人工智能

人工智能(英语:artificial intelligence,缩写为AI),亦称机器智能,指由人制造出来的机器所表现出来的智能。通常人工智能是指用普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现,以及如何实现。同时,通过医学、神经科学、机器人学及统计学等的进步,常态预测则认为人类的很多职业也逐渐被其取代。[1][2]

人工智能于一般教材中的定义领域是“智能主体(intelligent agent)的研究与设计”[3],智能主体指一个可以观察周遭环境并作出行动以达致目标的系统[4]。约翰·麦卡锡于1955年的定义是[5]“制造智能机器的科学与工程”[6]。安德烈亚斯·卡普兰和迈克尔·海恩莱因(Michael Haenlein)将人工智能定义为“系统正确解释外部数据,从这些数据中学习,并利用这些知识通过灵活适应实现特定目标和任务的能力”。[7] 人工智能可以定义为模仿人类与人类思维相关的认知功能的机器或计算机,如学习和解决问题。人工智能是计算机科学的一个分支,它感知其环境并采取行动,最大限度地提高其成功机会。此外,人工智能能够从过去的经验中学习,做出合理的决策,并快速回应。因此,人工智能研究人员的科学目标是通过构建具有象征意义的推理或推理的计算机程序来理解智能。人工智能的四个主要组成部分是:

专家系统:作为专家处理正在审查的情况,并产生预期或预期的绩效。
启发式算法:包括评估小范围的解决方案,并可能涉及一些猜测,以找到接近最佳的解决方案。
自然语言处理:在自然语言中实现人机之间的交流。
计算机视觉:自动生成识别形状和功能的能力 [8]。
人工智能的研究是高度技术性和专业的,各分支领域都是深入且各不相通的,因而涉及范围极广[9]。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题,其中之一是,如何使用各种不同的工具完成特定的应用程序。

AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、计划、学习、交流、感知、移动 、移物、使用工具和操控机械的能力等[10]。通用人工智能(GAI)目前仍然是该领域的长远目标[11]。目前弱人工智能已经有初步成果,甚至在一些影像识别、语言分析、棋类游戏等等单方面的能力达到了超越人类的水平,而且人工智能的通用性代表着,能解决上述的问题的是一样的AI程序,无须重新开发算法就可以直接使用现有的AI完成任务,与人类的处理能力相同,但达到具备思考能力的统合强人工智能还需要时间研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。目前有大量的工具应用了人工智能,其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学,以及基于概率论和经济学的算法等等也在逐步探索当中。

