人工智能概论PPT全套完整教学课件

《人工智能概论》第一章人工智能的前世今生主讲教师：XXX由于文档上传大小限制，本课件里的视频均由图片代替。目录三人工智能应用概况一人工智能内涵二人工智能理论基础人工智能内涵一情景导入同学们，说说你身边的人工智能？情景导入什么是人工智能？人工智能内涵图灵（1912-1954），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。1950年在论文《机器能思考么？》中提出了图灵测试，一种用于判定机器是否具有智能的试验方法，如下：提问者和回答者分开，提问者通过一些装置（键盘）向机器随意提问。多次测试，如果有超过30%的提问者认为回答问题的是人而不是机器，那么这台机器就通过了测试，具有了人工智能。人工智能内涵学术界定义约翰麦卡锡使一部机器的反应方式像一个人在行动时所依据的智能；制造智能机器的科学与工程，特别是智能计算机程序；NilsJ.Nilsson人工智能是关于知识的学科—怎样表示知识以及怎样获得知识并使用知识的学科；PatrickWinston人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。人工智能内涵广义人工智能人工智能指通过计算机实现人的头脑思维所产生的效果，是对能够从环境中获取感知并执行行动的智能体的描述和构建人工智能产业人工智能产业的构建包括数据资源、计算引擎、算法、技术、基于人工智能算法和技术进行研发及拓展应用的企业以及应用领域人工智能技术人工智能技术是人类在利用和改造机器的过程中所掌握的物质方法、手段和只是等各种活动方式的总和人工智能概念及界定人工智能内涵定义我们通常讲的人工智能指向人工智能技术，指利用技术学习人、模拟人，乃至超越人类智能的综合能力；即通过机器实现人的头脑思维，使其具备感知、决策与行动力。形象来说，人工智能可理解为由不同音符组成的音乐，而不同音符是由不同的乐器所奏响的，最终实现传递演奏者内心所想与头脑所思的效果。具体包括使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能的技术手段。举例如自然语言处理、语音识别、计算机视觉、机器智能技术、通过图灵测试的智能等等。人工智能内涵A通过视觉、听觉、触觉等感官活动，接受并理解文字、图像、声音、语言等各种外界信息，这就是认识和理解外界环境的能力。C通过教育、训练和学习过程，日益丰富自身的知识和技能，这就是学习的能力。B通过人脑的生理与心理活动以及有关的信息处理过程，将感性知识抽象为理性知识，并能对事物运行的规律进行分析、判断和推理，这就是提出概念、建立方法，进行演绎和归纳推理、作出决策的能力。D对不断变化的外界环境条件（如干扰、刺激等外界作用）能灵活地作出正确地反应，这就是自适应能力。人工智能内涵人工智能与大数据、云计算的最大的区别是，互联网及新兴技术改造的是传统行业，是应用层的创新，但人工智能改变的却是互联网本身。全新交互方式自进化去节点化人工智能内涵人工智能带来的则是真正意义上的用户交互层上的革命，真正解放了人类的双手，让语音交互、图像识别、自然语言理解等成为新的传递媒介和对话窗口。而每一次交互方式上的重大变革，都会摧毁旧有的产业，孕育全新的产业，出现颠覆性的产业变化。全新的交互方式人工智能内涵人工智能依托于互联网海量数据的积累，用户轨迹，以及数据挖掘、自然语言处理、语音交互、图像识别、深度升级网络、机器学习及用户建模等方面的技术积淀，这些为人工智能提供了足够快、足够猛烈的爆发力和成长养料。同样一年进化期，人工智能的应用和成长速度只能用指数级增长来形容，远远超过了过去互联网所出现的电商、社交等的线性成长速度。自进化阿尔法狗再进化:无师自通学3天击败老狗(颤抖吧人类)人工智能内涵去节点化即“所说即所得”，人工智能将使用门槛降到了0。就如小孩刚刚降生，首先最早学会的就是说话，而不是读书、写字一样。人工智能以对话为主要的交互方式，更像是身体器官的自然延伸，而不像PC、手机，还得依靠双手、眼睛和脑力，这一改变使其使用门槛几乎为零，让用户获取服务变得更加简单便捷，真正实现了“所说即所得”。就如苹果手机的触控体验给智能手机产业带来的革命一样，人工智能以对话为主的看似傻瓜式的改变，预期也会引发互联网的一场颠覆革命。去节点化人工智能内涵人工智能四种途径像人一样行动：图灵测试的途径像人一样思考：认知建模的途径合理地思考：“思维法则”的途径合理地行动：合理Agent的途径人工智能内涵像人一样行动：图灵测试的途径1自然语言处理（naturallanguageprocessing）：使之能成功地用人类语言交流；2知识表示（knowledgerepresentation）：存储它知道的或听到的信息；4机器学习（machinelearning）：适应新情况并进行检测和预测。3自动推理（automatedreasoning）：运用存储的信息来回答问题并推出新结论；1.计算机视觉（computervision）：感知物体；2.机器人学（robotics）：操纵和移动对象。人工智能内涵像人一样思考：认知建模的途径内省通过内省捕获人类自身的思维过程；心理实验通过心理实验观察工作中的人类思维变化；脑成像通过脑成像观察人类思考过程中的组织成分变化。认知科学人工智能内涵合理地思考：“思维法则”的途径1965逻辑学家为世界上各种对象及对象之间关系的陈述制订了一种精确的表示法（类似于算术表示法，算术只是关于数的陈述的表示法）人工智能中的逻辑主义（logicist）流派希望通过这样的程序来创建智能系统，此途径被称为“思维法则”的途径。