之前很火的小黄人分拣(其实也还是需要有分拣员的帮忙)而用了神经网络的人工智能呢,就很厉害了。。。
深度神经网络现在炒的很火的说什么人工智能的其实基本上指的都是这一类。
而且其实现在机器学习在我们生活中已经很很多应用了,前几天差评君讲I/O大会的时候就提到过,谷歌已经把AI融入到了他自己家大量的产品中去了,比如语音助手:
(现场的演示各种惊艳!)再比如谷歌还利用AI扫描大量的APP来保证用户的安全:
Google Play Protect(也是在今年的I/O大会上出现的)但是实际上,差评君觉得还是有不少是没有办法取代的,不管怎么说,总得有个程序员吧(开个玩笑)~
后者到底最终能牛逼到什么程度,说实话还挺难说,并不知道以后可以发展到什么程度,说不定哪天就真的能模拟人脑的结构了,这差评君也说不准,毕竟现在科技的发展实在太快了。。。
但是就短时间来说,AI也没有大家想的那么可怕。
比如AlphaGo ,虽然都快被称为围棋之神了,它也只是能下围棋而已,它不能和你聊天不能和你打扑克,甚至都不能和你下五子棋。。。
为什么呢,因为AlphaGo神经网络本身就只是针对围棋的,换个别的事情这网络就没用了。
换句话说,对于不同的目标,总是要有不同的神经网络(种类、结构)与之对应。。。
比如图像识别的时候,工程师们一般会用卷积神经网络(CNN,Convolutional Neural Networks)。
但是语音识别的时候,更加适合用一种叫做深度神经网络(DNN,Deep Neural Networks)的种类。。。
当然,除此之外还有叫递归神经网络(刀一一,Recurrent Neural Network)的。
所以讲了半天神经网络到底是个什么东西呢,差评君给大家简单展开讲讲~
这是一个神经元:
这个大概生物课本上差友们都见过,然后我们把它简单分成了俩部分:神经核和突触。
神经元细胞运作的过程一个电信号从某个地方传过来,再经过神经核的反应之后,又传了出去。。。
恩其实有点像编程上说的“函数”。
抽象出来的单个神经元(左边是输入的电信号,右边输出的电信号)然后把他们摆成一排,就变成了一个“层”:
每个层的输出可以变成别的层的输入(就像是突触搭在了别的神经元上的感觉)
于是把好多层接起来,就能变成一个网络:
我们把每个神经元简单地画成一个圈:
对,这就是你们在各大网站经常能看到的样子了~
我们怎么用数据去描述这样的网络结构呢?答案是用矩阵(Matrix)。
前一层的第N个神经元和后一层第M个神经元之间的连线可以用矩阵上的第N行第M列的数字来表示(比如0就是不连接)~
听说过领接矩阵么?然后
训练网络的时候就是不断地去计算、修正这些矩阵。当然,这其中不可避免的涉及了大量的矩阵乘法和转置的计算(矩阵的规模还可能很大)。
2x2的矩阵就已经很麻烦了而各位差友们再想象下,我们人脑有860亿个神经元,要是真的去模拟大脑的规模,那计算量简直是无法想象的。。。
所以现在大家能见到的神经网络,基本都是针对一些特定场景的简单的网络,和人脑当然是没法比的~
差评君觉得至少短期内AI是不会彻底取代人类的,虽然不知道以后会怎么样。。。
于是问题来了,
差友们,你们觉得有哪些工作是不能被人工智能取代的?