2023 年美国 10 大最佳人工智能公司

2023年,美国的人工智能(AI)产业正在激增。全国有各种各样的人工智能公司提供不同的服务和产品。一些公司专注于特定领域,如自然语言处理、计算机视觉、机器人和自动驾驶汽车,而另一些公司则专注于更通用的人工智能技术。IBM是美国最大和最具影响力的人工智能公司之一。它提供各种服务和技术,包括其专有的自然语言处理系统Watson。IBM Watson 可以回答问题、理解语言和分析数据。IBM在人工智能方面也有广泛的研究项目,从面部识别到医疗保健。谷歌是人工智能领域的另一个主要参与者。谷歌开发了一个全面的机器学习平台TensorFlow,以及它的搜索引擎和其他产品。该平台可用于各种任务,从对象检测到图像识别再到自然语言处理。谷歌还有一个人工智能研究实验室,专注于开发新的人工智能算法和技术。微软是人工智能领域的另一个领导者,其产品包括数字助理Cortana和云计算平台Azure。微软还在开展几个先进的人工智能项目,比如汉诺威项目,它使用人工智能帮助机器学习复杂的任务。苹果是美国另一家使用人工智能技术的大公司。苹果的Siri语音助手可以执行各种任务,例如设置提醒,拨打电话和播放音乐。此外,苹果正在大力投资其人工智能研究,收购Turi以及与IBM Watson的动作就是证明。亚马逊是人工智能领域的另一个主要参与者,其Echo扬声器使用人工智能功能,使用户能够通过语音命令与他们的设备进行交互。亚马逊还在开发Alexa Skills Kit,这是一个工具集,允许开发人员创建由人工智能和机器学习驱动的自定义应用程序。美国的人工智能产业正在蓬勃发展,并继续扩大。随着IBM、谷歌、微软、苹果和亚马逊等公司的引领,个人和企业有很多机会利用这项技术。重要性2023 年,人工智能公司对美国的重要性是巨大的。人工智能技术在许多行业中变得越来越重要,人工智能驱动的业务对于任何希望保持竞争力的公司都是必不可少的。特别是在美国,人工智能公司近年来一直是增长的重要驱动力,预计未来将继续这样做。2023年,人工智能公司将帮助推动新产品和服务的开发,并帮助现有公司变得更加高效。人工智能可以自动化流程,降低成本,改善客户服务,并提高数据分析的准确性和速度。人工智能公司还提供有关客户行为和偏好的宝贵见解,帮助公司更好地了解其受众。最后,人工智能公司可以更好地预测未来趋势,使企业能够更有效地规划未来。以下是 2023 年美国 10 大最佳人工智能公司1、OpenAI – OpenAI 是一家专注于人工智能 (AI) 的研发公司。OpenAI由Elon Musk、Sam Altman、Greg Brockman和其他人于2015年创立,其使命是确保AI造福全人类。OpenAI开发的AI技术可用于各种任务,从预测天气到推荐产品。他们还开发了用于商业产品的GPT-3和强化学习算法等框架。OpenAI已成为AI领域的领先者之一,在研发方面都取得了长足的进步。OpenAI的研究重点是开发方法和模型,以创建更好,更智能的AI。OpenAI 的团队在工作中强调安全性、可靠性和透明度。他们致力于开源开发,并定期向公众发布其代码和数据集。他们还非常关注人工智能技术的潜在影响,并努力防止公众产生对人工智能的偏见和滥用。OpenAI 与公司、政府和非营利组织合作,为与 AI 相关的问题创建新的工具和解决方案。他们的合作使他们能够将他们的研究和开发应用于现实世界的挑战。OpenAI还投资于初创公司,以帮助他们利用其AI专业知识。OpenAI在世界各地设有办事处,包括旧金山、伦敦、纽约、蒙特利尔、阿姆斯特丹和巴黎。他们目前拥有400多名员工,并且正在迅速增长。该团队由来自世界各地的经验丰富的软件工程师和研究人员组成,其中许多人是各自领域的专家。OpenAI 继续推动 AI 的界限。他们对安全和道德的承诺使他们处于人工智能研发的最前沿。他们正在彻底改变人工智能领域,为更光明的未来铺平道路。2、微软 – 微软是世界上最具标志性的科技公司之一。它由比尔·盖茨和保罗·艾伦于1975年创立,现在是一家全球知名的公司,几乎遍布世界上每个国家。微软是计算机软件和服务的领先提供商,产品包括Windows,Office,Xbox,Skype和云计算。它也是硬件市场的主要参与者,生产计算机、平板电脑、手机和游戏机。Microsoft 在全球拥有超过 144000 名员工,运营着 100 多个数据中心,仅 2020 年一年的收入就超过 1250 亿美元。微软为技术进步作出了重大贡献,包括其弥合数字鸿沟和使技术访问民主化的努力,对人工智能和机器学习,以及对可持续性和负责任的商业实践作出奉献。Microsoft 致力于为客户提供创新的产品、服务和体验,让生活更轻松、更愉快。3、英伟达 – 英伟达是一家美国跨国技术公司,专门从事人工智能 (AI) 和图形处理。