人工智能進入了一切領域——從自動駕駛汽車，到自動回復電子郵件，再到智能家居。 你似乎可以獲得任何商品（例如醫(yī)療健康，飛行，旅行等），并通過人工智能的特殊應用使其更加智能。所以除非你相信事件具有終結者般的轉折，你可能會問自己，人工智能能夠預示著工作場所或整體的業(yè)務線的什么利益。

　　人工智能主要有三個分支：

◆ ◆ ◆

1) 認知AI （cognitive AI）

　　認知計算是最受歡迎的一個人工智能分支，負責所有感覺“像人一樣”的交互。認知AI必須能夠輕松處理復雜性和二義性，同時還持續(xù)不斷地在數(shù)據(jù)挖掘、NLP（自然語言處理）和智能自動化的經(jīng)驗中學習。

　　現(xiàn)在人們越來越傾向于認為認知AI混合了人工智能做出的最好決策和人類工作者們的決定，用以監(jiān)督更棘手或不確定的事件。這可以幫助擴大人工智能的適用性，并生成更快、更可靠的答案。

◆◆ ◆

2) 機器學習AI （Machine Learning AI）

　　機器學習（ML）AI是能在高速公路上自動駕駛你的特斯拉的那種人工智能。它還處于計算機科學的前沿，但將來有望對日常工作場所產(chǎn)生極大的影響。機器學習是要在大數(shù)據(jù)中尋找一些“模式”，然后在沒有過多的人為解釋的情況下，用這些模式來預測結果，而這些模式在普通的統(tǒng)計分析中是看不到的。

　　然而機器學習需要三個關鍵因素才能有效：

　　a) 數(shù)據(jù)，大量的數(shù)據(jù)

　　為了教給人工智能新的技巧，需要將大量的數(shù)據(jù)輸入給模型，用以實現(xiàn)可靠的輸出評分。例如特斯拉已經(jīng)向其汽車部署了自動轉向特征，同時發(fā)送它所收集的所有數(shù)據(jù)、駕駛員的干預措施、成功逃避、錯誤警報等到總部，從而在錯誤中學習并逐步銳化感官。 一個產(chǎn)生大量輸入的好方法是通過傳感器：無論你的硬件是內(nèi)置的，如雷達，相機，方向盤等（如果它是一輛汽車的話），還是你傾向于物聯(lián)網(wǎng)(Internet of Things)。藍牙信標、健康跟蹤器、智能家居傳感器、公共數(shù)據(jù)庫等只是越來越多的通過互聯(lián)網(wǎng)連接的傳感器中的一小部分，這些傳感器可以生成大量數(shù)據(jù)（多到讓任何正常的人來處理都太多）。

　　b) 發(fā)現(xiàn)

　　為了理解數(shù)據(jù)和克服噪聲，機器學習使用的算法可以對混亂的數(shù)據(jù)進行排序、切片并轉換成可理解的見解。（如果你想嚇跑你的同事，請先聽聽常用的不同排序算法）

　　從數(shù)據(jù)中學習的算法有兩種，無監(jiān)督算法和有監(jiān)督算法。

　　無監(jiān)督算法只處理數(shù)字和原始數(shù)據(jù)，因此沒有建立起可描述性標簽和因變量。該算法的目的是找到一個人們沒想到會有的內(nèi)在結構。這對于深入了解市場細分，相關性，離群值等非常有用。

　　另一方面，有監(jiān)督算法通過標簽和變量知道不同數(shù)據(jù)集之間的關系，使用這些關系來預測未來的數(shù)據(jù)。這可能在氣候變化模型、預測分析、內(nèi)容推薦等方面都能派上用場。

　　c) 部署

　　機器學習需要從計算機科學實驗室進入到軟件當中。越來越多像CRM、Marketing、ERP等的供應商，正在提高嵌入式機器學習或與提供它的服務緊密結合的能力。

◆◆ ◆

3) 深度學習(Deep Learning)

　　如果機器學習是前沿的，那么深度學習則是尖端的。這是一種你會把它送去參加智力問答的AI。它將大數(shù)據(jù)和無監(jiān)督算法的分析相結合。它的應用通常圍繞著龐大的未標記數(shù)據(jù)集，這些數(shù)據(jù)集需要結構化成互聯(lián)的群集。深度學習的這種靈感完全來自于我們大腦中的神經(jīng)網(wǎng)絡，因此可恰當?shù)胤Q其為人工神經(jīng)網(wǎng)絡。

　　深度學習是許多現(xiàn)代語音和圖像識別方法的基礎，并且與以往提供的非學習方法相比，隨著時間的推移具有更高的準確度。

　　希望在未來，深度學習AI可以自主回答客戶的咨詢，并通過聊天或電子郵件完成訂單。 或者它們可以基于其巨大的數(shù)據(jù)池在建議新產(chǎn)品和規(guī)格上幫助營銷。或者也許有一天他們可以成為工作場所里的全方位助理，完全模糊機器人和人類之間的界限。

　　人工智能通過在其上使用的數(shù)據(jù)規(guī)模來生存和改進，這意味著不但我們能夠隨著時間的推移看到更好的人工智能，而且它們的發(fā)展將會圍繞著那些可以挖掘最大數(shù)據(jù)集的組織。

來源于網(wǎng)絡