（文章來源：百家號(hào)）

機(jī)器學(xué)習(xí)尤其擅長(zhǎng)于識(shí)別模式和發(fā)現(xiàn)異?；虍惓Ｖ怠！澳Ｊ狡ヅ淠Ｊ健笔侨斯ぶ悄茼?xiàng)目中不斷重復(fù)使用的方法之一，且已經(jīng)得到了越來越多的采用。人工智能的模式和異常模式的目標(biāo)是利用機(jī)器學(xué)習(xí)和其他認(rèn)知方法來學(xué)習(xí)數(shù)據(jù)中的模式，并學(xué)習(xí)數(shù)據(jù)點(diǎn)之間的高階連接，看看它是否符合現(xiàn)有的模式，或者它是否是一個(gè)異常值或異常。此模式的目標(biāo)是找出與現(xiàn)有數(shù)據(jù)相匹配和不匹配的數(shù)據(jù)。

這種模式的應(yīng)用包括欺詐和風(fēng)險(xiǎn)檢測(cè)，以查看事情是否超出了正?；蝾A(yù)期。另一個(gè)應(yīng)用程序是在數(shù)據(jù)中尋找模式，并幫助最小化或修復(fù)人為錯(cuò)誤。這種模式還包括預(yù)測(cè)文本，它可以分析語音和語法中的模式，以幫助提出選擇哪些單詞來加快寫作過程的建議。

機(jī)器學(xué)習(xí)的一大進(jìn)步是使用深度學(xué)習(xí)來大大提高與識(shí)別相關(guān)的任務(wù)的準(zhǔn)確性，如圖像、視頻、音頻和對(duì)象識(shí)別、分類和鑒定。識(shí)別模式的定義是使用機(jī)器學(xué)習(xí)和其他認(rèn)知方法來識(shí)別和確定目標(biāo)或其他需要在圖像、視頻、音頻、文本或其他主要是非結(jié)構(gòu)化數(shù)據(jù)中識(shí)別的東西。這種模式的目標(biāo)是讓機(jī)器識(shí)別和理解事物。

該模式的應(yīng)用包括圖像和對(duì)象識(shí)別、面部識(shí)別、音頻和聲音識(shí)別、手寫和文本識(shí)別以及手勢(shì)檢測(cè)。這是一種開發(fā)良好的模式，是計(jì)算機(jī)非常擅長(zhǎng)的，并已經(jīng)得到了廣泛的應(yīng)用。有許多公司在識(shí)別系統(tǒng)上投入了巨資。事實(shí)上，資金最充足的人工智能公司之一Sensetime正專注于人臉識(shí)別應(yīng)用，中國政府正在大力投資使用和采用這種模式。

事實(shí)證明，機(jī)器尤其擅長(zhǎng)學(xué)習(xí)游戲規(guī)則，并在游戲中打敗人類。在過去，機(jī)器很容易就能征服跳棋、國際象棋和迷宮。通過增強(qiáng)學(xué)習(xí)能力和更高級(jí)的計(jì)算能力，機(jī)器現(xiàn)在能夠在圍棋、DoTA等多人游戲以及更復(fù)雜的游戲中獲勝。Alpha Go和Alpha Zero是由谷歌的DeepMind部門創(chuàng)建的，該部門的理論是，計(jì)算機(jī)可以通過游戲?qū)W習(xí)任何東西。游戲只是解決方案的開始，這些解決方案甚至有可能在解決人工一般智能(AGI)長(zhǎng)期期待的目標(biāo)方面取得突破。

游戲并不是目標(biāo)驅(qū)動(dòng)系統(tǒng)的唯一可能性。借助強(qiáng)化學(xué)習(xí)和其他機(jī)器學(xué)習(xí)技術(shù)的力量，使用者可以通過應(yīng)用機(jī)器學(xué)習(xí)和其他認(rèn)知方法，使其系統(tǒng)能夠通過反復(fù)試驗(yàn)和發(fā)現(xiàn)錯(cuò)誤來學(xué)習(xí)。這對(duì)于任何想讓系統(tǒng)找到問題最優(yōu)解的情況都是有用的。該模式的應(yīng)用包括游戲、資源優(yōu)化、迭代問題解決、投標(biāo)和實(shí)時(shí)拍賣。雖然目標(biāo)驅(qū)動(dòng)的系統(tǒng)模式還沒有像其他一些模式那樣得到廣泛的實(shí)現(xiàn)，但它也正在得到更多的關(guān)注。

雖然這些看起來像是典型AI項(xiàng)目中單獨(dú)實(shí)現(xiàn)的離散模式，但實(shí)際上，我們已經(jīng)看到有使用者將這七個(gè)模式中的一個(gè)或多個(gè)組合起來以實(shí)現(xiàn)它們的目標(biāo)。通過從這樣的組合模式，它將幫助他們更好地接近、計(jì)劃和執(zhí)行AI項(xiàng)目。事實(shí)上，新興的方法正專注于使用這七個(gè)模式作為加速AI項(xiàng)目規(guī)劃的一種方式。一旦你知道你正在做一個(gè)識(shí)別模式，例如，你可以洞察一個(gè)被廣泛應(yīng)用于這個(gè)問題的解決方案，深入了解驅(qū)動(dòng)模式所需的數(shù)據(jù)，模式應(yīng)用的用例和示例，算法和模型開發(fā)技巧等，這可以幫助加快交付高質(zhì)量的人工智能項(xiàng)目。

雖然人工智能仍處于采用的早期主要階段，但很明顯，識(shí)別和使用這些模式將幫助使用者更快地實(shí)現(xiàn)他們的人工智能項(xiàng)目目標(biāo)，減少重復(fù)操作，并具有更多的成功機(jī)會(huì)。