该公司由Jensen Huang于1993年创立,总部位于加利福尼亚州圣克拉拉,并在世界各地设有办事处。英伟达生产广泛的产品,从桌面 GPU 到服务器 GPU、AI 加速器以及汽车和嵌入式系统。该公司还提供云计算服务和软件,包括自己的CUDA平台和英伟达 RTX光线追踪引擎。英伟达是人工智能硬件和软件的领先供应商之一,也是自动驾驶汽车市场的主要参与者。英伟达为世界上一些最先进和最复杂的应用程序提供支持。它的GPU用于数据中心,超级计算机和游戏PC,以及各种科学和工程任务。它的人工智能加速器Tesla P4可以将机器学习训练和推理应用程序加速到比CPU快11倍的速度。英伟达的汽车产品包括Drive平台,该平台提供自动驾驶功能,并被许多汽车制造商使用。英伟达还生产多种软件解决方案,包括GeForce Experience套件,使游戏玩家能够优化他们的游戏体验。该公司的CUDA平台允许开发人员使用GPU加速编程来加速一系列科学和工程应用程序。它的RTX光线追踪引擎在游戏中提供逼真的照明和反射。英伟达在过去几年中发展迅速,现在是世界上最有价值的半导体公司之一。它继续创新和生产新的产品和服务,并正在推动人工智能和图形处理的界限。4、谷歌 – 谷歌是一家跨国技术公司,专门从事与互联网相关的服务和产品。谷歌由拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)于1998年创立,现已发展成为世界上最大,最具影响力的科技公司之一。谷歌提供各种服务和产品,包括搜索引擎、云计算、在线广告技术、软件、硬件和其他相关技术。谷歌的使命宣言是“组织世界信息,使其普遍可用和有用”。谷歌的主要产品是其搜索引擎,Gmail、Google Chrome、Google Maps、YouTube、Android和Google Play。谷歌还为Web和移动设备(如Google Drive和Google Docs)开发应用程序。除了核心业务外,谷歌还参与了许多其他计划,从自动驾驶汽车到高速互联网接入和医疗保健。该公司在研发方面投入了大量资金,投资于人工智能、机器学习、自然语言处理和量子计算。谷歌的成功和影响力使其成为世界上最有价值的公司之一。5、甲骨文(Oracle) – 甲骨文是一家全球性技术公司,专门从事云计算、数据库管理和企业软件解决方案。甲骨文由Larry Ellison、Bob Miner和Ed Oates于1977年创立,现已成为世界上最大,最成功的软件公司之一。甲骨文为各种规模的企业提供广泛的产品,从小型初创公司到财富 500 强公司。其中包括云计算服务,如甲骨文云基础设施和甲骨文自治数据库。数据库管理系统:如Oracle数据库和Oracle Exadata。企业应用程序:如甲骨文电子商务套件和Oracle Fusion Applications,以及Java,MySQL和Oracle Linux等开源产品。甲骨文还是许多流行开发工具的提供商,包括Oracle SQL Developer和Oracle Application Express。甲骨文的使命是为客户提供最佳的软件解决方案和服务,同时在创新和性能方面保持领先地位。为此,甲骨文在研发方面投入巨资,并努力确保其产品不断更新和改进,以满足客户需求。甲骨文还致力于提供一流的客户服务和支持,帮助客户充分利用其 Oracle 产品。6、IBM – IBM(国际商业机器公司)是一家全球性技术公司,提供各种产品和服务,包括分析、云计算、人工智能、安全等。IBM 成立于 1911 年,总部位于纽约州阿蒙克,在全球 170 多个国家/地区开展业务。IBM 拥有超过 380000 名员工,已成为科技行业最大的雇主之一。IBM最出名的是开发第一台商用计算机IBM 650。如今,IBM 的主要重点是开发创新技术和解决方案,推动商业和社会的数字化转型。IBM 为许多行业提供技术和服务,包括医疗保健、金融、国防、零售、教育、制造等。IBM还以其在研发方面的领导地位而闻名,过去十年每年在研发方面的投资超过5亿美元。因此,IBM开发了一些世界上最先进的技术,从人工智能系统到量子计算。与此同时,IBM 还与大学、非营利组织、其他公司和政府合作,继续推进技术并提供创新的解决方案。此外,IBM 在企业责任方面有着悠久的历史,支持世界各地的计划,以改善生活和加强社区。为了实现这一愿景,IBM 与世界经济论坛、联合国和各种教育机构等组织密切合作。简而言之,IBM 是一家领先的技术公司,致力于开发先进的产品和服务,开展前沿研究。7、英特尔 – 英特尔公司是一家跨国技术公司,总部位于加利福尼亚州圣克拉拉。它设计、制造和销售计算机,包括网络、数据存储和通信产品。英特尔的主要业务是半导体的设计和制造,特别是微处理器。英特尔的产品广泛应用于各种应用,从个人电脑和游戏机到企业服务器、网络硬件和超级计算机。英特尔是全球最大的半导体芯片制造商之一,截至 2019 年年收入超过 750 亿美元。