

隨著頭條號的不斷增多,難免有些人通過圖片轴猎,音頻等方式傳遞不良信息嵌莉,對平臺和其他內容創(chuàng)作者的利益造成了極大的損害,對作者發(fā)布的內容人工審核是必要的捻脖,但是成本實在是太大锐峭,于是先通過技術手段識別圖片中鼠,音頻內的信息,過濾掉不良信息只祠,再進行人工審核兜蠕,極大地減小了成本提高了效率。這里其實就提到了模式識別抛寝,目前市面上比較常見的產品有語音識別系統(tǒng)熊杨,圖像識別系統(tǒng)等。

這四個名詞到現在就解釋完了盗舰,上面的說法其實是比較片面的理解晶府,如果要具體了解其的含義的話,還請自行百度參考下專家文獻钻趋,這里我就不多說了川陆。

你再接著想想你口中提到的人工智能(自動駕駛,Siri蛮位,Echo音箱等)它們是不是也至少具備其中的一個特征呢较沪。

今日頭條如今走在人工智能的風口上你現在還質疑嗎?你現在是否對人工智能有了更全面的認識失仁?

小結

人工智能的核心是算法尸曼,算法,算法萄焦。(重要的事情說三遍?亟巍)

算法是實現智能的基石,有了算法我們能從海量的數據中(這里包含文字拂封,圖片茬射,音頻等)提取出我們需要的信息,幫助我們做出重要的決策冒签,有了大量信息數據在抛,讓機器能夠像人類一樣“學習”,有了這么多智能產品萧恕,所有的效率都將得到提升霜定,單個成本也自然降低,這難道不該值得慶賀嗎廊鸥?

一場人工智能革命即將到來。

微信公眾號:多一點思考辖所,互聯網行業(yè)資訊報道惰说,關注有驚喜!

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末缘回,一起剝皮案震驚了整個濱河市吆视,隨后出現的幾起案子典挑,更是在濱河造成了極大的恐慌,老刑警劉巖啦吧,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件您觉,死亡現場離奇詭異,居然都是意外死亡授滓,警方通過查閱死者的電腦和手機琳水,發(fā)現死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來般堆,“玉大人在孝,你說我怎么就攤上這事』此ぃ” “怎么了私沮?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長和橙。 經常有香客問我仔燕,道長,這世上最難降的妖魔是什么魔招? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任晰搀,我火速辦了婚禮,結果婚禮上仆百,老公的妹妹穿的比我還像新娘厕隧。我一直安慰自己,他們只是感情好俄周,可當我...
    茶點故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布吁讨。 她就那樣靜靜地躺著,像睡著了一般峦朗。 火紅的嫁衣襯著肌膚如雪建丧。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天波势,我揣著相機與錄音翎朱,去河邊找鬼。 笑死尺铣,一個胖子當著我的面吹牛拴曲,可吹牛的內容都是我干的。 我是一名探鬼主播凛忿,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼澈灼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起叁熔,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤委乌,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后荣回,有當地人在樹林里發(fā)現了一具尸體遭贸,經...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年心软,在試婚紗的時候發(fā)現自己被綠了壕吹。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 37,997評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡糯累,死狀恐怖算利,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情泳姐,我是刑警寧澤效拭,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站胖秒,受9級特大地震影響缎患,放射性物質發(fā)生泄漏。R本人自食惡果不足惜阎肝,卻給世界環(huán)境...
    茶點故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一挤渔、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧风题,春花似錦判导、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至摇肌,卻和暖如春擂红,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背围小。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工昵骤, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人肯适。 一個月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓变秦,卻偏偏與公主長得像,于是被迫代替她去往敵國和親框舔。 傳聞我的和親對象是個殘疾皇子伴栓,可洞房花燭夜當晚...
    茶點故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內容