你真的了解人工智能么?

人工智能就是研究如何使计算机去做过去只有人才能做的工作,其核心是算法。——美国麻省理工学院温斯顿教授

一说起人工智能,大多数人脑海中浮现的或许是科幻电影中或者小说家口中的机器人,不久之前很火的AlphaGo,能言善辩的Siri,李彦宏乘坐着无人驾驶汽车在北京五环兜风,又或是亚马逊热卖且口碑极好的Echo等等。

"人工智能它究竟是什么?"对于这个问题我相信大多数人还是回答不上来或者回答得支支吾吾,只知道它是创业的风口,能够方便我们生活提高工作效率,很“聪明”,你说的都对,但是只是说出这些其实你也只是个门外汉而已。

让我们先来看下四个名词:模式识别,数据挖掘,机器学习,智能算法。(稍后我会拿今日头条来简单解释下这四个词。)

一个产品只要具备这四个名词特征中的任何一个,它就是人工智能产品,它就走在当今的风口上。比如今日头条

今日头条 ?= 人工智能

今日头条不是一个新闻客户端,而是要做最懂用户的信息平台。— 张一鸣

今日头条当初靠着个性化推荐从资讯类平台中脱颖而出,成为了BAT都畏惧的对手,它是一个以技术型为导向的公司,并且它毫无疑问也是一个人工智能公司。说到这里,很多人纳闷它不就是个比较有特点的资讯类平台吗,怎么会称它为人工智能公司呢?下面我来简单解释下。

在今日头条刚刚成立时,它是一个新闻聚合类产品,所谓的新闻聚合简单来说就是通过一定的技术手段从其他平台上(比如搜狐,网易,新浪等)获取文章,视频等内容显示到自己的产品中,我们不生产内容,我们只做内容的搬运工,开始因为这个问题今日头条可是打了不少官司。这里其实就提到了算法的概念。从其他平台上获取文章等内容是通过代码来实现的,简单来讲,代码如何写,通过一个怎么样的过程来最终获取到其他平台上的内容且显示在我们自己的平台上,这就是算法,它是解决问题的步骤。

靠着这种手段,平台一开始就有大量优质内容,后来今日头条开始大力推广头条号,吸引了无数的内容创业者加入,产品内容更加多元化并且版权问题也得到了一定程度的解决,在海量内容和用户的基础上,加之今日头条个性化推荐机制,使它变得越来越强大。

这里提到的个性化推荐机制简单来说是根据用户的年龄,所在区域,爱好,浏览记录等建立用户模型,通过建立的用户模型就能推荐给用户他所感兴趣的内容,而且用户使用今日头条时间越长,用户模型更加接近用户本身,那么系统推荐给用户的信息就更加准确。这里其实又提到了数据挖掘和机器学习的概念。我们能从海量的信息中通过算法筛选出我们需要的、对我们有用的信息,这个过程其实就是数据挖掘。比如这里我们提到的系统能够从海量的内容中筛选出某个用户感兴趣的信息。

系统能够通过大量数据不断得完善自己,更新已有的知识架构,以提高自身的性能,这个过程就是机器学习,比如这里提到的系统通过用户浏览记录等数据的不断输入,系统能建立更加完善的用户模型,该模型能够更加准确地推荐给用户信息,也就是说系统的功效会在数据的不断输入下不断提升。

随着头条号的不断增多,难免有些人通过图片,音频等方式传递不良信息,对平台和其他内容创作者的利益造成了极大的损害,对作者发布的内容人工审核是必要的,但是成本实在是太大,于是先通过技术手段识别图片,音频内的信息,过滤掉不良信息,再进行人工审核,极大地减小了成本提高了效率。这里其实就提到了模式识别,目前市面上比较常见的产品有语音识别系统,图像识别系统等。

这四个名词到现在就解释完了,上面的说法其实是比较片面的理解,如果要具体了解其的含义的话,还请自行百度参考下专家文献,这里我就不多说了。

你再接着想想你口中提到的人工智能(自动驾驶,Siri,Echo音箱等)它们是不是也至少具备其中的一个特征呢。

今日头条如今走在人工智能的风口上你现在还质疑吗?你现在是否对人工智能有了更全面的认识?

小结

人工智能的核心是算法,算法,算法。(重要的事情说三遍!)

算法是实现智能的基石,有了算法我们能从海量的数据中(这里包含文字,图片,音频等)提取出我们需要的信息,帮助我们做出重要的决策,有了大量信息数据,让机器能够像人类一样“学习”,有了这么多智能产品,所有的效率都将得到提升,单个成本也自然降低,这难道不该值得庆贺吗?

一场人工智能革命即将到来。

微信公众号:多一点思考,互联网行业资讯报道,关注有惊喜!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345

推荐阅读更多精彩内容