英特尔由罗伯特·诺伊斯 (Robert Noyce) 和戈登·摩尔 (Gordon Moore) 于 1968 年创立,当时是一家半导体制造商,他们之前曾共同创立了仙童半导体 (Fairchild Semiconductor)。英特尔以其创新的工艺和技术而闻名,如晶体管、集成电路、奔腾处理器、酷睿微架构、3D 晶体管、酷睿处理器及其最新产品:第 8 代酷睿处理器。英特尔的产品通过各种渠道销售,包括原始设备制造商 (OEM)、分销商、经销商都直接通过互联网进行销售。英特尔与许多领先公司建立了合作关系,如微软、苹果、三星、戴尔和惠普企业 (HPE)。英特尔致力于为客户提供领先的产品、服务和解决方案,以改善他们的生活和业务。英特尔不断投资于研发、制造效率和卓越客户服务,以保持竞争力并保持领先地位。英特尔致力于通过让人们的生活更轻松、更安全、更愉快来创造更美好的未来。该公司与政府、组织和个人合作开发新技术、产品和应用,以改变我们的工作、娱乐和沟通方式。8、Salesforce – Salesforce 是一家基于云的客户关系管理 (CRM) 软件公司,总部位于加利福尼亚州旧金山。该公司由Marc Benioff和Parker Harris于1999年创立,提供销售云、服务云、闪电平台、营销云、分析云、应用程序云、社区云等业务解决方案。Salesforce 可帮助各种规模的企业管理其客户关系和销售活动、自动执行营销任务、分析数据以及创建自定义应用程序。该平台还使组织能够轻松地与客户、合作伙伴和员工协作。它提供了多种功能,可帮助企业改善客户服务、加速销售并建立更牢固的关系。Salesforce的产品设计灵活,允许用户定制解决方案以满足其特定需求。其基于云的架构使其可以轻松地从任何设备、任何地方进行访问。超过 150000 家公司使用 Salesforce,它是当今市场上最受欢迎的 CRM 解决方案之一。9、亚马逊网络服务 – 亚马逊网络服务 (AWS) 是 Amazon.com 的子公司,为个人、企业、政府机构和其他组织提供按需云计算服务。AWS 在美国、欧洲、巴西、日本、印度、澳大利亚和韩国的数据中心提供超过 175 种功能齐全的服务。这些服务的范围从计算和存储到网络、安全、移动、分析、应用程序集成等。AWS 的主要重点是为其用户提供可靠、可扩展且安全的云计算资源。为此,AWS 采用了各种技术,例如虚拟化、容器、无服务器计算和自动化。借助这些技术,AWS 可以快速响应客户请求,并根据需求进行扩展或缩减。AWS 还为客户提供对命令行界面、Web 控制台和开发工具包等各种工具的访问,从而更轻松地管理其云服务。除了提供云计算解决方案外,AWS 还提供与数据分析、机器学习、人工智能、物联网、移动开发、无服务器计算、数据库和开发运营相关的各种服务。这些服务使客户能够更轻松地开发和管理其应用程序。AWS 还提供各种在线支持服务,例如常见问题解答、教程、论坛、用户组和客户支持。这些服务旨在帮助客户快速解决问题并充分利用其 AWS 服务。最后,AWS 致力于为客户提供最高质量的服务。这一承诺通过其严格的测试流程和不断创新来证明,以满足客户的需求。10、SAP – SAP 是全球最大的独立软件供应商之一。SAP 成立于 1972 年,为 190 多个国家/地区的各种规模的企业提供企业应用软件。它广泛用于企业资源规划 (ERP)、客户关系管理 (CRM) 和供应链管理 (SCM)。除了核心软件解决方案外,SAP还提供打包和定制应用程序开发服务。该公司的旗舰产品是SAP Business Suite,这是一套面向大型企业的综合集成业务应用程序。该套件包括财务、人力资源、制造、销售和其他运营模块。SAP 还提供一系列基于云的产品和服务,包括企业资源规划 (ERP) 软件、客户关系管理 (CRM) 软件、应用程序编程接口 (API)、移动应用、分析、人工智能 (AI) 功能和区块链技术。凭借其丰富的产品,SAP 可帮助公司优化运营、提高效率并降低成本。SAP拥有悠久的创新历史,其产品是业内最先进的产品之一。该公司对可持续发展和社会责任有着坚定的承诺,并与世界各地的合作伙伴合作,帮助客户实现其企业目标。结论2023年,美国的AI产业正在蓬勃发展。在过去几年中,投资于人工智能技术和服务的公司数量显著增长。这些公司中的大多数都位于硅谷,但人工智能初创公司正在全国许多城市如雨后春笋般涌现。人工智能驱动的产品和服务已经变得司空见惯,并且正在以多种方式帮助改善我们的生活,从医疗保健和金融到运输和零售。人工智能对于各种规模的企业变得越来越重要,因为它可以提供强大的洞察力、自动化流程并增强客户体验。人工智能也开始以更深刻的方式塑造我们的世界,例如通过启用可以独立思考的自动驾驶汽车和机器。随着人工智能的不断发展,它将在我们的生活中发挥更大的作用,并为企业和个人创造新的机会。

