人工智能IBM（IBM 是世界上人工智能的最高代表）

人工智能IBM，原文标题：什么是人工智能？-来自IBM的解释。

人工智能利用计算机和机器来模拟人类思维的解决问题和决策能力。

虽然人工智能 （AI） 的一些定义在过去几十年中已经浮出水面，但 John McCarthy 在 2004 年的论文（PDF，106 KB）（链接位于 IBM 之外）中提供了以下定义，"这是制造智能机器，尤其是智能计算机程序的科学和工程。它与使用计算机来了解人类智力的类似任务有关，但人工智能不必局限于生物学上可以观察到的方法。

然而，在这个定义之前的几十年，人工智能对话的诞生被艾伦·图灵的开创性著作"计算机械和智能"（PDF，89.8 KB）所表示，该作品于1950年出版。在本文中，经常被称为"计算机科学之父"的图灵问了以下问题："机器能思考吗？从那里，他提供了一个测试，现在被称为"图灵测试"，其中人类审讯者将尝试区分计算机和人类文本响应。虽然这项测试自发布以来经历了许多审查，但它仍然是人工智能历史的重要组成部分，也是哲学中一个持续的概念，因为它利用了围绕语言学的想法。

斯图尔特·罗素和彼得·诺维格随后出版了《人工智能：现代方法》，成为人工智能研究的主要教科书之一。在其中，他们深入探讨了人工智能的四个潜在目标或定义，这些目标或定义根据合理性和思维与行为性对计算机系统进行了区分：

人类方法：像人类一样思考的系统；像人类一样的系统；

理想方法：理性思考的系统；理性行事的系统

艾伦·图灵的定义属于"像人类一样的系统"的范畴。

人工智能是最简单的形式，它结合了计算机科学和强大的数据集，使问题得以解决。它还包括机器学习和深度学习的子领域，这些领域经常与人工智能一起被提及。这些学科由人工智能算法组成，这些算法旨在创建基于输入数据进行预测或分类的专家系统。

今天，许多炒作仍然围绕人工智能的发展，这是任何新兴技术在市场上的预期。正如Gartner 的炒作周期（链接位于 IBM 之外）中所指出的那样，自动驾驶汽车和个人助理等产品创新遵循"典型的创新进展，从过度热情到幻灭期，到最终了解创新在市场或领域中的相关性和作用。正如莱克斯·弗里德曼在2019年麻省理工学院的演讲中指出的（01：08：15），我们处于过高期望的顶峰，接近幻灭的低谷。

随着围绕人工智能伦理的对话出现，我们可以开始看到幻灭低谷的最初一瞥。要阅读更多关于IBM在人工智能伦理对话中的立场，请在此处阅读更多内容。

人工智能类型 -弱 AI 与强 AI

弱 AI也称为窄 AI 或人工智能 （ANI）-是 AI 训练有素且专注于执行特定任务的。弱 AI 驱动我们今天周围的大多数 AI。"窄"可能是这种类型的人工智能的更准确的描述，因为它绝不是弱的;它支持一些非常强大的应用程序，如苹果的Siri，亚马逊的亚历克萨，IBM沃森和自动驾驶汽车。

强 AI 由人工智能 （AGI） 和人工智能 （ASI） 组成。人工智能（AGI）或一般人工智能是人工智能的一种理论形式，机器的智能与人类相当：它将有一种自我意识，有能力解决问题，学习和规划未来。人工智能（ASI）也被称为超级智能，将超越人类大脑的智力和能力。虽然强大的人工智能仍然是完全理论性的，目前没有实际的例子使用，但这并不意味着人工智能研究人员也没有探索它的发展。与此同时，ASI最好的例子可能来自科幻小说，如2001年的超人、流氓电脑助理HAL：太空奥德赛。

深度学习与机器学习

由于深度学习和机器学习往往可以互换使用，因此值得注意的是两者之间的细微差别。如上所述，深度学习和机器学习都是人工智能的子领域，深度学习实际上是机器学习的子领域。

深度学习实际上由神经网络组成。深度学习中的"深度"是指由三层以上组成的神经网络，该网络将包含输入和输出可被视为深度学习算法。这通常使用以下图表表示：

深度学习和机器学习的不同之处在于每个算法的学习方式。深度学习使过程的大部分功能提取部分自动化，消除了所需的一些人工人工干预，并允许使用更大的数据集。你可以像莱克斯·弗里德曼在麻省理工学院的同一堂演讲中指出的那样，把深度学习看作是"可扩展的机器学习"。经典，还是"非深"，机器学习更依赖于人为干预来学习。人类专家确定特征的层次结构，以了解数据输入之间的差异，通常需要更多的结构化数据来学习。

"深度"机器学习可以利用标记的数据集（也称为受监督学习）来通知其算法，但它不一定需要标记数据集。它可以以原始形式（例如文本、图像）摄入非结构化数据，并且可以自动确定区分不同类别数据的功能层次结构。与机器学习不同，处理数据不需要人工干预，这使我们能够以更有趣的方式扩展机器学习。

