人工智能的神经网络应用-人工智能的神经网络应用有哪些

大家好，今天小编关注到一个比较有意思的话题，就是关于人工智能的神经网络应用的问题，于是小编就整理了3个相关介绍人工智能的神经网络应用的解答，让我们一起看看吧。

1. 第三次神经网络兴起的标志事件？
2. 有哪些卷积神经网络学习资料？
3. 为什么计算机科学中的神经网络模型得出来的结果被认为是科学的，而中医诊断却不被认为是科学的？

第三次神经网络兴起的标志***？

第三次神经网络兴起的标志

在人工智能的发展历史中，第三次神经网络兴起的标志***件包括Hinton提出深度信仰网络/波兹曼机、Hinton小组在ImageNet竞赛中夺冠以及AlphaGo战胜李世石。

是2012年的ImageNet大规模视觉识别挑战赛（ImageNet Large Scale Visual Recognition Challenge，简称ILSVRC）。在这次比赛中，由Geoffrey Hinton领导的团队使用了深度卷积神经网络（CNN）模型，取得了惊人的成绩，将错误率降低到了16%以下，远远超过了其他传统方法。这次比赛的成功标志着神经网络在计算机视觉领域的崛起，也引发了深度学习的热潮。这次比赛的胜利证明了神经网络在图像识别任务上的巨大潜力，推动了神经网络的发展和应用。

19***年是一个标志性的年份，IBM的“深蓝”超级计算机在一场人机大战中战胜国际象棋冠军Garry Kasparov。

IBM的人工智能在2011年面临着另一个巨大的挑战——沃森人工智能在著名的智力竞赛节目“Jeopardy”中击败了对手布拉德·拉特和肯·詹宁斯，成功赢取了100万美元的大奖。

2012年6月，谷歌研究人员Jeff Dean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练了一个由16,000个电脑处理器组成的庞大神经网络。

2016年3月，继IBM深蓝之后，谷歌DeepMind的AlphaGo在四场比赛中击败了国际围棋世界冠军李世石，而这场激烈的人机大战吸引了来自世界各地的6000万人的观看。同样，2017年的升级版AlphaGo再次击败了国际围棋大师柯洁

有哪些卷积神经网络学习资料？

网易云课堂上有个吴恩达的deeplearning.ai***教程，可以看那个，基本原理讲的浅显易懂，学完就能对卷积神经网络有个大致的了解，然后再在网上找几篇博客看看，就能学个七七八八了。

为什么计算机科学中的神经网络模型得出来的结果被认为是科学的，而中医诊断却不被认为是科学的？

首先，评价中医诊断不科学这本身科学吗？谁评价的?评价的标准是什么，评价的标准科学吗？

对于神经网络来说，其模型设定好以后，用同样的样本训练出来的参数每次都一样的，用其预测样本范围内的结果也一样，不同的人用起来结果是可重复，因此被认为是科学的。

中医迟早有一天也会被神经网络等AI算法部分替代，前提是样本的数量足够大，且样本必须标准化了。

首先声明，在这个问题的回答中，我们主要只讨论关于「中医诊断」的问题，而不讨论中医其它更为明显的危害（例如肝肾毒性等问题）。

我们首先想象这样两个问题。

问题一，有一堆动物的图片，我们需要从中找出狗的图片。

问题二，有一堆动物的图片，我们需要从中找出可爱的动物的图片。

面对这两个问题，我们都可以用神经网络的方法来做，甚至我们都可以得出一些「看起来比较好」的结果，但这两个问题却有一个很明显的区别——问题一通常是有一个标准答案的，而问题二则不是一个定义良好的问题，如果让不同的人来图片中的「可爱」的动物加标签（这些标签会是进行有监督学习的标准），可能每个人都会给出不同的看法。一旦每个人的看法不同，标签就会缺乏一个客观的标准，而这已经不再是神经网络能解决的问题。

中医的诊断就常常存在这样的问题。一方面，中医关注病人的主观感受，这本是中医的一个优势，但凭借望闻问切等方式难以对病人的感受进行准确的度量，例如同样的症状，在「问」的过程中，不同性格的患者就可能说出完全不一样的描述；另一方面，根据传统的中医理论，在中医的诊断中有大量无法定量描述、只能凭借经验进行描述的现象和状态（例如阴阳五行），这些描述的方式就想要区分一张图片里的动物是否「可爱」一样，缺乏一个客观标准，因此难以对原始数据加标签，这两方面的原因导致中医的诊断通常被大家认为是不科学的。

到此，以上就是小编对于人工智能的神经网络应用的问题就介绍到这了，希望介绍关于人工智能的神经网络应用的3点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/59451.html