面向工程师的AI:构建AI系统
人工智能(AI)是对智能人类行为的模拟。它被设计来感知环境,做出决定,并采取行动。获取工程师对人工智能的概述,并发现人工智能适合工程工作流程的方式。您将了解构建AI系统的步骤,如数据准备、建模、系统设计和部署。
人工智能是一种被设计成智能的计算机系统,能够感知环境、做出决定并采取行动。对于工程师来说,除了AI的宽泛定义之外,还有很多事情需要考虑,更重要的是,如何实现它。结果因应用程序而异。但是,构建一个成功的AI系统需要导航整个工作流程,关注的不仅仅是训练一个AI模型。
那么,人工智能对工程师来说意味着什么呢?AI意味着数据准备。大多数人工智能应用的核心是数据。事实证明,数据准备是人工智能成功的最关键因素之一。如果没有数据准备,你将花大量时间去观察平庸的AI结果并想知道为什么。
数据准备不仅仅是拥有大量数据,甚至是对所有数据进行预处理以保持一致。这是关于人类的洞察力,是什么让数据变得好。它是关于考虑用合成数据和更多样本来扩充数据集。它是关于通过自动化你花在标记上的时间来更快地清理和标记数据。
人工智能建模方法。是的,我一开始说人工智能不仅仅是一个模型。但是,当然,您仍然需要构建尽可能好的模型。这里有几点需要考虑。
选择你的算法——你是在研究机器学习还是深度学习?也许两者都有。从一套完整的算法和预先构建的模型开始,意味着你已经走在了游戏的前面,利用了AI社区中更广泛的工作,而不是从零开始。世界杯预选赛小组名单
优化您的模型——在这里您需要花时间确定最优的参数集,这将使您获得最健壮和最准确的模型。得到一个精确的模型需要时间。幸运的是,增加更多的硬件可以显著加快训练具有参数、输入数据和层的所有组合的模型的时间。
AI意味着系统设计。模型不是结果。这是一个复杂系统的一部分。让我们举一个机器人递送包裹的例子。
为机器人添加人工智能意味着人工智能必须与所有其他部件流畅共存。您可以使用多个传感器进行感知、定位和路径规划。你有物理系统来控制速度和方向。这些部件一起工作,形成一个完整的工作系统。而且它必须在所有情况下都能完美地工作。
模拟是所有这些整合在一起的方式。模拟不仅可以验证各个部分将正确地一起工作,它还可以确保在每种情况下的结果和反应都是您所期望的。模拟可以让您验证边缘情况并测试数百万个场景,否则这些场景将非常耗时。它还使您能够在部署到硬件之前验证您的模型是否正确工作。
最后,人工智能意味着部署。你训练了你的模特。你已经测试了你的系统。是时候让人工智能进入世界了。
由于广泛的应用程序使用AI,因此有广泛的部署需求,从汽车中的ecu,到化工厂的边缘系统,到制造业中的基于企业的系统,或基于云的流系统,从多个位置收集数据。你可以将AI集成到这些系统的任何部分。所以你需要能够灵活部署到所有可能平台的AI模型。
在将人工智能融入系统时,需要考虑很多问题。作为工程师,重要的是要关注的不仅仅是建立一个模型,而是整个AI工作流程。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。