16、人工智能中的机器学习：应用、局限与学习方法

人工智能中的机器学习：应用、局限与学习方法

1. 机器学习的人类引导与应用

机器学习并非完全自主的过程，就如同孩子成长需要父母提供环境输入一样，机器学习算法也需要人类的参与。在机器学习中，人类需要提供合适的学习算法、一些不可学习的参数（超参数），选择用于学习的示例集，并挑选与示例相关的特征。只有这样，机器学习算法才能成功学习。

如今，人工智能和机器学习在众多应用中得到了广泛使用，很多时候其效果出色到让人甚至都意识不到它们的存在。以下是一些常见的人工智能应用场景：
- 欺诈检测 ：信用卡公司会根据嵌入代码中的人工智能检测到的异常消费模式，来电询问用户是否进行了某笔特定的消费。
- 资源调度 ：例如医院需要根据患者的需求、专家的可用性以及预计住院时间等因素，高效地安排患者的位置。
- 复杂分析 ：在医疗诊断等领域，由于需要考虑的因素众多，医生等专家可能需要借助人工智能来及时做出诊断，以挽救患者的生命。
- 自动化 ：为自动化系统添加人工智能可以使其处理意外事件，避免因意外情况（如物体位置错误）而导致系统停止运行。
- 客户服务 ：现在很多客服热线背后可能并没有真人，自动化系统可以遵循脚本并利用各种资源来处理大部分问题，再加上人工智能提供的良好语音语调，用户可能都难以分辨是在和计算机交谈。
- 安全系统 ：许多机器的安全系统依靠人工智能在危机时刻接管车辆，如自动刹车系统会根据车辆提供的各种输入（如打滑方向）来停车。