1.機器學(xué)習

　　機器學(xué)習是人工(gōng)智能(néng)中(zhōng)具(jù)有(yǒu)相當重要意義的一點，近年來，機器學(xué)習和大數據領域的突破進展使人工(gōng)智能(néng)急速回溫，訓練計算機模拟甚至實現人類的學(xué)習行為(wèi)則是目前人工(gōng)智能(néng)領域最受關注的研究課題之一。

　　機器學(xué)習領域有(yǒu)很(hěn)多(duō)算法和技(jì )術，使用(yòng)神經網絡的監督機器學(xué)習(即深度學(xué)習)現在已經成為(wèi)最受歡迎的方法之一。神經網絡的概念現于1949年，随着計算和存儲能(néng)力的增強，神經網絡已經開始被訓練用(yòng)以解決各種實際問題，從圖像識别到自然語言處理(lǐ)再到網絡性能(néng)預測。其他(tā)的應用(yòng)包括異常特性發現、時間序列異常檢測和事件關聯根本原因分(fēn)析。

　　2.分(fēn)類

　　分(fēn)類涉及到創建特定于待解決問題領域的度量(如金融、網絡)。分(fēn)級包括确定數據與待解決問題的相關程度。機器學(xué)習涉及到異常檢測、群集、深度學(xué)習和線(xiàn)性回歸。協同過濾涉及到跨大數據集去尋找應用(yòng)模型。

　　AI需要大量與解決問題相關的數據，創建一個人工(gōng)智能(néng)解決方案的第一步是創建一個我稱之為(wèi)“設計意圖指标”，用(yòng)于将問題進行分(fēn)類。無論用(yòng)戶試圖建立一個系統去幫助醫(yī)生診斷癌症還是去幫助IT管理(lǐ)員診斷無線(xiàn)網絡問題，都需要定義度量，使問題被分(fēn)解成一個一個的小(xiǎo)塊。例如，在無線(xiàn)網絡中(zhōng)，關鍵指标是用(yòng)戶連接時間、吞吐量、覆蓋面積和漫遊。在癌症診斷方面，關鍵指标則是白細胞計數、種族背景和X射線(xiàn)掃描。

　　3.分(fēn)級

　　一旦用(yòng)戶的待解決問題有(yǒu)了一個明确的分(fēn)類，下一步就是對每個分(fēn)類進行分(fēn)級，幫助用(yòng)戶走向可(kě)獲得有(yǒu)意義結論的方向。例如，在訓練人工(gōng)智能(néng)系統時，用(yòng)戶首先必須對問題屬于單純性文(wén)本還是雙關語進行分(fēn)等，然後按時間、人、事或位置進行分(fēn)等。在無線(xiàn)網絡中(zhōng)，一旦用(yòng)戶知道問題的類别，就需要開始對導緻問題出現的因素進行分(fēn)等：關聯規則、認證、動态主機配置協議(DHCP)或其他(tā)的無線(xiàn)、有(yǒu)線(xiàn)和設備因素。

　　4.協同過濾

　　大多(duō)數人在線(xiàn)上視頻網站看視頻或電(diàn)商(shāng)平台購(gòu)物(wù)的時候，都會體(tǐ)驗到協同性的過濾，并收到他(tā)們可(kě)能(néng)喜歡的電(diàn)影或商(shāng)品的推薦。除了推薦，協同過濾還被用(yòng)來對大量數據進行排序，并在人工(gōng)智能(néng)解決方案的制定上落下最後一筆(bǐ)。在這一過程中(zhōng)，所有(yǒu)的數據收集和分(fēn)析都變成了有(yǒu)意義的見解和行動。無論是在遊戲中(zhōng)，還是對醫(yī)生、網絡管理(lǐ)員，協同過濾都是能(néng)夠提供高可(kě)信度答(dá)案的手段。它就像一個虛拟助手，能(néng)夠幫助你解決各種複雜的問題。

　　人工(gōng)智能(néng)仍然是一個新(xīn)興的領域，但它的影響是深遠(yuǎn)的，也會越發強烈，因為(wèi)它會慢慢成為(wèi)我們生活的一部分(fēn)。