人工智能的广泛使用是信息技术发展的拐点

导读 给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识

给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。

在全球超过1亿个家庭中，人们醒来后会问：“Alexa，请告诉我天气预报。”对于数百万安装了亚马逊Echo设备的家庭来说，人工智能(AI)每天都在到来和使用。人工智能的广泛应用是信息技术发展的一个拐点，了解这一技术的基础对于法律实践的每个领域都至关重要。

人工智能技术提供的动力远远超过桌面娱乐设备。例如，正在开发一种移动机械系统，即移动机器人，以帮助照顾老年人，并且已经表明，已经使用的自动驾驶技术可以减少事故。目前AI的使用还不明显，每天都在影响着大多数人的生活。互联网搜索引擎(如谷歌和必应)使用人工智能来改善搜索结果。在IBM沃森技术的帮助下，医生们正在使用AI来提高医疗效果。同样的人工智能技术可以帮助天气预报员精确地预测降雨何时发生。

在这些迭代中，人工智能技术由术语“认知计算”和“增强智能”重构，以描述一组结合或交互以帮助人类执行许多不同任务的技术。人工智能的这些和其他使用案例将不可避免地挑战社会规范和法律规则，从而给立法者、律师、科学家和公众带来新的问题。

定义人工智能。

AI不是深情的代理人或良心，而是具有智能行为的人工系统。在《人工智能》中，作者和计算机科学教授大卫普尔和艾伦k麦克沃斯将人工智能系统定义为具有以下特征：

系统根据其情况和目标执行适当的工作；

该系统非常灵活，能够适应不断变化的环境和不断变化的目标。

从经验中学习；和

鉴于其感知和计算的局限性，系统将做出适当的选择。人工智能系统通常不能直接观察世界的状态，因为它只有有限的记忆，没有无限的行动时间。

需要注意的是，“人工”一词仅指人创造和发展的东西，并不意味着后天获得的“智慧”是任何意义上的“锻造”。

人工智能系统的要素。

计算机系统如何模仿人类智能？人工智能系统使用了许多软件和相关的硬件技术，这些技术本身并不构成一个有效的人工智能系统。这些技术相互作用和重叠，提供人工智能功能，这取决于它们如何处理问题。

大数据

“大数据”一词是指大量结构化和非结构化数据，以及能够有效利用其中包含的信息的软件和硬件技术。在大多数应用中，这些大型数据集可以远程访问，这使得云计算成为大数据系统的一个重要方面。大数据技术和AI的结合是一个特别强大的结合。在许多其他用例中，它可以通过检查零售商过去的销售数据来帮助他们定位客户。它可以帮助运动队跟踪运动员的表现。它还可以更快、更有效地解决对律师有实际意义的问题，如分析大型文本文档数据库，如法规、法律意见和法规。

机器学习和深度学习。

智能系统的一个关键方面是学习经验的能力。“机器学习”是一个术语，指的是可以通过应用更多数据来改进的算法。机器学习可以通过许多不同的方式来实现。

人工神经网络是一个术语，指的是模拟人脑神经结构的简单互联单元网络(不是字面上的，而是概念上的)。神经网络擅长非引导模式发现，这种品质对于图像识别、未来趋势预测和音频信号处理等任务非常有用。神经网络通过一系列被描述为“被猜测”的人来学习识别物体。系统被教授目标信息的基本特征，例如椅子。在被告知大多数椅子有四条腿、一个座位和一个靠背后，该系统将接收成千上万张各种椅子的图像。这些图像将该系统“教授”为椅子家具的各种迭代。这样，网络“学会”识别不同的对象。

深度学习是机器学习的一种特殊类型，涉及多层次自动化。机器学习要求程序员告诉算法要寻找什么来做出决策。仅向算法提供原始数据很少有效。特征提取给程序员带来了负担，尤其是在复杂问题中。算法的有效性很大程度上取决于程序员的技能。深度学习模型解决了这个问题，因为它们可以学习专注于正确的功能。这个系统几乎不需要程序员的指导，所以它比人类更擅长分析。

深度学习在图像和语音识别等复杂任务中非常有效。但是这种技术的计算量非常大，深度学习系统需要大量的数据来训练。另一个问题是“可解释性”或“黑盒”。深度学习系统以“无监督”方式(即独立于程序员)进行学习的能力可能会使理解和描述系统用于分类和完成任务的过程变得困难。这带来了实际困难(如何修复这样一个系统或在失败或受伤的情况下如何分配责任)，以及哲学和社会问题。

本文就为大家讲解到这里了。