人工智能应用

如今，人工智能系统在现实世界中的应用非常多。以下是一些最常见的示例：

语音识别：它也被称为自动语音识别 （ASR）、计算机语音识别或语音到文本，并且它是一种使用自然语言处理 （NLP） 将人类语音处理成书面格式的能力。许多移动设备将语音识别纳入其系统，以便进行语音搜索，例如 Siri-或在发短信时提供更多可访问性。

客户服务：在线虚拟代理正在取代客户旅程中的人工代理。他们回答经常提出的问题（FAQ），围绕主题，如航运，或提供个性化的建议，交叉销售产品或建议用户的规模，改变我们看待客户参与网站和社交媒体平台的方式。示例包括在具有虚拟代理的电子商务网站上发送机器人、消息应用程序（如 Slack 和 Facebook 信使）以及通常由虚拟助手和语音助理执行的任务。

计算机视觉：这种人工智能技术使计算机和系统能够从数字图像、视频和其他视觉输入中获取有意义的信息，并且基于这些输入，它可以采取行动。这种提供建议的能力将其与图像识别任务区分开来。计算机视觉以循环神经网络为动力，在社交媒体中具有照片标记、医疗保健中的放射成像和汽车行业的自动驾驶汽车中的应用。

推荐引擎：使用过去的消费行为数据，AI 算法可以帮助发现可用于开发更有效的交叉销售策略的数据趋势。这用于在在线零售商结账过程中向客户提供相关的附加建议。

自动股票交易：AI 驱动的高频交易平台旨在优化股票投资组合，无需人工干预，每天进行数千次甚至数百万次交易。

人工智能的历史：关键日期和名称

"思考机器"的想法可以追溯到古希腊。但是，自从电子计算问世以来（与本文所讨论的一些主题相比），人工智能发展过程中的重要事件和里程碑包括：

1950：艾伦·图灵出版《计算机械与智能》。在论文中，图灵因在二战期间打破纳粹的ENIGMA密码而闻名，他建议回答"机器能思考吗？自那以后，图灵测试的价值一直存在争议。

1956：约翰·麦卡锡在达特茅斯学院的首次人工智能会议上将"人工智能"一词称为"人工智能"。（麦卡锡将继续发明利斯普语。同年晚些时候，艾伦·纽厄尔、J·肖.C和赫伯特·西蒙创建了逻辑理论家，这是有史以来第一个运行人工智能软件程序。

1967：弗兰克·罗森布拉特制造了马克1感知器，这是第一台基于神经网络的计算机，通过反复试验"学习"。仅仅一年后，马文·明斯基和西摩·派特出版了一本名为《感知龙》的书，这本书既成为神经网络上的里程碑式作品，也至少在一段时间内成为反对未来神经网络研究项目的论据。

20 世纪 80 年代：使用反向传播算法训练自己的神经网络在人工智能应用中被广泛使用。

1997：IBM的深蓝在一场国际象棋比赛中击败了当时的世界国际象棋冠军加里·卡斯帕罗夫（和复赛）。

2011：IBM 沃森击败冠军肯詹宁斯和布拉德鲁特在杰帕迪！

2015：百度的Minwa超级计算机使用一种叫做集中神经网络的特殊深度神经网络来识别和分类图像，其准确率高于一般人。

2016：DeepMind的阿尔法戈项目，由深神经网络驱动，在五场比赛中击败了世界冠军围棋选手李·索多尔。胜利是巨大的，因为大量的可能移动，随着游戏的进展（超过14.5万亿后，只有四个动作！后来，谷歌以4亿美元收购了DeepMind。

应用的前景：

随着全球近一半的 IT 专业人员引用人工智能的进步使其更容易获得，采用率将加快

由于 COVID-19 驱动采用，业务需求发生变化

IBM（纽约证交所代码：IBM）委托进行的最新市场调查发现，全球接受调查的IT专业人员中，近三分之一的人表示，他们的业务现在使用人工智能（AI），43%的受访者表示，由于COVID-19大流行，他们的公司加快了人工智能的推广。虽然该技术的最新进展使人工智能比以往更加容易获得，但年度调查还发现，人工智能技能的缺乏和数据复杂性的提高被认为是最大的挑战。

由晨间咨询代表IBM进行的"2021年全球人工智能采用指数"显示，尽管去年人工智能的采用率几乎持平，但随着全球大流行导致业务需求的变化，人工智能需求加速增长，这一势头正在转变。AI 已经改变了企业今天的运营方式，从通过虚拟助理与客户沟通的方式，到自动化关键工作流程，甚至管理网络安全。IBM商业价值研究所的"2021年CEO研究"最近显示，超过半数的受访CEO预计人工智能将在未来几年内带来切实的业务利益。

"2021年全球人工智能采用指数"的亮点包括：

AI 的业务采用基本持平，但计划对 AI 进行重大投资：近三分之一的公司报告在其业务中使用人工智能，与2020年的调查结果相似。对于那些部署或探索人工智能的人来说，他们报告说，它正受到企业面临的多重压力和机遇的驱动，从COVID-19大流行到技术的进步，使得人工智能更容易获得。三分之一的全球 IT 专业人员报告说，他们的公司计划在未来 12 个月内在技能和 AI 解决方案方面进行投资。

