人工智能在ios上的應(yīng)用

?

?

前言

近幾年來人工智能的話題那是炙手可熱。在國內(nèi)很多大佬言必談機器學(xué)習(xí)和大數(shù)據(jù)；在美國剛畢業(yè)的人工智能 PHD 也是眾人追捧，工資直逼 NFL 四分衛(wèi)。人工智能甚至成為了互聯(lián)網(wǎng)領(lǐng)域茶余飯后的話題 —— 仿佛不懂人工智能就是落伍了。

筆者作為一名 iOS 開發(fā)者，對于如火如荼的人工智能和機器學(xué)習(xí)，也保持了密切的追蹤和了解。這篇文章就是總結(jié)我在硅谷和西雅圖的所見所聞，拋磚引玉的與大家分享一下我對于人工智能的思考。

人工智能是什么？

關(guān)于人工智能（AI），我們經(jīng)常聽到這樣一些相關(guān)詞：大數(shù)據(jù)（Big Data），機器學(xué)習(xí)（Machine Learning），神經(jīng)網(wǎng)絡(luò)（Neural Network）。那么這些詞到底有什么區(qū)別？我們來看下面一則小故事。

從前有個程序員叫牛頓。他定義了一個方法來計算自由落體的速度：

1

2

3　　func getVelocity（time t： second） -》 Float {

return 9.8 * t

}

他是怎么得到這個方法的呢？牛頓自己被一個蘋果砸中之后，做了大量的邏輯推導(dǎo)和實驗論證之后，得到了這個公式。這是目前傳統(tǒng)意義上的寫程序方法 -- 理解清楚了事物的內(nèi)在邏輯和真相后，由人來定義方法。直到今天，絕大多數(shù)程序都是這么寫出來的。

而所謂的人工智能，就是機器自己定義方法。人工智能的實現(xiàn)方法有很多，比如可以讓機器來模擬大腦，然后像人一樣思考，從而定義方法。機器學(xué)習(xí)只是另一種實現(xiàn)人工智能的方法，就是由大數(shù)據(jù)定義方法。假如牛頓時期就有機器學(xué)習(xí)，它得出自由落體速度的過程是這樣的：

收集盡可能多的自由落體實驗數(shù)據(jù)。假如收集到的數(shù)據(jù)如下

負責(zé)人速度 （m/s）時間 （s）

伽利略9.81

牛頓19.62

達芬奇29.43

亞里士多德304

分析數(shù)據(jù)。機器學(xué)習(xí)會分析出，亞里士多德的數(shù)據(jù)有誤不予采納。其他三人的數(shù)據(jù)滿足同一規(guī)律。

定義方法。根據(jù)上面數(shù)據(jù)，機器學(xué)習(xí)得出結(jié)論，速度 = 時間 * 9.8。

隨著數(shù)據(jù)收集得越多，機器學(xué)習(xí)得到的結(jié)論就越準確。其實人類學(xué)習(xí)的過程也十分類似：書上有大量的知識（加工的數(shù)據(jù)），我們看了之后進行理解思考，然后得出自己的結(jié)論。