it技術(shù)的走向所依賴的技術(shù)都是很前沿的，主要體現(xiàn)在其能取代掉人工作業(yè)；其中ai并不是現(xiàn)在人工智能的主流，而是未來會比ai更便捷的形式出現(xiàn)的人工智能技術(shù)。在今年暑假我參加的“啟飛云計(jì)算網(wǎng)格化巡講”里面，張總對于ai技術(shù)在傳統(tǒng)行業(yè)中的應(yīng)用有著很深的認(rèn)識。如果您對ai技術(shù)有興趣，可以前去他的網(wǎng)格化巡講公開課，有免費(fèi)的ai課程。

ai把人工智能分離為機(jī)器學(xué)習(xí)（ml）和專家系統(tǒng)(plm)。有的專家系統(tǒng)甚至比ai還落后。機(jī)器學(xué)習(xí)可以分為非監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)，包括學(xué)習(xí)問題（課程）、文本分類問題，時(shí)間序列等等。所有的學(xué)習(xí)問題都可以用機(jī)器學(xué)習(xí)解決。ai技術(shù)本質(zhì)上是建立在一個(gè)知識庫的基礎(chǔ)上。這個(gè)知識庫有很多的模型。比如問題-答案模型是每個(gè)問題都有一個(gè)預(yù)測模型，比如siri，根據(jù)對話內(nèi)容的文本預(yù)測下一句話是什么。

舉個(gè)例子：ai訓(xùn)練分類器的話，就是將詞匯表里面所有的詞匯分成一個(gè)個(gè)類別it技術(shù)，ai技術(shù)的體現(xiàn)就是很多數(shù)據(jù)不平衡，每個(gè)類別缺乏足夠多的訓(xùn)練樣本。人工智能技術(shù)要解決的第一個(gè)問題是如何從分布不均勻的樣本訓(xùn)練出一個(gè)合理的人工智能模型。第二個(gè)問題就是，如何讓機(jī)器像人一樣學(xué)習(xí)，并且不需要人類來幫助，就像人一樣去思考。有種更靠譜的做法是，讓模型用從小的數(shù)據(jù)里面學(xué)習(xí)到的規(guī)律做歸納it技術(shù)，推廣到大的數(shù)據(jù)集。

注意，不用人工干預(yù)。機(jī)器還可以同時(shí)學(xué)習(xí)三組，雖然三組對機(jī)器來說是差不多長度的數(shù)據(jù)集。但是哪一組機(jī)器可以從模型中提取出最有用的信息呢？就需要你去幫助它提取了。ai訓(xùn)練模型可以使用暴力搜索，去搜索最簡單的模型，哪怕一個(gè)非常簡單的模型也行。所以不要擔(dān)心機(jī)器學(xué)習(xí)給了它啥，最關(guān)鍵的還是人類來監(jiān)督它。另外你說到的推薦系統(tǒng)用不上機(jī)器學(xué)習(xí)，這個(gè)我就不太清楚了。

數(shù)據(jù)越多，越復(fù)雜的數(shù)據(jù)，機(jī)器學(xué)習(xí)帶來的改善越大。還有機(jī)器學(xué)習(xí)和推薦系統(tǒng)還是有區(qū)別的，推薦系統(tǒng)是讓用戶產(chǎn)生對自己有用的內(nèi)容，這種機(jī)器學(xué)習(xí)是用來做數(shù)據(jù)挖掘，而推薦系統(tǒng)是做ctr預(yù)估，ai技術(shù)用于復(fù)雜的推薦系統(tǒng)上。最后說一句，推薦系統(tǒng)這種網(wǎng)絡(luò)結(jié)構(gòu)很大程度上考驗(yàn)的是業(yè)務(wù)理解。