人工智能将大大提高与识别相关的任务的准确性

（文章来源：百家号）

机器学习尤其擅长于识别模式和发现异常或异常值。“模式匹配模式”是人工智能项目中不断重复使用的方法之一，且已经得到了越来越多的采用。人工智能的模式和异常模式的目标是利用机器学习和其他认知方法来学习数据中的模式，并学习数据点之间的高阶连接，看看它是否符合现有的模式，或者它是否是一个异常值或异常。此模式的目标是找出与现有数据相匹配和不匹配的数据。

这种模式的应用包括欺诈和风险检测，以查看事情是否超出了正常或预期。另一个应用程序是在数据中寻找模式，并帮助最小化或修复人为错误。这种模式还包括预测文本，它可以分析语音和语法中的模式，以帮助提出选择哪些单词来加快写作过程的建议。

机器学习的一大进步是使用深度学习来大大提高与识别相关的任务的准确性，如图像、视频、音频和对象识别、分类和鉴定。识别模式的定义是使用机器学习和其他认知方法来识别和确定目标或其他需要在图像、视频、音频、文本或其他主要是非结构化数据中识别的东西。这种模式的目标是让机器识别和理解事物。

该模式的应用包括图像和对象识别、面部识别、音频和声音识别、手写和文本识别以及手势检测。这是一种开发良好的模式，是计算机非常擅长的，并已经得到了广泛的应用。有许多公司在识别系统上投入了巨资。事实上，资金最充足的人工智能公司之一Sensetime正专注于人脸识别应用，中国政府正在大力投资使用和采用这种模式。

事实证明，机器尤其擅长学习游戏规则，并在游戏中打败人类。在过去，机器很容易就能征服跳棋、国际象棋和迷宫。通过增强学习能力和更高级的计算能力，机器现在能够在围棋、DoTA等多人游戏以及更复杂的游戏中获胜。Alpha Go和Alpha Zero是由谷歌的DeepMind部门创建的，该部门的理论是，计算机可以通过游戏学习任何东西。游戏只是解决方案的开始，这些解决方案甚至有可能在解决人工一般智能(AGI)长期期待的目标方面取得突破。

游戏并不是目标驱动系统的唯一可能性。借助强化学习和其他机器学习技术的力量，使用者可以通过应用机器学习和其他认知方法，使其系统能够通过反复试验和发现错误来学习。这对于任何想让系统找到问题最优解的情况都是有用的。该模式的应用包括游戏、资源优化、迭代问题解决、投标和实时拍卖。虽然目标驱动的系统模式还没有像其他一些模式那样得到广泛的实现，但它也正在得到更多的关注。

虽然这些看起来像是典型AI项目中单独实现的离散模式，但实际上，我们已经看到有使用者将这七个模式中的一个或多个组合起来以实现它们的目标。通过从这样的组合模式，它将帮助他们更好地接近、计划和执行AI项目。事实上，新兴的方法正专注于使用这七个模式作为加速AI项目规划的一种方式。一旦你知道你正在做一个识别模式，例如，你可以洞察一个被广泛应用于这个问题的解决方案，深入了解驱动模式所需的数据，模式应用的用例和示例，算法和模型开发技巧等，这可以帮助加快交付高质量的人工智能项目。

虽然人工智能仍处于采用的早期主要阶段，但很明显，识别和使用这些模式将帮助使用者更快地实现他们的人工智能项目目标，减少重复操作，并具有更多的成功机会。