与人工智能相关的博文目录

Deeplearning4j深度学习框架初探

人工神经网络近年在机器学习算法中可谓一枝独秀，对自然语言处理（如机器翻译）和计算机视觉（如图像识别）等领域的进步起了重大作用。受惠于JVM久经考验的丰富生态，Deeplearning4j（DL4J）深度学习库不但容易在各种平台上使用，而且性能优异（特别是方便借助Hadoop和Spark处理大数据），适合用于开发各类模式识别软件产品。

善用Wikidata语义网

人们用他们熟悉的自然语言如中文在网上编辑了海量的信息，但自然语言固有的极端复杂性使这些文本难以为机器所理解，于是人们因为找不到已有的信息而重复劳动，这个恶性循环的结果是互联网上文章泛滥但质量普遍低下，特别是过时信息得不到清理。相反，语义网提倡用更规范的方式表达知识，并把它们连接起来。维基基金会的Wikidata就是一个人人可编辑和利用的知识库，有大量志愿者持续扩展和修正它，这使它的数据无论在数量上还是质量上都处于领先地位，维基百科中条目右上方卡片的信息就来自Wikidata。值得一提的是Wikidata的数据位于公众领域，可以（接近）无条件地合法使用。

机器学习怎样做预测

对于比较明确的需求如排序和计税，我们通常会直接编写满足要求的“函数”。但对于一些更多地涉及人文背景的问题如翻译和人脸识别，准确地转化为计算机术语可以认为是不可能的。在过往，为了解决这些问题，我们往往要为每个问题单独设计非常专门的解法，但人手设计的启发式规则很快会变得难以维护，又因重复劳动不利于总结提高而难以达到理想的效果。近年，随着收集大量数据变得容易，基于（有监督）机器学习的方法取得了主导地位，它的思想是用统一的框架解决不同的问题：给定一些键值对然后设法自动找出一个（近似）包含这些键值对的映射。

自然语言处理浅谈

由于人们之间普遍以自然语言的形式交流，互联网和各种数据库中的这些非结构化数据中蕴藏了价值连城的大量信息。然而，对于计算机而言，理解自然语言相当困难，实际上这可能正是人工智能的核心。然而，我们仍然能让计算机不懂装懂并做不少事情。