人工智能机器人是怎样进行判断或预测的？

人工智能是通过机器来模拟人类认知能力的技术。人工智能涉及很广，涵盖了感知、学习、推理与决策等方面的能力。从实际应用的角度说，人工智能最核心的能力就是要所给定的输入做出判断或预测。比如：

在人脸识别应用中，它是根据输入的照片，判断照片中的人是谁。在语音识别中，它可以根据人说话的音频信号，判断说话的内容。在医疗诊断中，它可以根据输入的医疗影像，判断疾病的成因的性质。在电子商务网站中，它可以根据一个用户过去的购买记录，预测用户对什么商品感兴趣，从而让网站做出相应的推荐。在金融应用中，它可以根据一只股票过去的价格和交易信息，预测它未来的价格走势。在围棋对弈中，它可以根据当前的盘面形势，预测选择某个落子的胜率。

那么人工智能是如何自动做了判断或预测的呢？其实这并不神秘，有时候我们仅需要一些简单的规则。比如，我们用生活中常见的体温计就可以组成一个非常简单的智能系统，它通过水银或者其他对温度敏感的物质获得体温读数作为输入，然后通过简单的规则，比如“体温是否超过37.5摄氏度”来判断接受测量的人是否正在发烧。

在80年代一度兴起专家系统就是基于人工定义的规则来回答特定问题的。可是人工定义规则的方式有着很多局限性。一方面，在复杂的应用场景下建立完备的规则系统往往是一个非常昂贵而耗时的过程；另一方面，很多基于自然输入的应用，比如语音和图像识别，很难以人工的方式定义具体的规则。因此，当代的人工智能普遍通过学习来获得进行预测和判断的能力。这样的方法被称为机器学习，它已经成为人工智能的主流方法。

从数据中学习。机器学习方法通常是从已知数据中去学习数据中缊含的规律或者判断规则，但是，已知数据主要是用作学习的素材，而学习的主要目的是推广，也就是把尝到 的规则应用到未来的新数据上并做出判断或预测。

在行动中学习。在机器学习的实际应用中，我们还会遇到另一种类型的问题：利用学习得到的模型来指导行动。比如在下棋、股票交易或商业决策等场景中，我们关注的不是某个判断是否准确，而是行动过程能否带来最大的收益。为了解决这类问题，人们提出了一种不同的机器学习方法，称为强化学习。强化学习的目标是要获得一个策略去指导行动。比如在围棋博弈中，这个策略可以根据盘面形势指导每一步应该在哪里落子；在股票交易中，这个策略会告诉我们在什么时候买入、什么时候卖出。与监督学习不同，强化学习不需要一系列包含输入与预测的样本，它是在行动中学习。在2016年击败围棋世界冠军李世 九段的阿尔法狗，其令人惊的博弈能力就是通过强化学习训练出来的。

人工智能的科技浪潮正在深刻地改变着我们的世界并影响着我们的生活，我们的生产、生活、社交、娱乐等方方面面可以通过人工智能技术的应用得到进一步的提升。人工智能为我们展现了一个令人激动的前景，更加美好的时代需要我们共同去创造。

—-

编译者/作者：金牛

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。