南洋理工大学人工智能课程辅导

人工智能研究的创始人之一约翰・麦卡锡曾将该领域定义为 “让计算机去做那些由人来做时被认为涉及智能的事情”。

范围

虽然上述对人工智能的定义提供了该术语含义的大致轮廓，但目前并没有一个被普遍认可的人工智能定义。在实践中，人工智能被用作一个涵盖广泛不同技术和应用的统称，其中一些如下所述。

1.机器学习（ML）：机器学习是计算机科学的一个领域，它使用算法处理大量数据并从中学习。与传统的基于规则的编程不同，机器学习模型从输入数据中学习以进行预测或识别有意义的模式，而无需明确编程来执行这些操作。根据其预期功能和结构的不同，有不同类型的机器学习模型：

2.有监督机器学习：在有监督机器学习中，模型使用带有标签的输入数据进行训练，这些数据与特定的输出相关联。例如，一组动物照片数据集(输入数据)可以被标记为 “猫” 或 “非猫”(输出数据)。随着更多的训练数据可用，模型不断改进以提供更准确的输出。在模型从训练数据中的模式中学习后，它可以分析额外的数据以产生所需的输出。有监督机器学习模型的结果通常由人类进行准确性审查，并反馈到模型中进行进一步改进。当模型在提供新数据集时能够始终如一地产生准确的预测时，有监督机器学习就是成功的。例如，机器学习模型学会识别一张新图片是否是猫。

3.无监督机器学习：在无监督机器学习中，输入数据没有被标记，输出也没有被指定。相反，模型被输入大量原始数据，算法被设计用于识别任何潜在的有意义模式。算法可能会对相似的数据进行聚类，但这样做时没有任何关于输出的先入之见。例如，一个交易事件的时间序列可以输入到一个无监督模型中，模型识别出相似交易的组以及异常值。然后，无监督机器学习模型的结果由人类进行解释，以确定它们是否有意义和相关。

4.强化学习：在强化学习中，模型通过试错动态地学习以实现期望的输出。如果模型算法正确执行并实现预期输出，它将得到奖励。相反，如果它没有产生期望的输出，它将受到惩罚。因此，模型随着时间的推移学习以一种最大化净奖励的方式执行。例如，在证券行业，强化学习模型正在被探索用于期权定价和对冲。

5.深度学习：深度学习模型建立在人工神经网络之上，其中算法以受大脑中神经网络功能方式启发的方式通过多层学习处理大量未标记或非结构化数据。当基础数据量非常大、来自不同来源且可能具有不同格式(例如文本、语音和视频)时，通常会使用这些模型。例如，证券行业中的一些公司正在开发基于深度学习模型的监控和行为监测工具。深度学习应用可以是有监督的、无监督的或基于强化学习的。

6.自然语言处理（NLP）：自然语言处理是一种人工智能形式，它使机器能够读取或识别文本和语音，从中提取价值，并可能将信息转换为所需的输出格式，例如文本或语音。证券行业中自然语言处理应用的例子从法律文件中的关键词提取和语言翻译到更复杂的任务，如情感分析以及通过聊天框和虚拟助手提供相关信息。

7.计算机视觉（CV）：计算机视觉(也称为机器视觉)是计算机科学的一个领域，致力于使计算机能够像人类视觉一样看到、识别和处理图像，然后提供适当的输出。计算机视觉应用通常会使用机器学习模型来解释它 “看到” 的内容并进行预测或确定。基于计算机视觉的应用例子包括面部识别、指纹识别、光学字符识别和其他用于验证用户身份的生物识别工具。

8.机器人流程自动化（RPA）：机器人流程自动化是指使用预先编程的软件工具与其他应用程序交互，以自动化劳动密集型任务，从而提高准确性、速度和节省成本。机器人流程自动化工具通常用于涉及结构化数据的高容量、重复性流程，如账户对账、应付账款处理和支票存款。一些市场参与者不认为机器人流程自动化是一种人工智能形式，因为它的重点是以更类似于基于规则的系统的方式自动化流程。然而，其他人认为它是一种初级的人工智能形式，特别是当它与其他技术(如机器学习)结合使用时。

海马课堂，4000+严选硕博学霸师资，针对学生的薄弱科目和学校教学进度，匹配背景相符的导师，根据学生情况进行1V1专属备课，上课时间灵活安排，中英双语详细讲解课程中的考点、 难点问题，并提供多方位的课后辅导，辅助学生掌握全部课程知识，补足短板。
海马课堂服务焕新，六大模块强势护航！包括定制规划报告、心灵辅导、免费公益课、提分规划及单项与组合课业辅导。学习教练助力 GPA 提升与职业发展，缓解压力焦虑，清理负面情绪，提升自信，满足不同学习需求。