計(jì)算機(jī)“看”我們的世界長(zhǎng)啥樣？

計(jì)算機(jī)雖然有了人工智能的程序支持，但事實(shí)上也不能將其機(jī)器學(xué)習(xí)的功能等同于像人類那樣。至少，到目前還不是這樣。那么，向Google的圖片識(shí)別或者Facebook的M應(yīng)用等一類系統(tǒng)，它們是怎么能夠理解自然語(yǔ)言或視覺的呢？

下面，是人工智能系統(tǒng)Josh的自我獨(dú)白：

簡(jiǎn)而言之，我們將單詞和短語(yǔ)的含義以數(shù)字的形式儲(chǔ)存在計(jì)算機(jī)上。目前，市場(chǎng)上有許多這類產(chǎn)品，比如將單詞轉(zhuǎn)換成向量形式的工具word2vec，該工具使用淺人工神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算文字嵌入。此外也有一些諸如記憶網(wǎng)絡(luò)的技術(shù)，能夠自主學(xué)習(xí)文本，進(jìn)行一些簡(jiǎn)單有限的問(wèn)答。

在過(guò)去的幾年中，由于先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)算法有了許多驚人的成果，圖像識(shí)別和數(shù)字信號(hào)處理技術(shù)異�；鸨�。但是相比較之下，同是人工智能領(lǐng)域的理解自然語(yǔ)言方面似乎顯得困難得多，為什么呢？

自然語(yǔ)言處理本質(zhì)上是另一種約束關(guān)系的問(wèn)題

研究自然語(yǔ)言是困難的，很多時(shí)候甚至超過(guò)了我們的想象——因?yàn)檎Z(yǔ)言永遠(yuǎn)不變的是改變，因?yàn)槿�世界有千萬(wàn)種語(yǔ)言……無(wú)論你的觀點(diǎn)是什么，自然語(yǔ)言難以為算法所處理的最大原因是——我們沒有足夠多的樣本。

確實(shí)，我們擁有大量的文本資源，包括書籍、博客、社交媒體等。但即便如此，我們得到的用以分析的文本相對(duì)來(lái)說(shuō)還顯得不足。看一看以下圖片：

當(dāng)我們分析音頻數(shù)據(jù)，或者圖像數(shù)據(jù)時(shí)，事實(shí)上我們得到的數(shù)據(jù)信息比人類意識(shí)中的要多。以佳能5D Mark III相機(jī)為例，攝影領(lǐng)域的人通常會(huì)說(shuō)這是一個(gè)令人尊敬的相機(jī)，因?yàn)樗�有�?760 x 3840的分辨率。因?yàn)槊總�(gè)顏色像數(shù)都分別由紅、藍(lán)、綠、α值（RGBA）來(lái)表示，所以每個(gè)像素?fù)碛?個(gè)標(biāo)準(zhǔn)數(shù)值。在其原始格式當(dāng)中，一張這種像素的圖片大約含有 88.47 MB數(shù)據(jù)。相比較之下，莎士比亞的所有作品也只有4.4 MB。一個(gè)像數(shù)等于4個(gè)字節(jié)，一個(gè)字符則占一個(gè)字節(jié)。

• 構(gòu)建人工智能模型基礎(chǔ)：TFDS和Keras的完美搭配
• 遷移學(xué)習(xí)：人工智能模型訓(xùn)練的絕學(xué)
• Ryght：專為醫(yī)療保健和生命科學(xué)領(lǐng)域打造的生成式人工智能平臺(tái)
• 現(xiàn)在有什么免費(fèi)好用的人工智能工具嗎？
• 現(xiàn)在人工智能賽道很火熱，信也科技在這方面有沒有什么建樹？