算法解释

在上一课中，您了解到数据是人工智能的燃料。但仅靠燃料并不能驱动汽车——你需要发动机。在人工智能中，该引擎是一种算法。每次人工智能系统做出预测、推荐视频或检测垃圾邮件时，算法都会在幕后承担繁重的工作。

什么是算法？

算法只是用于解决问题的分步指令。你每天都在不知不觉中遵循算法。

• 菜谱是一种算法：按特定顺序组合成分来制作蛋糕。
• 平板包装家具说明是一种算法：按照每个步骤构建一个书架。
• 行车路线是一种算法：左转、直行、右转、到达。

关键思想是算法必须精确、有序和可重复 - 任何遵循相同步骤的人都应该得到相同的结果。

日常算法示例

在我们深入探讨人工智能之前，让我们先看一下您已经直观理解的两种简单算法。

对一手牌进行排序

当您拿起一手扑克牌并按顺序排列它们时，您正在运行排序算法：

1. 看前两张牌。如果它们出现故障，请交换它们。
2. 移至下一对。再次比较并交换。
3. 重复此操作，直至整只手都排序完毕。

这本质上就是冒泡排序的工作原理——计算机科学中最简单的排序算法之一。

在字典中查找单词

您不必从第一页开始阅读每个单词。相反，你：

1. 大致在中间打开词典。
2. 检查您需要的单词是在该页之前还是之后。
3. 丢弃不需要的一半并重复。

这称为二分搜索，而且效率非常高。它可以通过大约 20 个步骤从一百万个条目中找到任何单词。

算法如何为人工智能提供动力

人工智能算法比卡片分类更复杂，但原理是相同的：遵循结构化步骤来得出答案。以下是两个基本的人工智能算法。

决策树

决策树提出一系列是或否问题来对事物进行分类。

示例 - 这封电子邮件是垃圾邮件吗？

1. 主题行是否包含“FREE MONEY”？ → 如果是，可能是垃圾邮件。
2. 发件人在您的通讯录中吗？ → 如果是，可能不是垃圾邮件。
3. 是否包含五个以上链接？ → 如果是，则倾向于垃圾邮件。

每个问题都是一个分支，每个最终答案都是一个叶子。决策树很容易理解，这使得当人类需要解释人工智能的推理时，决策树很受欢迎。

K 最近邻 (KNN)

KNN 通过查看它已经见过的最接近的示例来对某些内容进行分类。

想象一下，您搬到一个新社区，想知道房子是否昂贵或负担得起。您查看最近的五栋房屋（您的“邻居”）并检查它们的价格。如果大多数都很贵，你预计你的也会很贵。

KNN 的工作方式与数据点完全相同 - 它找到 K 个最接近的示例并进行投票。