什么是人工智能

在此阶段，主流意味着实现人工智能的意思是：大数据 +机器学习。但是实施人工智能的方法不仅限于此，而且机器学习只是当前主流方法的一个子集。

深度学习是机器学习的一种特殊情况，我们将在计算机视觉章节中详细解释。

在此阶段，这是人工智能的定义的原因是，人工智能仍在迅速发展。在1970年代，人们对​​人工智能的定义是一个专家系统。实现OCR的方法也可以是一种纯粹的图像分析解决方案，因此，随着技术的发展，未来人工智能的形式可能仍然不清楚。

什么是专家系统

让我们从信用卡反欺诈开始。该银行曾经有一群业务专家。他们的工作是根据自己的知识和经验将一些规则输入系统。例如，一张卡在一个城市进行交易，另一个城市的另一笔交易在一小时内在另一个城市进行。根据以前的经验，这些专家认为这种情况有偷窃的风险，因为人们很难在短时间内越过城市，因此商业人员判断，当这种情况发生时，另一个人可能会窃取用户的信用卡。类似的业务专家将1000多个此类规则输入了系统以形成专家系统。该专家系统基于总结过去数据的人类经验。

什么是机器学习

我们可以将专家系统视为一个大脑，并且业务由该大脑控制。但是这个大脑有其局限性。我们需要知道，从0到1建立此类规则很容易，但是很难从数千个扩展到数千个规则。因为您必须确保新规则有效，并且它们不会与所有以前的规则冲突，因此这很困难，因为毕竟人类的分析能力受到限制。

后来，我们引入了机器学习，并将大量历史数据注入了用于培训的机器学习算法中。与人类行为非常相似的是，它可以从历史数据中找到规则，并且其分析能力更强。在反欺诈的例子中，一个小时内的跨城市交易记录是一条规则，但是如果机器学习这样做，则可能会更彻底地分配，例如10分钟内的重量，重量在10分钟到20分钟之间，并在1小时10分钟内进行重量。也就是说，它将这些时期更详细。

相关算法可以自动帮助人类探索更多有用的规则和规则之间的联系。例如，尽管我在1小时内的交易记录已经越过城市，但如果在我的城市发生这种情况，则重量会有不同的权重，发生的时间具有不同的权重，并且交易量的权重不同。

换句话说，机器学习可以帮助我们找到更多，更详细，更隐藏的更深层次的规则。过去，该银行的专家系统有1000多个规则。引入机器学习后，我们从10亿条规则中选择了有效的规则。我们可以将专家系统视为一个较小的大脑，而机器学习是较大的大脑。

因此，我们之所以称其为机器学习，是因为它可以像人类一样描绘出历史的法律，但是它比人类具有更强的分析能力。

测试从业者的增长建议‌

AI测试的时代已经到来，最好是自己开始而不是等待和观看！现在免费提供“ AICE 平台”，并通过智能机构启用诸如手动测试案例自动执行之类的核心功能，并使用AI自动推理并生成更多没有用例的测试场景。体验AI在10分钟内如何提高测试效率。

如果您想系统地掌握企业级的AI测试和开发功能，例如大型模型集成和知识图构建，请加入“霍格沃茨测试和开发社会的3个月实用类的人工智能测试和开发培训营”，并使用真实的行业项目来深入掌握全部AI测试，以创建无效的技术竞争力！ “