什么是AI

机器学习

机器学习主要包含以下几个类别：

监督学习（Supervised Learning）
- 使用已知输入和输出来训练模型、以便对新的未知数据进行预测。
- 常见的任务类型包括分类（Classification）和回归（Regression）。
非监督学习（Unsupervised Learning）
- 使用无标签的数据，目的是找出数据内部的结构或模式。
- 典型任务包括聚类（Clustering）、降维（Dimensionality Reduction）、异常检测（Anomaly Detection）等。
强化学习（Reinforcement Learning）
- 让一个代理通过与环境的交互来学习决策规则。代理会根据环境反馈的奖励或惩罚来调整其行为，以便在未来获得最大的累积奖励。
- 应用场景包括游戏、机器人控制、资源调度等领域。
半监督学习（Semi-supervised Learning）：
- 半监督学习介于监督学习和非监督学习之间。它利用少量的带标签数据和大量的无标签数据来进行学习，以提高模型的性能。
- 这种方法在标签难以获得或成本高昂的情况下非常有用。
自监督学习（Self-supervised Learning）：
- 自监督学习是一种特定类型的无监督学习，它通过构造伪标签（pseudo-labels）来指导模型学习。这种方法通常用于预训练阶段，在不需要人工标注的情况下让模型学习到有用的表征。
- 该技术常用于视觉、语音和自然语言处理任务。