人工智能即將到達您附近的數據中心，它可能會開始執(zhí)行人類操作員花費大量時間做的許多任務。

但是，不要把這種不可避免的發(fā)展視為一種威脅，今天的IT工作者現(xiàn)在應該更好地學習AI的基礎知識，以便當它到達時它可以被用作一種工具來增強人類對組織的價值，而不是取代它。

首先，有助于了解有許多不同類型的AI可以提供各種功能。技術記者邁克爾科普蘭認為這項技術是一系列同心圓，人工智能是最外層的圈子，更專業(yè)的形式，如機器學習(ML)和深入學習。

不同之處在于每種形式的AI所展示的復雜程度以及它們旨在實現(xiàn)的特定功能。

人工智能簡史

例如，人工智能的歷史可以追溯到20世紀50年代，但是這個十年早些時候才開始以“狹窄的人工智能”的概念開始聚集。這就是技術專注于完成圖像分類和面部識別等特定任務但缺乏能力的地方。使用經驗和其他數據輸入以人類大腦的方式發(fā)展其過程。

為此，我們需要轉向機器學習，它使用算法來解析數據以對其環(huán)境進行預測。使用ML，程序員不再需要對系統(tǒng)應該采取的每個動作進行手動編碼，而是系統(tǒng)本身可以根據可用數據確定最佳行動方案。然而，即使在這個階段，“智力”一詞的使用也非常松散，因為它仍然需要大量的人為輸入才能得出合理的結論。

這就是深度學習和神經網絡的用武之地。與機器學習不同，這些技術試圖模仿人類大腦的運作。使用高級分層，連接和數據傳播，他們以多種方式處理數據集，以產生給定結果的加權概率。由于這是一個非常繁重的計算工作量，因此在GPU和并行處理進入主流之前，這種級別的AI保持在次要位置并不奇怪。

可用的平臺

嶄露頭角的AI程序員也應該熟悉市場上的領先平臺。雖然過多的解決方案日益擴大，但一些更基本的系統(tǒng)為那些已經熟悉常見編程語言的人提供了相當容易的學習曲線。

Sitepoint.com列出了一些較為成熟的平臺，每個平臺都迎合了AI與數據驅動流程交互的各種方式。也許最流行的是谷歌的TensorFlow和為Raspberry Pi入門級計算環(huán)境而構建的Melissa平臺。兩者都為AI編程提供了簡單的入口，盡管Melissa需要更多的Python編程語言技能。

此外，還有像Wit.ai和Api.ai這樣的服務，它們利用語音識別將口頭命令轉換為文本。它們還使用稱為“意圖”和“實體”的簡單編程元素，這些元素用于定義要采取的動作以及要采取行動的設備和/或服務。通過這種方式，開發(fā)人員可以指示AI引擎從驅動器A中刪除數據并將其粘貼到驅動器B.Wit和Api都有自己的意圖和實體模板集，因此大部分工作已經完成。但是，除了iOS和Android之外，它們傾向于支持不同的編程語言，Wit傾向于Ruby，Python，C和Rust，以及支持Unity，C ++，Python和JavaScript的 Api 。

實踐完美

Kaggle首席技術官Ben Hamner表示，以傳統(tǒng)方式研究人工智能永遠不會受到傷害 - 學習課程，學習各種平臺的細微差別，研究過去的實踐 - 記住一系列不相關的事實只會帶你到目前為止。相反，更實際的方法是在工作日選擇一個特定問題，并嘗試弄清楚智能自動化系統(tǒng)如何能夠緩解它，如果不能完全解決它。

這比聽起來要困難得多。理想的問題必須有三個標準：

它必須涵蓋您個人感興趣的領域，

它必須使用非常適合解決問題的現(xiàn)成數據集，以及

數據或相關子集必須舒適地放在一臺機器中。

一旦你確定了一個合適的問題，Hamner就說是時候做一個快速而骯臟的黑客 - 沒什么特別的，足以為基本問題提供端到端的解決方案。這應該涵蓋諸如讀取數據，將其轉換為機器學習算法可以理解的內容，訓練基本模型，創(chuàng)建結果和評估性能等步驟。

一旦完成此功能基線，您可以隨時返回并改進每個組件，可能通過檢查單個行并可視化分布以更好地理解結構和異常。在許多情況下，您會發(fā)現(xiàn)改進數據清理和預處理步驟可以產生比優(yōu)化機器學習模型更好的結果。

它還有助于了解其他人目前正在做什么，然后公開分享您的創(chuàng)作，以促進進一步發(fā)展。Google最近啟動了一個名為AI Experiments的AI沙箱，它提供了開源代碼和其他資源，可以幫助您入門，并展示人工智能在藝術，語言，音樂和其他學科方面的發(fā)展。除了TensorFlow和Cloud ML API之外，該網站還提供了DeepMind 3D游戲實驗室版本和一套用于在C ++中開發(fā)機器學習工具的openFrameworks應用程序和腳本。

人工智能將為知識型員工帶來的最大變化，特別是IT，是消除構成工作日大部分的所有死記硬背，重復性任務。但不要搞錯，人工智能不會讓人類多余，也不會讓人類在機器完成所有工作的同時過上休閑生活。

在人工智能驅動的經濟中，人類的大腦將會有很多，但這很大程度上包含了數學算法永遠無法掌握的創(chuàng)造性，直觀的項目。

人工智能作為合作伙伴，希望工作日變得更有趣，并為個人帶來回報，而他們服務的組織應該從人類活動和整體更高的生產力中看到更大的價值。