人工智慧帶動科學的轉變，掀起一場無聲的革命

大數據已經達到了匹配。在這片數據的田野里，收集數據的能力在生物學上爆炸式增長，其基因組和蛋白質數量迅速增長;在天文學中，從雲空間調查中抓去可用的數據;在社會科學中，挖掘數百萬的在互聯網上彈起的帖子和文章。數據泛濫可以壓倒人類的洞察力和分析能力，但是幫助實現這一目標的計算機進步也引發了強大的新工具，使其全部了解作為個體人的大腦所沒有的能力程度。

在一場涉及大部分科學的革命中，研究人員通常以人造神經網路的形式在數據洪流中釋放人工智慧（AI）。與早期對AI的嘗試不同，這種「深度學習」系統不需要用人類專家的知識來編程。相反，他們自己學習，往往是從大量的訓練數據集，直到他們能夠看到數據集中的模式和現象異常，這些異常比人類能夠應付的要大得多。

人工智慧不僅僅是科學的轉變，在智能手機上跟你說話，走在無人駕駛汽車的路上，令人不安的未來主義者擔心會導致大規模的失業。對於科學家來說，前景是光明的：AI承諾增加發現的過程。

然而，與於研究所或博士后不同，神經網路不能解釋他們的想法：導致結果的計算是隱藏的。所以他們的興起產生了一個稱為「AI神經科學」的領域：努力打開黑匣子的神經網路，建立對他們產生的見解的信心。

理解機器內部的思維可能會變得更加迫切，因為AI在科學中的作用擴大。已經有一些先驅們轉向AI來設計和實施實驗以及解讀結果，開闢了全自動化科學的前景。不知疲倦的人工智慧工人可能很快就會成為一個成熟的同事，或者是你的領導，想想多麼可怕。但有時值得期待的，畢竟也是你的良師益友。

人工智慧，用這麼多話來說：（以下內容分析）

人工智慧（AI）是什麼意思？這個詞從來沒有過界。當它在達特茅斯學院的一個1956年的一個精採的講習班上被介紹時，它被廣泛地解讀為使一台機器的行為方式如果在人類中被視為智能的。AI最近的一個重要進展是機器學習，它顯示了從拼寫檢查到自駕車的技術，並且常常被稱為神經網路的計算機系統。對AI的任何討論也可能包括其他術語。

演算法一套分步說明：計算機演算法可以簡單（如果是下午3點，發送提醒）或複雜（識別行人）。

反向傳播演算法：他們發現他們的輸出和期望的輸出之間的差異，然後根據執行順序調整計算。

BLACKBOXA描述了一些深度學習系統：他們接受輸入並提供輸出，但是在這兩者之間發生的計算並不容易解釋。

深度學習：一個具有多層次的神經網路成為敏捷的，更為抽象的抽象模式。放映照片時，圖層可能會首先對邊緣產生響應，然後再向內查看，然後快速識別圖像，給出處理結果。最後執行命令，然後學習記錄，建立記錄集，彙編資料庫。學習成功。

專家系統AI的形式：試圖在醫療診斷領域複製人類的專長。它將知識庫與一組用於應用該知識的手寫編碼規則相結合。機器學習技術越來越多地取代手工編碼。比如很複雜的一個手術，人工智慧機器人在初級價段就已經學習好內外科，那麼進入複雜手術他會很快的處理複雜的手術，人類在處理複雜手術時會因為各種因素無法很好的進行，人工智慧可以一步步進入指定階段，全世界搜集可用數據學習分析，最後處理完手術，給出手術結論，供人類參考學習。

一般性的專業網路：一對共同訓練的神經網路：生成逼真的新數據，並通過競爭得到改善。一個網路創造了新的例子，另一個試圖檢測數據的真假，相互作用得出最優結果。

機器學習：使用在沒有明確指令的情況下在數據中查找模式的演算法。系統可能會了解如何將輸入的功能與圖像與輸出（如標籤）相關聯。比如一張打了馬賽克的圖像，它可以很準確的回復和處理，就像比戴著眼鏡戴著口罩，他也可以根據你的輪廓把你顯示出來。當然還有更奇特的。

自然語言：處理計算機試圖「理解」口語或書面語言。它必須解析辭彙，語法和意圖，並允許語言使用的變化。該過程通常涉及機器學習。比如咱們的話包括方言，不久的將來他會學習的也許比你我更順口。比如：你吃了嗎？你喝了嗎？哪裡玩兒去？......

神經網路：是機器學習中人類腦部的高度抽象和簡化模型。一組輸入（例如aphoto中的像素）的單元接收片段對它們執行簡單的計算，並將它們傳遞到下一層單元。最後一層代表了答案。

神經形態晶元：計算機晶元設計為充當神經網路。它可以是模擬，數字或組合。

感知器：早期類型的神經網路，在20世紀50年代開發。後來顯示有限制，抑制神經網路的興趣多年。

加強學習機器：學習方法，通過採取「抽取高視頻遊戲得分」或「有效管理工廠」等抽象目標來實現演算法學習。在訓練過程中，根據對目標的貢獻進行評估。

強大的AI：是一個像人類一樣聰明和計算周全的人。有人說這是不可能的。目前的AI是弱的，還是狹隘的，它可以下棋或者開車，但不能兩者兼有，缺乏常識。

監督學習：類型的機器學習，其中該演算法在訓練期間將其輸出與正確的輸出進行比較。在無監督學習中，該演算法僅在一組數據中查找模式。

TENSORFLOWA由Google開發的用於深度學習的軟體工具集。它是開源的，意思是可以使用或改進它。

遷移學習技術機器學習：其中演算法執行一個任務，例如識別汽車，並在學習不同的相關任務（例如識別貓）時建立在該知識上。根部不同環節不同環境進行的一種可以遷移是的數據學習，就是「多面手」，有道是：藝多不壓身。