人工智能研究的創(chuàng)始人之一約翰?麥卡錫曾將該領域定義為 “讓計算機去做那些由人來做時被認為涉及智能的事情”。

范圍

雖然上述對人工智能的定義提供了該術語含義的大致輪廓，但目前并沒有一個被普遍認可的人工智能定義。在實踐中，人工智能被用作一個涵蓋廣泛不同技術和應用的統稱，其中一些如下所述。

1.機器學習（ML）：機器學習是計算機科學的一個領域，它使用算法處理大量數據并從中學習。與傳統的基于規(guī)則的編程不同，機器學習模型從輸入數據中學習以進行預測或識別有意義的模式，而無需明確編程來執(zhí)行這些操作。根據其預期功能和結構的不同，有不同類型的機器學習模型：

2.有監(jiān)督機器學習：在有監(jiān)督機器學習中，模型使用帶有標簽的輸入數據進行訓練，這些數據與特定的輸出相關聯。例如，一組動物照片數據集(輸入數據)可以被標記為 “貓” 或 “非貓”(輸出數據)。隨著更多的訓練數據可用，模型不斷改進以提供更準確的輸出。在模型從訓練數據中的模式中學習后，它可以分析額外的數據以產生所需的輸出。有監(jiān)督機器學習模型的結果通常由人類進行準確性審查，并反饋到模型中進行進一步改進。當模型在提供新數據集時能夠始終如一地產生準確的預測時，有監(jiān)督機器學習就是成功的。例如，機器學習模型學會識別一張新圖片是否是貓。

3.無監(jiān)督機器學習：在無監(jiān)督機器學習中，輸入數據沒有被標記，輸出也沒有被指定。相反，模型被輸入大量原始數據，算法被設計用于識別任何潛在的有意義模式。算法可能會對相似的數據進行聚類，但這樣做時沒有任何關于輸出的先入之見。例如，一個交易事件的時間序列可以輸入到一個無監(jiān)督模型中，模型識別出相似交易的組以及異常值。然后，無監(jiān)督機器學習模型的結果由人類進行解釋，以確定它們是否有意義和相關。

4.強化學習：在強化學習中，模型通過試錯動態(tài)地學習以實現期望的輸出。如果模型算法正確執(zhí)行并實現預期輸出，它將得到獎勵。相反，如果它沒有產生期望的輸出，它將受到懲罰。因此，模型隨著時間的推移學習以一種最大化凈獎勵的方式執(zhí)行。例如，在證券行業(yè)，強化學習模型正在被探索用于期權定價和對沖。

5.深度學習：深度學習模型建立在人工神經網絡之上，其中算法以受大腦中神經網絡功能方式啟發(fā)的方式通過多層學習處理大量未標記或非結構化數據。當基礎數據量非常大、來自不同來源且可能具有不同格式(例如文本、語音和視頻)時，通常會使用這些模型。例如，證券行業(yè)中的一些公司正在開發(fā)基于深度學習模型的監(jiān)控和行為監(jiān)測工具。深度學習應用可以是有監(jiān)督的、無監(jiān)督的或基于強化學習的。

6.自然語言處理（NLP）：自然語言處理是一種人工智能形式，它使機器能夠讀取或識別文本和語音，從中提取價值，并可能將信息轉換為所需的輸出格式，例如文本或語音。證券行業(yè)中自然語言處理應用的例子從法律文件中的關鍵詞提取和語言翻譯到更復雜的任務，如情感分析以及通過聊天框和虛擬助手提供相關信息。

7.計算機視覺（CV）：計算機視覺(也稱為機器視覺)是計算機科學的一個領域，致力于使計算機能夠像人類視覺一樣看到、識別和處理圖像，然后提供適當的輸出。計算機視覺應用通常會使用機器學習模型來解釋它 “看到” 的內容并進行預測或確定。基于計算機視覺的應用例子包括面部識別、指紋識別、光學字符識別和其他用于驗證用戶身份的生物識別工具。

8.機器人流程自動化（RPA）：機器人流程自動化是指使用預先編程的軟件工具與其他應用程序交互，以自動化勞動密集型任務，從而提高準確性、速度和節(jié)省成本。機器人流程自動化工具通常用于涉及結構化數據的高容量、重復性流程，如賬戶對賬、應付賬款處理和支票存款。一些市場參與者不認為機器人流程自動化是一種人工智能形式，因為它的重點是以更類似于基于規(guī)則的系統的方式自動化流程。然而，其他人認為它是一種初級的人工智能形式，特別是當它與其他技術(如機器學習)結合使用時。

海馬課堂，4000+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。
海馬課堂服務煥新，六大模塊強勢護航！包括定制規(guī)劃報告、心靈輔導、免費公益課、提分規(guī)劃及單項與組合課業(yè)輔導。學習教練助力 GPA 提升與職業(yè)發(fā)展，緩解壓力焦慮，清理負面情緒，提升自信，滿足不同學習需求。