北京驴吊刘佳(artificial intelligence,AI):让机器具有人类的智能。努力将通常由人类完成的智力任务自动化。
数据分析:根据分析目的用适当的统计分析方法及工具,对收集来的数据进行处理与分析,提取有价值的信息,发挥数据的作用。
人工智能(artificial intelligence,AI):让机器具有人类的智能。努力将通常由人类完成的智力任务自动化。
:根据分析目的用适当的统计分析方法及工具,对收集来的数据进行处理与分析,提取有价值的信息,发挥数据的作用。
:从大量的数据中,通过统计学、人工智能、机器学习等方法,按掘出未知的、且有价值的信息和知识的过程。
用AI的工具和方法,观察数据,处理数据,挖掘出有价值的信息,辅助决策。
数据流动--》程序框架定义数据的流动--》数据库存储数据--》AI方法和工具挖掘有价值的信息--》辅助决策
图灵奖得主,关系型数据库的鼻祖吉姆·格雷,在“科学方法的革命”的演讲中,提出将科学研究分为四类范式(Paradigm,某种必须遵循的规范或大家都在用的套路),依次为实验归纳,模型推演,仿真模拟和数据密集型科学发现(Data-Intensive Scientific Discovery)。其中,最后的“数据密集型”,称为“科学大数据”。
:从原始的钻木取火,发展到后来以伽利略为代表的文艺复兴时期的科学发展初级阶段,人类最早的科学研究,主要以记录和描述自然现象为特征,这个阶段称为“实验科学”。
:但这些研究,受到当时实验条件的限制,难于完成对自然现象更精确的理解。科学家们开始尝试尽量简化实验模型,去掉一些复杂干扰,只留下关键因素,然后通过演算进行归纳总结。
:20世纪中叶,随着现代电子计算机的发展,利用电子计算机对科学实验进行模拟仿真的模式得到迅速普及,人们可以对复杂现象通过模拟仿真,推演出越来越多复杂的现象,典型案例如模拟核试验、天气预报等。随着计算机仿真越来越多地取代实验,逐渐成为科研的常规方法。
:随着数据的爆炸性增长,未来科学的发展趋势是计算机将不仅仅能做模拟仿真,还能进行分析总结,得到理论。数据密集范式理应从第三范式中分离出来,成为一个独特的科学研究范式。
认知发生了改变,最大的转变,就是放弃对因果关系的渴求,取而代之关注相关关系
。即,只要知道“是什么”而不需要知道“为什么”,而数据科学就是一种得出这种相关关系的科学。
:用于训练神经网络的数据来自科学基本方程的数值解,而非经验观察,从而创造出一种新的知识创造的思路,即通过机器猜想的方式实现科学智能的应用。
美国托马斯·库恩1962《科学革命的结构》:常规科学所赖以运作的理论基础和实践规范。
在科学发展的某一时期,总有一种主导范式,当这种主导范式不能解释的“异常”积累到一定程度时
,就无法再使用旧有的范式去做解释,科学共同体将寻求既能解释旧范式的论据又能说明用旧范式无法解释的论据的更具备包容性的新范式,这时候就会发生科学革命。
科学知识增长模式:前学科(没有范式)—常规科学(建立范式)—科学革命(范式动摇)—新常规科学(建立新范式)
蒙娜丽莎这幅画很好看,但是这幅画的意义是人们可以画其他类型的画了,因为在这之前只能画与宗教相关的。
李世石被alphago打败,说明人工智能在围棋这个比赛战胜了人类,但是这场比赛的意义是:跨界竞争,计算机界的顶尖人才战胜了围棋界的顶尖人才。以前这两拨人是不交锋的。如果AI的这个技术应用其他领域呢?生物蛋白质的发现,数学物理规律的发现,新材料的发现。这些领域会不会被计算机界的顶尖人才打败呢?人工智能开始降维打击。
利用人脸识别技术猎杀对手并不是首次。2020年11月27日下午,伊朗核专家法克里扎德乘坐汽车在德黑兰附近行驶时,脸部被精确射中13发子弹身亡,而其妻子与他只有25厘米距离,却没有中弹。伊朗政府指责,以色列使用了一种由卫星控制、带有人工智能和面部识别技术的机枪,实施了这起刺杀行动。
掌握一个知识有多种方法和工具,如图解,理论,公式,代码,生活中的类比等,可以根据自己的状况,选择适合自己的内容和方法去学习。
用类比建立关联。如果觉得一个知识难,可能是没有把它和已经知道的知识建立联系或被抽象的文字描述给迷惑了。比如,两个陌生人直接交流有点困难,但若有个朋友介绍你们认识,那么就能迅速拉近关系,交流起来就容易了。
学习技术(AI技术,数据分析)先知道是什么和怎么用,再知道原理,然后知道为什么这么用,不要一开始就研究艰深的算法,这样只会把自己吓住,进入拖延的状态
初级目标:掌握概念(what)和怎么用(how初级,会调用已实现的模块的函数)
高级目标:掌握为什么(why,为什么用它而不用其他;how高级,实现新的算法)
最终目标:使用人工智能的工具,进行数据分析、研究新的算法、解决新的问题
|