行业动态

it技术的走向所依赖的技术都是很前沿的，主要体现在其能取代掉人工作业；其中ai并不是现在人工智能的主流，而是未来会比ai更便捷的形式出现的人工智能技术。在今年暑假我参加的“启飞云计算网格化巡讲”里面，张总对于ai技术在传统行业中的应用有着很深的认识。如果您对ai技术有兴趣，可以前去他的网格化巡讲公开课，有免费的ai课程。

ai把人工智能分离为机器学习（ml）和专家系统(plm)。有的专家系统甚至比ai还落后。机器学习可以分为非监督学习和监督学习，包括学习问题（课程）、文本分类问题，时间序列等等。所有的学习问题都可以用机器学习解决。ai技术本质上是建立在一个知识库的基础上。这个知识库有很多的模型。比如问题-答案模型是每个问题都有一个预测模型，比如siri，根据对话内容的文本预测下一句话是什么。

举个例子：ai训练分类器的话，就是将词汇表里面所有的词汇分成一个个类别it技术，ai技术的体现就是很多数据不平衡，每个类别缺乏足够多的训练样本。人工智能技术要解决的第一个问题是如何从分布不均匀的样本训练出一个合理的人工智能模型。第二个问题就是，如何让机器像人一样学习，并且不需要人类来帮助，就像人一样去思考。有种更靠谱的做法是，让模型用从小的数据里面学习到的规律做归纳it技术，推广到大的数据集。

注意，不用人工干预。机器还可以同时学习三组，虽然三组对机器来说是差不多长度的数据集。但是哪一组机器可以从模型中提取出最有用的信息呢？就需要你去帮助它提取了。ai训练模型可以使用暴力搜索，去搜索最简单的模型，哪怕一个非常简单的模型也行。所以不要担心机器学习给了它啥，最关键的还是人类来监督它。另外你说到的推荐系统用不上机器学习，这个我就不太清楚了。

数据越多，越复杂的数据，机器学习带来的改善越大。还有机器学习和推荐系统还是有区别的，推荐系统是让用户产生对自己有用的内容，这种机器学习是用来做数据挖掘，而推荐系统是做ctr预估，ai技术用于复杂的推荐系统上。最后说一句，推荐系统这种网络结构很大程度上考验的是业务理解。