簡要介紹當今四種最重要的技術

隨著人類技術的不斷發展，人工智能，深度學習，機器學習和NLP都是受歡迎的搜索熱詞。

但是這些先進技術是什么，它們又有何不同？

人工智能

人工智能是一種旨在模擬人類大腦思維的技術或計算機系統。

該術語是計算機科學的一個主要領域，涵蓋了廣泛的類別，包括自然語言處理，機器學習，深度學習，神經網絡，內容抽象，決策等。

它最早是由達特茅斯大學的科學家約翰·麥卡錫（John McCarthy）于1956年創造的。

重要的是要記住，人工智能實際上是由輸入數據的算法組成的，其產生的結果或建議完全取決于數據輸入。

數據偏差越大，輸出偏差也越大。 反之亦然。 例如，亞馬遜使用AI進行招聘的失敗實驗，由于其培訓數據中的男性簡歷數量眾多，因此產生的結果對女性有偏見。

或者，麻省理工學院（MIT）的諾曼（Norman）實驗創建了一個玩世不恭的AI，該AI在從特定的redit提要中獲取數據后才"思考"死亡。

機器學習

機器學習是AI的子集，它涉及"訓練"機器以從數據集中"學習"，從而使他們能夠得出見解并做出預測性決策。 它可以自動執行任務并查找模式或異常，從中學習并為下次創建新規則。

Andreessen Horowitz的Benedict Evans在他的博客中寫道：

"機器學習使我們能夠解決計算機以前無法有效解決的問題，但是每個問題都將需要不同的實現，不同的數據，不同的市場途徑以及通常是不同的公司。"

它使我們能夠大規模地自動化特定任務-如果可能的話，以前需要很多人。

深度學習

深度學習是當前機器學習的最高級子集，因此是AI的子集，它旨在使機器盡可能接近人類的思維水平。

根據《麻省理工學院技術評論》的說法，"該軟件通過創建人工神經網絡，以非常真實的意義學習識別聲音，圖像和其他數據的數字表示形式中的模式"。

圖像識別和語音識別技術屬于深度學習。

自然語言處理（NLP）

自然語言處理（NLP）是深度學習的一個子元素，涉及翻譯文本或人類的說話方式，以便計算機能夠對其進行分類和理解。

NLP是數據豐富化的一個示例。 AI可以使用這項技術從一條數據中提取元素，例如，公司名稱，日期，事件（例如，收購），鏈接和情感。

它還使AI能夠分析其他形式的非結構化數據-從視頻到搜索。

結合語義分析，NLP AI還可以查看上下文以確定句子或數據點的含義。

NLP的創新正在幫助我們以一種更類似于人類思維方式的語言來改進搜索。 結果，它有助于改善預測性搜索，在文本和電子郵件中建議單詞或句子，實現語音識別，增強翻譯功能等等。

AI Revolution正式在這里。 為了在我們進一步發展技術時保持競爭力，至關重要的是，每家公司都必須接受這項新技術并從上到下實施變革。

隨著技術的不斷發展，那些能夠理解和談論這些術語的人將發現自己處于優勢。