機器之心報道｜編輯：魔王、小舟
史丹佛教授 Christopher Manning 用一頁紙的篇幅介紹 AI 領域的核心概念。
在「AI」隨處可見的當下，你真的理解人工智慧領域核心概念嗎？
剛剛，史丹佛大學教授、人工智慧實驗室（SAIL）負責人、HAI 副主任 Christopher Manning 用一頁紙的篇幅定義了 AI 領域的核心術語。他表示希望這些定義能夠幫助非專業人員理解 AI。
在這一頁紙中，Manning 介紹了十多個術語的定義，包括「智慧」、「人工智慧」、「機器學習」、「深度學習」等。
連結：https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf
具體內容參見下文：
智慧可以定義為學習和執行恰當的技術以解決問題、實現目標的能力，且這些能力能夠適用於不確定、不斷變化的外部環境。經過完全預程式設計的工業機器人具有靈活性、準確性和一致性，但並不智慧。
人工智慧（AI）由史丹佛大學名譽教授 John McCarthy 在 1955 年提出，他將人工智慧定義為「製造智慧機器的科學與工程」。許多研究使人類程式設計的機器能夠以聰明的方式執行任務，如下棋。但是如今，AI 領域致力於實現至少可以像人類一樣學習的機器。
自主系統能夠獨立地計劃和確定操作步驟，以實現指定的目標，而無需進行微觀管理。醫院中的配送機器人必須在人來人往的走廊中自主導航才能成功完成任務。在人工智慧領域中，「自主」並不意味著政治或生物學中常見的「自治」（self-governing）。
機器學習（ML）是人工智慧的一部分，旨在研究計算機智慧體如何根據經驗或資料改善其感知、知識、思維或行動。為此，機器學習領域的知識涉及電腦科學、統計學、心理學、神經科學、經濟學和控制論。
在監督學習中，計算機學習預測人類給定的標籤，例如基於帶標籤的狗狗照片來學習狗的品種。而無監督學習不需要標籤，有時需要自己做預測任務，例如嘗試預測句子中每個後續單詞。強化學習讓智慧體學習可最佳化其總體獎勵的動作序列，例如在沒有良好技術的明確示例下自主贏得遊戲。
深度學習指使用大型多層神經網路計算連續（實數）表示，與人腦中按層級結構組織的神經元略有相似。目前，深度學習是最成功的機器學習方法，可用於所有類型的機器學習，並且可基於少量資料實現更好的泛化性能，能夠更好地擴展至大規模資料和算力。
演算法列出了待執行的精確步驟，就像人把步驟寫進計算機程序一樣。AI 系統包含演算法，但演算法往往僅作為學習或獎勵計算方法。它們的很多行為是從資料或經驗中學得的，正如史丹佛畢業生 Andrej Karpathy 所提出的「軟體 2.0」帶來的系統設計基礎性改變一樣。
狹義人工智慧（Narrow AI）表示能夠處理特定任務的智慧系統，如語音識別或臉部辨識。人類級 AI（Human-level AI）或通用人工智慧（AGI）則致力於尋找智慧處理大量任務且能夠感知語境的機器，例如高效的社交聊天機器人或人機互動。
以人為中心的人工智慧指尋求能夠增強人類能力、滿足人類社會需求且從人類身上得到啟發的 AI。它為人類研發高效的合作伙伴和工具，如機器人助手和老年陪護機器人。
Amazon SageMaker實戰教程（視訊回顧）
Amazon SageMaker 是一項完全託管的服務，可以幫助機器學習開發者和資料科學家快速構建、訓練和部署模型。Amazon SageMaker 完全消除了機器學習過程中各個步驟的繁重工作，讓開發高質量模型變得更加輕鬆。
10月15日-10月22日，機器之心聯合AWS舉辦3次線上分享，全程回顧如下：
第一講：Amazon SageMaker Studio詳解
黃德濱（AWS資深解決方案架構師）主要介紹了Amazon SageMaker的相關元件，如studio、autopilot等，並透過線上演示展示這些核心元件對AI模型開發效率的提升。
視訊回顧地址：https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715443e4b005221d8ea8e3
第二講：使用Amazon SageMaker 構建一個情感分析「機器人」
劉俊逸（AWS應用科學家）主要介紹了情感分析任務背景、使用Amazon SageMaker進行基於Bert的情感分析模型訓練、利用AWS數字資產盤活解決方案進行基於容器的模型部署。
視訊回顧地址：https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715d38e4b0e95a89c1713f
第三講：DGL圖神經網路及其在Amazon SageMaker上的實踐
張建（AWS上海人工智慧研究院資深資料科學家）主要介紹了圖神經網路、DGL在圖神經網路中的作用、圖神經網路和DGL在欺詐檢測中的應用和使用Amazon SageMaker部署和管理圖神經網路模型的實時推斷。
視訊回顧地址：https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f715d6fe4b005221d8eac5d
© THE END
