AI的七个模式中使用最广泛的模式之一是“模式和异常”模式。机器学习尤其擅长快速消化大量数据并识别模式或发现数据中的异常或异常。“模式匹配模式”是AI本身似乎经常重复的那些应用之一，这是有充分理由的，因为它具有广泛的适用性。
AI 的模式和异常模式的目标是使用机器学习和其他认知方法来学习数据中的模式并发现该数据之间的高级连接。目的是确定给定数据点是否适合现有模式，或者它是异常值还是异常值，从而找到适合现有数据的内容和不适合现有数据的内容。作为更广泛使用的模式之一，有许多方法可以应用此模式。
深入研究您的数据
数据是AI的核心，因此计算机擅长识别数据模式也就不足为奇了。无论是行为模式，动作模式，输入模式还是其他模式，人工智能系统都可以快速发现它。使用人工智能来发现模式非常理想，因为人类天生就无法预测。人工智能能够检测出人类甚至可能根本不想寻找的模式。此外，与人类可以处理和分析的数据量有限相比，人工智能能够一次关注更多信息。
机器学习就是关于使用数据并从中学习的知识。这种学习的大部分来自确定数据固有的模式。机器学习不是创建程序来告诉计算机如何处理特定规则，而是通过示例和数据逐步学习系统。通过编程，人类需要设置这些规则。因此，系统受编程可能性的限制。另一方面，机器学习不受此类事物的限制。
在AI的许多应用程序中，您可能希望使用机器来发现模式，或查找数据中的异常和异常值。使用AI进行模式或异常识别的一种广泛实施的示例是欺诈检测。欺诈被简单地定义为某人正在做他们不应该做的事情。为了发现欺诈，人工智能可以寻找不遵循应采取的行动的行为。如果这些动作与众不同，则系统可以标记它以供人工检查。
属于这种模式的另一个示例是许多人每天使用的示例，但他们甚至可能不知道自己正在使用AI。当我们在计算机或智能手机上使用预测键入时，这将由AI模式提供支持。计算机以书面形式查看模式，并能够预测接下来可能出现的单词。随着时间的流逝，打字模式可能会变得非常个性化，以至于该模型可以相当准确地了解您接下来将要打字的内容。
人事和人事部门也使用AI来识别求职者的模式。AI系统能够查看潜在员工的应用和背景，以确定潜在的优秀候选人，并剔除不符合工作要求的候选人。通过使用AI来帮助选择过程，人们希望这将有助于筛选候选人以将他们移至下一轮，并减少招聘过程中的偏见。
可以通过多种其他方式在行动中看到AI的模式和异常模式。智能监控，发现错误或错误并根据需要进行调整，网络安全应用程序以及分析股票市场，都是AI被用来监控模式的某些方式的例子。
当让系统自行查找模式时，它能够发现人类可能错过的事物。这方面的一个例子是沃尔玛在飓风周围的购买行为中所经历的。沃尔玛使用AI来检测销售模式。他们发现的许多趋势之一是飓风和草莓流行-之间的联系。事实证明，人们在飓风来临之前就去了沃尔玛，除了积water水和电池等所有常规物品外，他们还积strawberry了草莓Pop-Tarts。这种洞察力使沃尔玛能够将更多的Pop-Tart卡车运送到飓风路线中的商店。这样的异常趋势有时很难让人发现，但计算机却擅长于此。
但是，就像从数据中学习的任何东西一样，您需要注意AI的训练内容。亚马逊在几年前受到审查，因为他们发现他们的AI招聘工具偏爱技术人员。AI的模式和异常模式，例如识别和超个性化模式，特别容易受到有偏见的数据集的影响。如果您使用偏差数据来训练模式识别系统，那么这些系统将表现出与训练数据相同的偏差就不足为奇了。
通过根据各种AI模式来思考AI项目，您可以更好地处理，规划和执行AI项目。例如，一旦知道自己正在执行模式和异常模式，就可以洞悉已应用到该问题的各种解决方案，洞察力以提供模式，用例和示例所需的数据模式，算法和模型开发技巧的应用程序以及其他有助于加快高质量AI项目交付速度的见解。这些模式有助于指导组织正确执行AI并有更大的项目成功机会。
