欢迎加入QQ讨论群258996829
麦子学院 头像
苹果6袋
6
麦子学院

人工智能、机器学习和深度学习的区别?

发布时间:2018-06-07 23:47  回复:0  查看:675   最后回复:2018-06-07 23:47  

很多朋友都在问,什么是人工智能,什么是机器学习,什么是深度学习

今天,我们就列举了几个关于人工智能、机器学习和深度学习的话题,跟大家聊聊。

 

第一,人工智能做到真正的内容匹配

 

伪命题,因为人的兴趣方向是过去的记忆点{看过和记住两回事}的综合

 

 

人的记忆点是非常复杂且个性的,人工智能只能判断确定场景对应的逻辑。人工智能的算法更新绝对跟不上兴趣更新

 

 

所以今日头条在内容的依附度上,一定干不过微信

 

第二,有价值的信息才是信息,人是需要信息解析确定信息价值的

 

微博在信息优先上是碾压微信的。但是在信息解析上是搞不过微信的公众号+小IP矩阵的

 

 

所以,微信如果变成了洗稿的天堂,内容就变成了微博的范范而套,就没有了比较优势

 

 

第三,从技术底层来看

 

人工智能在数学家眼里,实际上是数学统计模型

 

 

你如果要学习自己开发ai算法,要学的不是程序需要,而是学习数学统计模型啦啦

 

或者是找一个it学科,叫深度学习

 

 

人工智能是他商业领悟的名字

 

深度学习是他计算机科学领域的名字

 

 

数据统计模型是他数学领悟的名字

 

 

程序确实可以定义成为人类语言和计算机语言的命令交换器

 

 

你必须同时会机器语言+数学统计算法+产品经理工作能力

 

人工智能、机器学习和深度学习的区别?

第四,人工智能、机器学习和深度学习的区别?

 

原始人+铁器=古代人

 

古代人+科学=现代人

 

 

原始人的行为模式是现代人行为模式的底层逻辑

 

 

机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的技术

 

 

对产品经理不需要那么懂,除非做人工智能方向的产品经理。这块技术可以看下网易云课堂上的吴恩达的课程。一般情况下,产品把人工智能当做是一种技术工具,一个黑盒好了。

 

 

理论上,因为深度学习按照统计算法的关键数据量过大,所以才是黑盒

 

 

但是如果不知道它的行为逻辑边界,作为产品经理怎么品控呢

 

 

黑盒还有一个原因。ai只找最大概率,不找因果关系,所以才是黑盒啊

 

 

深度 学习的不可解释性或者说黑盒不是因为关键数据量大导致的 而是他是通过多次求导和微积分来进行反馈变量调整的,是纯基于数学理论的,你分层越多就会使得中间的参数变化越多 所以不可解释

 

 

产品经理应该是未来的ai算法模型研发者才对啊

 

 

深度学习是什么

https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.20538&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

 

第五,人工智能与医疗

 

深度学习的不可解释性 对于我们这样的医疗产品来说 是致命的 所以在医疗产品上是很难依赖深度学习的……

 

 

现在医疗人工智能中的图像识别会使用大量的深度学习,因为向量和像素之间有着天然的关联性 而当涉及到基于病史的文本处理时,深度学习模型很多时候还不如机器学习

 

 

脑科学的反应区现在都大部分是猜想怎么预测啊

 

 

临床研究大量是关于统计学的,研究的都是相关性,其实也没什么可解释性

 

 

医疗器械+ai技术底层就不成立,如果限定范围是脑科学的话

 

 

循证医学本身也是基于统计学证据的

 

 

最高级的证据等级 meta 分析的本质不也是统计学

 

 临床要求的留院观察,实际上就是不明确患者发展情况,无法询证下的变通方法

 

但是就统计学来说百分之90多的概率没有问题,再加上一个人百分之五十的概率中有问题,这个概率算出来,一个人不留院观察出事情的概率,也是医生无法承受的

循证医学的概念是医学诊断和治疗方案不是易于经验,教学,或者其他,而是基于证据等级

人工智能、机器学习和深度学习的区别?

样本的准入标准,基线的设计是很复杂的

 

实际上,从统计学的标准,我们做步骤拆分,很多地方无法统计

 

国内医生大部分还是基于经验的诊断路径,循证医学实质的应用并不深入

 

因为个体差异太大,而且有效的标签分类还要等实验结果和学术发展

 

对的 国内的医生对于循证医学的应用更多停留在金标准和金参考的指南或者临床路径这些,所以我前面也说了“标榜”循证医学的人

 

而且比我们严谨,不只要会用,还要会研究,还要在已知和未知间做成本判断

 

恩,我理解传统的医学和循证医学的差别在于:

 

传统医学是靠医生个人的统计经验来进行诊断和治疗

 

循证医学是依靠全世界的通过临床统计后得出的结论来进行诊断和治疗

 

如果能找到高等级的就按高等级的来,指南很高,但不是最高的

 

如果找不到就按低等级的病例报道来

 

指南其实也不过是 专家共识的汇总罢了

 

是以医疗著作为核心的传承式的统计

 

不能忽视了现代科学整体知识体系的建设和传统医学的整体知识体系建设

 

国内指南和国外指南差别非常大,国内的共识都是被药企公关过的

 

传统医学,每个医生独立出书,在按照前人的数据总结自己的治疗结果,自己整理出书

 

共识很多是公关的,指南比较难

 

专家共识就是药企召集了一群专家 开个会 然后OK 来发一个共识吧

 

传统医学实际上形成了代继药剂学线路,这个和人工智能很像

 

第六,医疗产品经理在ai医疗产品的发展上,怎么不背锅

 

不要碰诊断和治疗就不背锅……要碰就必须要有医生确认,打着辅助的旗号卖肉

 

我认为未来的医院,应该是少数学术型医生+程序+机器+护士的模式

 

任何关于问题可以添加

公众号:maibanzhang

人工智能、机器学习和深度学习的区别?

您还未登录,请先登录

热门帖子

最新帖子