人工智能

自从2012年以来，深度学习（Deep Learning）就以一种势如破竹之势突破了一个个经典的人工智能问题。面对人工智能的快速发展，你不想了解它的基本工作原理吗？

想搞清楚什么是深度学习，要先从人工智能说起，自从 1956 年计算机科学家们在达特茅斯会议(Dartmouth Conferences)上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，我们梦想着拥有人类五感(甚至更多)、推理能力以及人类思维方式的神奇机器。如今，虽然梦想的局面还没有出现，但是稍微弱一点的人工智能已经大行其道了，比如：图像识别、语音识别、多语言翻译等。

机器学习是实现人工智能的一种重要方法。机器学习的概念来自早期的人工智能研究者，简单来说，机器学习就是使用算法分析数据，从中学习并自动归纳总结成模型，最后使用模型做出推断或预测。与传统的编程语言开发软件不同，我们使用大量的数据送给机器学习，这个过程叫做“训练”。

人工智能是近年来科技发展的重要方向，在大数据时代，对数据采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据的开发过程中，有哪些特别需要注意的要点?

人工智能领域的算法大师、华盛顿大学教授Pedro Domingos对此进行了深入思考。

在我们新近翻译的《智能Web算法》(第2版)中，对Pedro Domingos教授的观点进行了高度的概括，提炼出12个注意点，为行业开发实践提供了重要参考：

注意点1：你的数据未必可靠

在实际应用中，有很多各种各样的原因会导致你的数据是不可靠的。因此，当你将数据用于解决问题前，必须经常留心来检查数据是否值得信赖。如果基于糟糕的数据来挖掘，无论多么聪明的人也永远只会获得糟糕的结果。下面列举了一些常见的可导致数据可靠性问题的因素：

用于开发的数据，往往和实际情况下的数据分布不同。例如也许你想把用户按照身高划分为“高”、“中等”、“矮”三档，但如果系统开发时使用的数据集里最低用户的身高是6英尺(184cm)，那么很有可能你开发出来的系统里会把一个“仅有6英尺”的用户称为“矮”用户

选自 | Forbes
编译 | 网易智能（公众号 smartman163）
参与 | 晗冰

据国外媒体报道，近日《福布斯》采访了与人工智能相关的120位高管，就2019年人工智能将会如何进行了展望。对于未来的人工智能，虽然众说纷纭，但无疑是期望人工制更实用、更精确、为社会带来更好的未来。

“自动化金融是人工智能的一种实际应用，全球数百万银行客户已经开始以多种形式应用这种人工智能，未来几年会越来越好。”基于目前世界各地银行正在进行的项目，我看到越来越多的客户将依赖人工智能“提升”他们的财务状况，通过自动化应用来帮助实现财务目标。为了提供有效的自动化金融，金融机构将需要针对每一个客户群所在细分领域(如零售、小企业和财富)开发专用的人工智能，从更通用的人工智能形式转向嵌入主题知识和专业技能的特定领域解决方案。”
—— 以色列金融科技创新公司Personetics联合创始人兼首席执行官David Sosna

编者按：未来会怎样？没人知道，但是人人都可以设想。从AI、区块链、无人机，到AR/VR、无人车，乃至于物联网、微芯片、纳米机器人、CRISPR，以及智能微尘、数字孪生等，AI专家Adrien Book汇编了各种有可能成为下一个大事物的颠覆性技术，把它们分成无聊的意料之中、还算过得去、非常令人兴奋以及很晦涩但非常令人兴奋这四类，不妨看看谁最有可能率先取得突破吧。

作为一个稍纵即逝的概念，技术被记者、创业者和投资者无休止地关注着，希望靠留意和投资下一个大事物而赚大钱。以至于在这个过程中有时候他们会失去理智，弄出一些非常愚蠢的东西。这群快乐的预言者往往看不到以史为鉴的讽刺性。在一个创新和改变是取得进步的命脉的领域过于依赖过去的数据作为未来情况的信号。

但是读者对此依然买账，因为我们作为人喜欢那种可预测以及清晰的叙述的感觉。因此为了让大家达成一些共识，以下是我对未来科技的一些预测，其中既有以及被讨论得烂大街的无聊东西，也有那些似乎很怪异或者不大可能的东西，对于后者我反而愿意投钱。

无聊的意料之中的东西

AI/机器学习/深度学习