淺談人工智能領域各個方向

一.前言

最近面臨著讀研選方向的問題,研究生選方向也算一件很重要的事情,這幾天咨詢瞭很多大佬,算是理清瞭AI大致的方向

寫這篇文章是想分享一下理解的宏觀上的AI,算不上是科普文(每個人都有自己的理解吧),希望對即將 選導師、選實驗室、選研究方向的同學們,對轉行、自學的朋友萌 有所幫助~~

適用讀者:對AI領域感興趣的、想加入這股浪潮(入坑)、同時不太清楚各個子方向同學

首先附上誠意滿滿的彩圖 ^ ^

AI子方向

有沒有覺得這個良心配圖好好看哇!!活潑個性而不失嚴謹!!!

那就點個關註吧!!

二.算法層面

AI離不開數據,同時也離不開算法,在算法層面大致有:機器學習ML(machine learning),深度學習DL(Deep learning),強化學習RL(Reinforcement learning),在早期的人工智能階段,AI≈ 統計學 + 數據挖掘 + 算力 + 計算機科學,也可以簡單的理解成在數據上的概率遊戲,到2012年左右,隨著算力的提升,反向傳播讓深度學習進入瞭大眾的視野,2016年運用強化學習的alpha go打敗李世石,AI這個詞開始火爆起來,相信後續的歷史大傢也就很清楚瞭,也是深度學習不斷顛覆的時代,視覺領域的yolo傢族,CNN,RCNN傢族不斷迭代進化,強化學習的DQN,NLP領域的2018年谷歌提出的Bert等等

三.子領域層面

AI個人理解的主要的方向有 計算機視覺、自然語言、語音、知識圖譜這幾大方向

搭建一個完整的AI,需要它的 視覺模塊,聽覺模塊,語言模塊,記憶推理認知模塊,當然還有軀體模塊等(機器手臂、傳感器),所以AI也相應的分為瞭以下幾個子領域,它們之間也有重疊和相互需要的部分

計算機視覺 CV:computer vision,可以簡單的理解智能體的視覺模塊,是研究機器如何看的科學,也是工業界AI應用場景最多的領域(不過好像加入的人有點多…),主要處理圖像的識別、理解,目標跟蹤、檢測等問題

CV的子方向有:目標檢測、目標識別、圖像分類、圖像分割、圖像內容理解、姿態估計、SLAM(定位和地圖構建)等等,比如自拍的美顏、p大進入校園刷的人臉識別、手機的指紋解鎖、高端一點的自動駕駛(雖然還有很長一段路要走),安防,這些都涉及計算機視覺 CV

自然語言處理 NLP:Natural Language Processing,可以簡單的理解智能體的語言模塊,涉及語言的理解、認知的科學

主要的范疇和子方向有:中文自動分詞、文本分類、文本情感分析、問答QA、對話Dialog、信息檢索 Information retrieval、信息摘要 Information extraction、機器翻譯等,比如用的apple的Sir、Google翻譯、百度的搜索…這些都涉及NLP

相比於CV,NLP典型應用場景較少,范圍窄而復雜度更高,不過cv和nlp也要相互聯系的地方,個人覺得也是未來研究的熱點方向,比如一個人走到一個地方環視一周,然後用語言描述出來,cv再根據描述重新構建場景,這個叫場景重建,再比如從藝術傢的畫中分析表達的情感態度,這也算二者結合的地方

語音 VC:Voice Recognition,可以簡單的理解智能體的聽覺模塊,也算一個模式識別的問題,解決的是從多個聲音(有許多噪聲)中篩選出你想要的聲音,比如微信聊天的語音識別,比如英語流利說的發音打分都要用到語音VC識別的相關算法

知識圖譜 KG:Knowledge Graph,可以算作一個獨立的方向,個人感覺和記憶理解這塊比較接近,可以簡單的理解智能體的記憶推理認知模塊,也就是知識庫的圖數據呈現,是一種語義網絡,我們這裡把它單獨劃為一個子方向,把實體用關系串聯起來,在知識庫文本中挖掘語義,知識推理,使得AI更具有可解釋性,也是非常重要的方向

四.工業界需求大方向

由於其他方向不太瞭解,就沒有寫瞭,今後有新認識會更新

對應NLP方向來說,真正能給老板帶來實實在在收益的技術,老板才會招兵買馬組建人才部門,目前互聯網大廠落地場景可以分為以下四類(問答還在快速發展,其他三個業務比較成熟穩定):

搜索、問答、推薦系統、計算廣告

工業界落地場景

搜索:說大一點,眾所周知的百度搜索引擎,Google搜索,說小一點,基本上每個成熟的網頁、APP都需要自己的搜索功能

推薦:靠個性化推薦打出一片天地的字節跳動,根據用戶偏好推薦相應的內容,阿裡的淘寶推薦界面、美團根據用戶口味喜好推薦外賣等等,知乎推薦你喜歡看的文章等等,應用場景也是相當廣闊

計算廣告:據說Facebook 90%以上的收入都是來自於廣告,廣告和推薦有交集,根據廣告金主霸霸的需求,不斷調整廣告出現位置,提高廣告點擊率等等

智能問答:這裡的問答是任務式問答,類似智能客服,不管是淘寶智能商傢還是超市選購,還是醫院掛號的問答機器,還是銀行智能客服,問答這塊的未來需求會很大!!所以提前劃分到經典落地三大類:廣告 搜索 還有推薦。不信可以過個三年回來考古!!個人理解~~

五.最後一點點

根據歷史的發展,在2010~2015入坑AI的,算是‘第一批吃螃蟹’的人,他們收獲爆炸紅利是應得的,那個時候懂一點決策樹、svm跑跑minist就是大神;在2016~2018入坑AI的,算是嗅覺敏銳的那一批人,那個時候自學西瓜書和Andrew wu機器學習、花書是標配;再後來國傢政策、資源一邊倒的傾向AI,高校不管師資力量都逐漸開設人工智能學院,2019入坑AI的,後面找算法工作的,頂會+競賽top排名+985碩是標配,在2020年AI下行趨勢非常明顯,並且前人已經幾乎透支瞭AI紅利,工業界算法崗爆滿,頭條官方勸退,學術界2016年後少有突破性框架、不斷呼籲可解釋模型的局面下,還要硬著頭皮加入AI嗎?這不僅需要高學歷高工程能力高智商,還需要有自己的獨特理解和對AI的那份執著

這篇文章希望對不管是準備棄坑轉開發的、即將入坑的、還是已經入坑的小夥伴們在AI大致的理解上有幫助!!

(完結撒花)

赞(0)