24种人工智能算法原理、缺点及投资使用场景

1.线性回归

线性回归(Linear Regression)可能是最流行的机器学习算法。线性回归就是要找一条直线,并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量(x 值)和数值结果(y 值)。然后就可以用这条线来预测未来的值!

这种算法最常用的技术是最小二乘法(Least of squares)。这个方法计算出优异拟合线,以使得与直线上每个数据点的垂直距离最小。总距离是所有数据点的垂直距离(绿线)的平方和。其思想是通过最小化这个平方误差或距离来拟合模型。

2.逻辑回归

逻辑回归(Logistic regression)与线性回归类似,但逻辑回归的结果只能有两个的值。如果说线性回归是在预测一个开放的数值,那逻辑回归更像是做一道是或不是的判断题。逻辑回归经常被电商或者外卖平台用来预测用户对品类的购买偏好。

3.线性判别分析

线性判别式分析(Linear Discriminant Analysis, LDA),也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD),是模式识别的经典算法,它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到优异鉴别矢量空间,以达到抽取分类信息和压缩特征空间维数的效果,投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离,即模式在该空间中有优异的可分离性。因此,它是一种有效的特征抽取方法。

4.决策树

决策树是一种通过对训练数据进行测算,实现对测试数据进行分类和预测的算法。

决策树通常由3个主要部分组成,分别为决策节点,分支,和叶节点。其中决策树最顶部的决策节点是根决策节点。每一个分支都有一个新的决策节点。决策节点下面是叶节点。每个决策节点表示一个待分类的数据类别或属性,每个叶节点表示一种结果。整个决策的过程从根决策节点开始,从上到下。根据数据的分类在每个决策节点给出不同的结果。

5.学习矢量量化

学习矢量量化(Learning Vector Quantization,LVQ),是一种用于模式分类的有监督的学习算法,也是一种结构简单、功能强大的有监督的神经网络分类算法。

6.支持向量机

支持向量机(Support Vector Machine)是一种用于分类问题的监督算法。采用最大分类间隔准则实现有限训练样本情况下推广能力的优化。通过核函数间接实现非线性分类或函数回归,支持向量机通常简写作SVM。

7.最近邻算法

K-最近邻算法(K-Nearest Neighbors,KNN)非常简单。KNN通过在整个训练集中搜索K个最相似的实例,即K个邻居,并为所有这些K个实例分配一个公共输出变量,来对对象进行分类。

8.随机森林算法

随机森林(Random Forest)是一种非常流行的集成机器学习算法。它是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习的一大分支——集成学习(Ensemble Learning)方法。在集成学习中,主要分为bagging 算法和boosting 算法,而这里的随机森林则主要运用了bagging 算法。

9.人工神经网络

人工神经网络算法模拟生物神经网络,是一类模式匹配算法。通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支,有几百种不同的算法。

10.贝叶斯算法

朴素贝叶斯(Naive Bayes ,NB)算法是基于贝叶斯定理与特征条件独立假设的分类方法,该算法是有监督的学习算法,解决的是分类问题,是将一个未知样本分到几个预先已知类别的过程。

朴素贝叶斯的思想就是根据某些个先验概率计算Y变量属于某个类别的后验概率,也就是根据先前事件的有关数据估计未来某个事件发生的概率。