正文共：777 字 26 图，预估阅读时间：2 分钟
我第一次参与到人工智能中，还是在H3C的时候，当时H3C搞领航者峰会，准备了一个智能问答机器人——吱吱答。当时的吱吱答，是真的“人工”智能，实现机制就是传统的关键词识别、系统问题匹配等，问了提高准确率，全公司加班加点在知识库录了几千个问题，在某种场景下，准确率比现在的文心一言可能要高一点。
从领域上讲，现在的ChatGPT、文心一言、通义千问、Gemini等，都属于AIGC（Artificial Intelligence Generated Content，人工智能生成内容）领域，而AIGC则属于NLP（Natural Language Processing，自然语言处理）的对话系统分支，通过上下文理解和生成技术，实现了与用户进行智能、连贯和有逻辑的对话交互。再往上翻，自然语言处理和计算机视觉（Computer Vision，CV）都是深度学习（Deep Learning，DL）的重要方向，而深度学习又属于机器学习（Machine Learning，ML），机器学习是人工智能的一个重要分支和实现手段。至此，这个层级关系才算结束。
如果往前回顾一下，我在2020年还简单研究过机器学习，过了4年，可以把当时不成熟的研究成果跟大家分享一下了。
机器学习的思维导图之机器学习的问题。
机器学习项目中的步骤。
机器学习的工作。
机器学习中的数学。
机器学习的资源。
机器学习的定义。
机器学习的基本结构。
机器学习的学科领域。
机器学习的发展过程。
机器学习的发展趋势。
机器学习在互联网搜索。
美国在20世纪80年代就开始研究基于机器学习的汽车自动驾驶技术。
机器学习在画作鉴别。
机器学习在网络安全。
机器学习的分类。
机器学习的常见算法。
常用算法：贝叶斯推理算法。
常用算法：神经网络。
其他常用算法。
机器学习算法的评估与比较。
机器学习算法评估与比较的举例。
机器学习的操作流程。
机器学习的流行开源框架，目前好像是PyTorch、TensorFlow和Keras。
其余的听说的比较少了。
机器学习在SASE自适应微分段的应用。
毕竟大学和研究生要学习好几年的知识，不可能几个月就整明白，期待我接下来的精彩表现吧，争取达到人工智能专业普通本科毕业生的能力水平。
加油！
长按二维码
关注我们吧
成了！Tesla M4+Windows 10+Anaconda+CUDA 11.8+cuDNN+Python 3.11
复制成功！GTX1050Ti换版本安装Pytorch、CUDA和cuDNN
CentOS 7.9安装Tesla M4驱动、CUDA和cuDNN
Windows Server 2019配置多用户远程桌面登录服务器
Windows Server调整策略实现999999个远程用户用时登录
RDP授权119天不够用？给你的Windows Server续个命吧！
配置Juniper虚墙vSRX基于策略的IPsec VPN（CLI方式）
版权声明：本文为博主作者：Danileaf_Guo原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/gtj0617/article/details/136594150