Un. Qui est la statistique

Thomas J. Sargent: L'intelligence artificielle n'est que des statistiques prolongées

2011 Nobel Thomas J. Sargent Awards économiques avec le nom du Forum mondial de l'innovation publique «Partager Global SAGESSE SAGESSE FIRSTOM & TECHNOLOGIES "Dit:

L'ordinateur est très bon dans les calculs, ils peuvent compléter le calcul des ordinateurs très rapides, mais se terminer le suivant doivent organiser et analyser ces calculs. Vous pouvez voir des applications d'intelligence artificielles très réussie, ce n'est pas simplement une machine dans la "pensée", mais également des scientifiques. Les algorithmes comme Alphago semblent apparaître pour la première fois, mais il existe de nombreuses mathématiques très intelligentes, et il est placé par des gens. L'intelligence artificielle est faite par des machines et des humains.

La sagesse artificielle est la statistique
Huawei Founder et Zhengfu Lace PDG interrogé par CCTV "face à face", en ce qui concerne la sagesse artificielle, reN Zheng est dit: La Chine n'a aucune intelligence artificielle de cette classe, des ordinateurs et des statistiques, des audits et des audits, vous dites que nous devons entrer une ère de données importante, ce qui rend l'ère de nombreuses données? statistiques. Pas assez que notre pays n'a pas assez de mathématiques, et les deuxième statistiques en mathématiques ne suffisent pas.

3. 金: Les statistiques sont l'une des fondements importants de l'intelligence artificielle, mais loin n'est pas tous

Gâteau Bada Alibaba faisant la machine Smart Technologie Jin Tian Laboratoire:
Outre les statistiques , de nombreuses autres industries et méthodes telles que l'algèbre, la logique, les optimisations et d'autres industries ont été utilisées dans la «théorie» «théorie» et «prise de décision» chez qui que ce soit. En outre, il est également très important d'atteindre la performance après l'algorithme. Donc, disons simplement que quiconque est statistique ou «tout ce qui utilise des statistiques pour résoudre le problème» est à sens unique et inexact.
À propos de toute personne et de relations statistiques, malgré le publicG a déclaré que tous les grands hommes tiennent des opinions différentes, mais nous ne voyons toujours pas vraiment que les statistiques ont une position très importante dans le développement de l'AI.

4. Historique du développement intellectuel VS Statistiques

Pour analyser les relations statistiques et AI, nous surveillons l'histoire du développement et trouvera une partie de l'intersection.
Les statistiques humaines basées sur des activités de comptage et l'histoire du développement statistique peuvent être traçées brutes à la société d'origine de plus de 5 000 ans. C'est un problème plus de trois cents ans depuis le démarrage d'un système.
Dès les trois principales étapes de développement des statistiques, les statistiques ont été pratiquées → Théorie → Chèques en trois étapes, les statistiques actuelles sont principalement description et analyse des données faites dans le futur, très similaire à la définition de quiconque. 2. Historique de développement de l'AI
Historique du développement qui peut êtreTraçage du temps de naissance.

Après avoir subi le développement de la reine de 20 ans, les gens ont commencé à se rendre compte que la fonction de calcul pouvait être bien terminée. Cependant, il est difficile de fonctionner la classe cognitive pour obtenir les exigences de la simulation de l'humanité. La compréhension de chacun de l'intelligence artificielle se transforme également de Smart dans des imaginations pour valoriser la technologie artificielle.

Thomas J. Sargent: Intelligence artificielle faite par des machines et des humains, très intéressant.
Tout le monde maintenant, les gens ne sont pas réalistes comme des films de science-fiction. Les techniciens savent que la technologie qui peut être faite sur la base de la "pensée" de chacun, permettant à la machinerie de se produire, qui devrait se concentrer sur la libération de la productivité au lieu d'une "humanité complète de remplacement". "

3. Statistiques et intersections AI

En 1988, les scientifiques américains Judia Pierre introduisaient les méthodes statistiques de probabilité envers les haltères humainsoe.

Après cela, le Centre de recherche Watson d'IBM a introduit des statistiques de probabilité pour les projets Candides - une déclaration de 200 000 basée sur une traduction automatique entre l'anglais et le français.

