你需要咋样的队伍才可以开发人工智能系统?

  在这个AI概念满天飞的今天,你一定也被老板要求开发人工智能系统,如果老板又加了一句资源可以给你配置,你想招什么人都可以,但是这时候你如何做提要求呢?开发AI系统和开发普通的I系统可以大为不同。

现在的人工智能不适合当个普通人

  在大干一场之前,我们需要明白一个事实,我们虽然对于AI基于了非常高的期望,但是目前的AI还做不好一个普通人,但是AI可以做好小领域内的专家。
  在开发专家系统之前,你需要有专家和将专家能力转换为系统的能力。

专家系统的常用模型

下图是专家系统的常用模型

人类专家vs专家系统vs常规系统

  随着AI热,所有的公司都在说做AI系统,机器代替人类嘛。其实所有的工具和机器都在代替人类的某一种或者几种能力,但是如果这一切都称为AI,那就泛AI化了。下表我们通过对比人类专家,专家系统和常规系统来明确常规的计算机系统和AI系统的不同。


N 人类专家 专家系统 常规程序
1 在狭窄的领域中,使用经验式或启发式的知识解决问题 处理以规则形式表达的知识,在有限的领域中,使用符号推理解决问题 处理数据以及使用算法和一系列定义的操作来解决一般的数值型的问题
2 在人类的大脑中,知识以可编译的方式存在 知识和处理是完全分开的 处理知识时,知识和控制结构不是分离的
3 能够理解推理流程并提供细节 在解决问题过程中跟踪规则的触发,解释如何的到具体的结论,为什么需要这些特定的数据 对于如何得到结论和为什么需要这些输入数据都不做解释
4 使用不精确的推理,可以处理不完整、不确定和模糊的信息 允许不精确的推理,可以处理不完整、不确定和模糊的数据 仅在数据是完整和精确的情况下处理问题
5 信息不完整或模糊时可能出错 数据不完整或者模糊时可能会出错 如果数据不完整或模糊,则根本不提供解决方案,或者提供的方案是错误的
6 经过多年的学习和实践训练,可以提高解决问题的能力。但这个过程缓慢,效率低并且昂贵 在知识库中增加新规则或者调整原有规则可以改进解决问题的能力。在获得新知识时,容易实现改变 通过改变程序代码来提供解决问题的能力,代码对于知识及其处理都有影响,导致改变困难

参考内容

  内容来自《人工智能-智能系统指南》机械工业出版社,ISBN 978-7-111-20212-7