COVID-19 加速了当今企业使用自动化的方式：80% 的公司已经在使用自动化软件或计划在未来 12 个月内使用此技术，对于超过三分之一的组织来说，这一大流行病影响了他们使用自动化来提高员工生产力的决定，而其他公司则发现了该技术的新应用，以增强自身的弹性， 例如帮助自动解决 IT 事件。

可信且可解释的 AI 对业务至关重要：91% 使用 AI 的企业表示，他们解释 AI 如何做出决策的能力至关重要。虽然全球企业现在敏锐地意识到拥有值得信赖的人工智能的重要性，但超过一半的公司列举了在达到这个水平方面存在重大障碍，包括缺乏技能、缺乏灵活性的治理工具、有偏见的数据等等。

在任何地方访问数据的能力是增加 AI 采用的关键：整个企业数据的激增导致超过三分之二的全球 IT 专业人员从 20 多个不同的数据源中获取信息，以告知其 AI。近 90% 的 IT 专业人士表示，无论数据位于何处，都能运行其 AI 项目是技术采用的关键。

自然语言处理是最近采用的前沿：目前，近一半的企业使用由自然语言处理 （NLP） 支持的应用程序，四分之一的企业计划在未来 12 个月内开始使用 NLP 技术。客户服务是 NLP 使用率最高的案例，52% 的全球 IT 专业人员报告说，他们的公司正在使用或考虑使用 NLP 解决方案来改善客户体验，而 AI 案例 IT 专业人员最有可能报告 COVID-19 大流行增加了他们的注意力。

IBM云和数据平台高级副总裁 Rob Thomas 表示："随着组织走向大流行后的世界，2021 年全球 AI 采用指数的数据突显了人工智能投资的大幅增长。"这些投资中的大多数继续专注于定义业务人工智能的三个关键功能 – 实现 IT 和流程自动化、建立对 AI 结果的信任以及理解业务语言。我们相信，随着客户寻找新的创新方法，利用混合云和 AI 推动其数字化转型，这些投资将继续快速增长。

虽然采用率有望增长，但一些全球企业在采用人工智能方面仍面临诸多挑战。市场和行业的持续障碍突出表明，需要继续关注解决技能和解决方案方面的差距。

调查确定了企业采用人工智能的三大障碍：：人工智能专业知识或知识有限（39%），数据复杂性和数据孤岛增加（32%），缺乏开发人工智能模型的工具/平台（28%）。

IBM 正在努力通过提供专为企业需求设计的 AI 来加速采用。为了给企业、数据科学家和开发人员扩展人工智能所需的能力，IBM 不断从 IBM Research 为 IBM Watson 带来新的创新，帮助企业更好地了解业务语言、自动化流程和 IT，并增强对其 AI 结果的信任。此外，IBM 全球业务服务还带来了深厚的技术、行业和流程设计专业知识，与将 AI 嵌入核心业务流程并大规模创建智能工作流程的客户共同创建解决方案。

关于 IBM 沃森

Watson 是 IBM 的业务人工智能技术，帮助组织更好地预测和塑造未来结果、自动化复杂流程和优化员工时间。Watson 已经从 IBM 研究项目发展到实验，发展到在任何地方运行的扩展、开放的产品集。Watson 拥有超过 40，000 个客户参与，正被跨多个行业的领先全球品牌所应用，以改变人们的工作方式。

沃森优势

Watson 使用 10，634 份文件，由 13 名税务专业人员对 5 种不同的研发模型进行了培训。培训后，沃森建议正确的税收待遇约四分之三。希尔说："这意味着我们对税务专业人员的数字有信心，因为现在我们有一个令人难以置信的审计线索，如何得出这些结论。

"沃森帮助我们提高生产率。员工现在能够更快地分析数据并找到深入的见解。布朗称之为"充满活力"的经历。"沃森在内部带来的变化正在改变人们的工作满意度，"他说。"人们很高兴和有动力进来做一些令人兴奋的事情。

沃森如何从 5 个步骤中学习

1. Watson 接受过培训

，沃森接受了由 13 人组成的税务团队的 5 种不同研发模型的培训，这些模型的文档超过 10，000 份。

2. Watson 被测试

最终用户很早就测试了 Watson，并且经常开发一个像他们那样工作的系统。

3. 沃森推出

沃森开始帮助研究信贷服务，现在帮助另外五个服务线改变他们的产品。

4. 沃森得到的结果

沃森建议正确的税收待遇约三分之四。

5. 沃森不断学习

沃森从每次互动中学习，并更好地每次生成更详细的结果。

本文《人工智能IBM（IBM 是世界上人工智能的最高代表）》由网赚联盟（ wangzhuan.org.cn ）整理或原创，感谢您的阅读。

随机文章

友情链接交换
关键词排名优化
网站内容优化
GEO培训
站长导航
友情链接交换
搜素引擎算法
关键词排名优化