En 1992, la Chine Li Kaiqian a utilisé des méthodes statistiques et a développé les premiers prototypes de Siri. Après avoir introduit les statistiques pour étudier AI, l'un des poids côte à suivre, qui est une machine d'apprentissage jusqu'à récemment connue. Sur la base d'une grande quantité de données créées par les humains, la pensée humaine est utilisée pour analyser les marqueurs, puis introduire la machine et maintenir enfin la machine à maîtriser les règles et les lois.

Nous ne sommes pas difficiles à trouver: les statistiques et toute personne a un objet de recherche commun - données.

5. L'application de concepts statistiques chez tout le monde

Comme l'une des sections transversales, le développement de l'intelligence artificielle est appliqué progressivement pour chaque ligne. Industrie. Indépendamment des gensGestion des produits AI, il s'agit également d'un ingénieur, seule une bonne plate-forme statistique peut être une compréhension précise et intensive de l'analyse des données.

1. Demander des données d'enquête

Prenez l'exemple de l'apprentissage comme exemple: son noyau est "en utilisant l'algorithme pour analyser les données, en apprendre d'elle, et plus tard dans le monde pour prendre des décisions ou Prévisions. "

Doit analyser les données avant d'étudier et l'apprentissage de la machine nécessite une énorme donnée pour assurer la marque de ses fruits d'apprentissage.

Pour les bébés, même à peine seulement trois ans, des centaines de millions d'images ont une énorme base de données. Vouloir faire confiance "besoin d'avoir des données fiables. Les méthodes de collecte de données statistiques et les méthodes de traitement sont la machine d'apprentissage pour définir les ensembles de données à utiliser.

Image de: https: // www .jianshu .com / p / 0fed5efab3e5
Source de données statistiques:
Données générales Traitement:

2. Modèle de construction d'applications

Face sans définitions standard:

Exemple: la plate-forme de commerce électronique veut trouver des personnes qui sont rebondées pour être toxiques pour les marchandises, mais les données ne disent pas aux personnes qui ont renvoyé malveillant

pour cette donnée particulière, Aucun manuel ou documentation pour faire de la manière. Cela doit avoir une méthode de traitement unique, vous devez déterminer quels mécanismes et arrière-plans ne sont pas toxiques pour configurer des modèles, incapables de célibataire si vous avez un utilisateur avec certaines opérations de retour, vous devez comprendre comment réfléchir aux utilisateurs.

Pour les humains, ce raisonnement et son jugement n'ont pas une activité mathématique complexe. Mais pour les machines, tout cela est basé sur une activité mathématique. Le modèle arithmétique efficace est le fondement de toute personne inférieure.

Face aux besoins statistiques du modèle:

Exemple: Le groupe d'exploitation espère prédire la quantité de trafic pouvant être apportée par une activité nouvelle commercialisation, qui n'est pas simplement basée sur mCertaines formules, certains modèles à résoudre.

Le modèle existant est généralement corrigé et il s'agit de données très simples et compliquées n'est pas compliquée. Les avantages des modèles statistiques classiques et des méthodes sérieuses de modèles graves basées sur de multiples hypothèses mathématiques pour les données ne peuvent être prouvées. Donc, si vous souhaitez choisir un besoin vraiment réel dans de nombreux modèles statistiques, vous devez récupérer des données pour effectuer une authentification croisée. L'authentification croisée consiste à créer un modèle avec une partie des données, puis utilisez une autre donnée pour vérifier ce modèle. L'authentification croisée est un moyen important de déterminer qui peut prédire efficace ou non.

Les statistiques constituent le fondement du développement de l'une des choses ci-dessus
par une courte période d'analyse des statistiques dans le domaine de l'AI, sans difficulté de voir le numéro, il s'agit d'une partie indispensable, mais les statistiques font ne pas réaliser que quelqu'un vraiment. Thomas J. Sargent etRen Zhengfa est définitivement précis à l'importance statistique et Jin qu'il est également précis pour le support multi-technique.Les statistiques servent d'industries classiques traditionnelles, à l'appui des installations de développement de l'AI.Mais quiconque ne devrait pas être une technologie complètement nouvelle, mais devrait être élargi et développé.Sans nouvelle technologie née à l'avenir, l'avenir appliquera des secteurs traditionnels dans le nouveau domaine en tant que tournant pour l'enseignement supérieur. Cet article n'est que l'un des auteur de l'auteur dans les statistiques académiques. Certaines personnes y pensent, j'espère lancer des briques. Lorsque le grand âge de données arrive, il y aura plus de pm pour passer des données futures Analyse et conception d'analyse de données exceptionnelle, outils prédictifs.