人工智能近年發(fā)展迅速，而接下來的發(fā)展，將以自動(dòng)建立脈絡(luò)為主軸。目前的人工智能還不夠成熟，其所做的分類與模式辨識(shí)，還不會(huì)考量其背后的脈絡(luò)。
據(jù)報(bào)導(dǎo)指出，第一波的人工智能仍局限于部分問題的推理，沒有學(xué)習(xí)能力，也無法處理不確定性；第二波的人工智能有比較多的認(rèn)知、學(xué)習(xí)與推理，當(dāng)今熱門的臉部辨識(shí)，就是用統(tǒng)計(jì)學(xué)習(xí)來進(jìn)行訓(xùn)練。第三波的人工智能科技，是以脈絡(luò)化的適應(yīng)為基礎(chǔ)，可以自動(dòng)化建立脈絡(luò)化模型。
在有限的脈絡(luò)下，透過物聯(lián)網(wǎng)（IoT）傳感器取得信息來夠建構(gòu)整體環(huán)境，這是很有價(jià)值的。群眾資源也可以用來偵測(cè)錯(cuò)誤，包括Google翻譯、以及Facebook、Google、Yelp和亞馬遜（Amazon）的建議系統(tǒng)，就是利用這樣的方法，當(dāng)使用者發(fā)現(xiàn)某些結(jié)果不如人意，就會(huì)反饋給人工智能系統(tǒng)。
目前許多倉儲(chǔ)與工廠，都在打造讓人工智能與機(jī)器人能夠運(yùn)行的環(huán)境。過去幾年來，第二波人工智能讓汽車擁有自動(dòng)駕駛能力，讓機(jī)器能夠正確辨認(rèn)影像和聲音，也讓計(jì)算機(jī)在圍棋賽中打敗頂尖棋手。這都是因?yàn)檎{(diào)適性機(jī)器學(xué)習(xí)的發(fā)展所促成。
透過大量數(shù)據(jù)來訓(xùn)練，找出數(shù)據(jù)的模式、將這些模式進(jìn)行連結(jié)。例如，在醫(yī)學(xué)領(lǐng)域，專家將基因與醫(yī)療記錄數(shù)據(jù)進(jìn)行配對(duì)；在制造領(lǐng)域，可以把每個(gè)產(chǎn)品、機(jī)器、原物料、流程等進(jìn)行分析。
將人工智能模塊化，重新利用這些元件重復(fù)訓(xùn)練，可以加速人工智能的發(fā)展。各界正在努力讓人工智能用于更多的情境，相關(guān)發(fā)展也會(huì)越來越快。
網(wǎng)站客服
粵公網(wǎng)安備 44030402000946號(hào)