如何开始作为 AI 开发者
本文将概述人工智能的基础知识，并介绍一些可能有用的工具和资源。
至少从 20 世纪 50 年代开始，人工智能的承诺就一直吸引着我们的文化想象力——激励计算机科学家创造出新的、日益复杂的技术，同时也激起了普通消费者对未来的兴奋。如果我们能在不冒任何身体风险的情况下探索海底呢？或者在智能道路上乘坐无人驾驶汽车呢？虽然我们对人工智能的理解——以及它的可能性——在过去的几十年里发生了变化，但我们有理由相信，人工智能时代终于到来了。那么，作为一名开发者，你能做些什么来开始呢？本文将概述人工智能的基础知识，并介绍一些可能有用的工具和资源。
首先——人工智能到底是什么？
虽然有许多不同的方式来思考人工智能和处理它的技术，但机器智能的关键在于它必须能够感知、推理、行动，然后根据经验进行适应。
- 感知——在海量数据中识别和识别有意义的对象或概念。那是红绿灯吗？是肿瘤还是正常组织？
- 推理——理解更大的背景，并制定实现目标的计划。如果目标是避免碰撞，汽车就必须根据车辆的行为、距离、速度和路况来计算碰撞的可能性。
- 行动——推荐或直接启动最佳行动方案。基于车辆和交通分析，它可以刹车、加速或准备安全机制。
- 适应——最后，我们必须能够根据经验在每个阶段调整算法，对它们进行再训练，使其变得越来越智能。自动驾驶汽车算法应该重新训练，以识别更多的盲点，将新变量纳入情境，并根据过去的事件调整行动。
今天的人工智能是什么样子的？
如今，人工智能是一个总称，代表任何能够感知、推理、行动和适应的程序。开发者们让机器做到这一点的两种方式是机器学习和深度学习。
- 在机器学习中，学习算法从数据中构建模型，随着时间的推移暴露给更多数据，它们可以改进模型。机器学习有四种主要类型：监督学习、无监督学习、半监督学习和强化学习。在监督机器学习中，算法通过处理和分类大量的标记数据来学习识别数据。在无监督机器学习中，算法在大量的未标记数据中识别模式和类别——通常比人脑快得多。你可以在这篇文章中了解更多关于机器学习的内容。
- 深度学习是机器学习的一个子集，其中多层神经网络从海量数据中学习。
人工智能实战：机器学习工作流
正如我们上面讨论的，人工智能能够感知、推理、行动，然后根据经验进行适应。但它看起来是什么样的呢？这是机器学习的一般工作流。
- 数据采集——首先，你需要海量的数据。这些数据可以从任何数量的来源收集，包括可穿戴设备和其他物体中的传感器、云和网络。
- 数据聚合和整理——一旦数据被收集，数据科学家就会对其进行聚合和标记（对于监督机器学习）。
- 模型开发——接下来，数据被用来开发一个模型，然后对该模型进行准确性训练并优化性能。
- 模型部署和评分——模型被部署到一个应用程序中，用于根据新数据进行预测。
- 使用新数据更新——随着更多数据的进入，模型会变得更加完善和准确。例如，当自动驾驶汽车行驶时，应用程序通过传感器、GPS、360 度视频捕捉等方式实时获取信息，然后可以利用这些信息优化未来的预测。
人工智能开发者的机会
人工智能最令人兴奋的事情之一是，它有可能彻底改变的不仅仅是计算行业或软件行业，而是我们生活中涉及的每一个行业。它将以与工业革命、技术革命和数字革命改变日常生活的方方面面相同的方式改变社会。英特尔提供支持人工智能的基础、框架和战略。在深度学习和机器学习技术方面，英特尔可以帮助开发者更好、更快、更经济高效地交付项目。
对于开发者来说，人工智能领域的扩张意味着你可以将你对人工智能的兴趣和知识应用于你感兴趣的行业，例如音乐、体育或医疗保健。在你探索人工智能世界的同时，思考你还有什么其他感兴趣的，以及你想如何为该领域做出有意义的贡献。想法是无限的，但这里有一些例子可以帮助你思考。
那么，我应该从哪里开始？英特尔可以提供帮助。
英特尔正在支持人工智能领域的快速创新。英特尔® 软件开发者中心人工智能版是查找社区、工具和培训的绝佳起点。以下是一些具体的链接，可以帮助你开始。
- 加入人工智能社区——全球有众多人工智能开发者社区。在 Facebook 和 LinkedIn 上与他们联系，并在你所在的地区寻找聚会、研讨会和活动。英特尔定期参加会议并举办关于人工智能主题的网络研讨会——在此了解更多。
- 你是学生吗？看看你的学校是否设有英特尔® 软件学生开发者计划。接受行业专家、教授和专业人士的实践培训，提升你的技能。在此了解更多。
- 优化框架——Caffe* 是图像识别最流行的社区应用之一，Theano* 旨在帮助编写深度学习模型。这两个框架都已针对英特尔® 架构进行了优化。在此了解如何安装和使用这些框架，并找到许多有用的库。
- 硬件 - 英特尔® 至强融核™ 处理器系列——这些大规模多核处理器为机器学习和深度学习工作负载提供强大、高度并行的性能。在此简要了解使用英特尔® 架构进行深度学习，并在此了解英特尔® 至强融核™ 处理器系列在深度学习方面的竞争性性能。人工智能的主题非常深入，我们才刚刚开始触及表面。请尽快回来查看更多关于正在发生的事情以及你如何参与的文章。
人工智能的主题非常深入，我们才刚刚开始触及表面。请尽快回来查看更多关于正在发生的事情以及你如何参与的文章。