已有程序原则上可以求解用逻辑表示法描述的任何可解问题（如果不存在解，那么程序可能无限循环）19世纪1965年人工智能逻辑学人工智能内涵合理地思考：“思维法则”的途径逻辑学两个障碍首先，获取非格式化的知识并用逻辑表示法要求的形式术语来陈述是不容易的，特别是在知识不是百分之百肯定时；其次，在“原则上”可解一个问题与实际上解决该问题之间存在巨大的差别，甚至求解只有几百条事实的问题就可耗尽任何计算机的计算资源。人工智能内涵Agent是进行运行操作的智能安排（英语的agent源于拉丁语的agere，意为“去做”）。所有计算机程序都在运行并处理任务，但是普通计算机不能感知环境、长期持续、适应变化并能创建与追求目标。Agent能实现更多功能：自主操作进行合理安排，或者当存在不确定性时，为了实现最佳期望结果而重新规划任务。合理地行动：合理Agent的途径人工智能内涵合理性的标准在数学上定义明确且完全通用，并可被“解决并取出”来生成可证实现了合理性的Agent设计。另一方面，人类行为可以完全适应特定环境，并且可以很好地定义为人类做的所有事情的总和。所以研究合理Agent的一般原则以及用于构造这样的Agent的部件将是使用的一个重点。因为在现实中，尽管问题可被陈述地简单，但是在试图求解问题时各种各样的难题就出现了。但是，合理Agent途径在复杂环境中不可行，因为计算要求太高。合理地行动：合理Agent的途径合理Agent的途径与其他途径相比有两个优点。首先，它比“思维法则”的途径更普遍，因为正确的推理只是实现合理性的几种可能的机制之一。其次，它比其他基于人类行为或人类思维的途径更经得起科学发展的检验。优点习题通过Siri添加日程安排1.打开苹果手机2.呼叫Siri3.请Siri添加下周日程安排4.对比通过Siri添加日程安排与以往添加日程安排的异同实训题人工智能理论基础二人工智能理论基础数学神经科学计算机科学控制论大数据1自然科学类人工智能理论基础哲学经济学伦理学心理学语言学2社会科学类人工智能应用概况三人工智能应用概况人工智能发展历程1人工智能产业图谱2各国人工智能应用概况3人工智能应用概况人工智能发展历程1人工智能应用概况人工智能发展历程1深度学习，蓬勃兴起机器学习，迎来曙光知识表示，走出困境计算推理，奠定基础4.03.02.01.0人工智能应用概况1956年，美国达特茅斯学院举行第一次人工智能研讨会，人工智能诞生的标志麦卡锡首次提出了“人工智能”概念，纽厄尔和西蒙则展示了编写的逻辑理论机器。而马文·明斯基提出的“智能机器能够创建周围环境的抽象模型，如果遇到问题，能够从抽象模型中寻找解决方法”这一定义，成为后30年智能机器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基础生理学知识和脑神经元的功能；罗素和怀特海德的对命题逻辑的形式分析；以及图灵的计算理论。计算推理，奠定基础1.0人工智能应用概况1968MACSYMA系统1969DENDRAL程序20世纪70年代人工智能又从具体系统的研究逐渐回到一般研究，围绕知识这一核心问题，人们在知识获取、知识表示和知识推理等方面开始出现新的原理、方法、技术和工具。以E.A.Feigenbaum为代表的学者认为，知识是有智能的机器所必备的，于是在他们的倡导下，在20世纪70年代中后期，人工智能进入了“知识表示期”，E.A.Feigenbaum后来被称为“知识工程”之父。知识表示，走出困境2.0人工智能由追求万能、通用的一般研究转入特定的具体研究，产生了以专家系统为代表的基于知识的各种人工智能系统人工智能应用概况198119892001伟博斯在神经网络反向传播（BP）算法中具体提出多层感知机模型带领机器学习进入了新时代。随机森林出现于2001年，于AdaBoost算法同属集成学习，虽然简单，但在很多问题上效果却出奇的好，因此现在还在被大规模使用。LeCun设计出了第一个真正意义上的卷积神经网络，用于手写数字的识别，这是现在被广泛使用的深度卷积神经网络的鼻祖。机器学习，迎来曙光3.0SVM代表了核技术的胜利，这是一种思想，通过隐式的将输入向量映射到高维空间中，使得原本非线性的问题能得到很好的处理。而AdaBoost则代表了集成学习算法的胜利，通过将一些简单的弱分类器集成起来使用居然能够达到惊人的精度。人工智能应用概况20062012ImageNet大赛上CNN夺冠2016深度学习领域的三巨头LeCun、Bengio、Hinton联手在Nature上发表综述对DeepLearning进行科普机器学习领域的泰斗Hinton和他的学生Salakhutdinov在顶尖学术刊物《Scince》上发表了一篇文章，开启了深度学习在学术界和工业界的浪潮。深度学习，蓬勃兴起4.020152014谷歌研发出20层的VGG模型。同年，DeepFace、DeepID模型横空出世，在LFW数据库上的人脸识别、人脸认证的正确率达到99.75%，几乎超越人类。阿尔法狗打败李世石。人工智能应用概况人工智能产业图谱2人工智能应用概况人工智能产业图谱2人工智能应用概况1）美国：美国领跑人工智能发展潮流，战略层面高度重视人工智能应用概况3美国政府成立多个人工智能管理与指导部门A美国政府优先对人工智能投资B美国开展并更新相关战略计划C人工智能应用概况2）欧洲：欧洲各国相继出台人工智能重大发展战略人工智能应用概况325个欧洲国家签署《加强人工智能合作宣言》，强调作为“欧洲数字化的领导者”的北欧和波罗的海国家将加强人工智能方面的合作，以保持其欧洲数字化领先地区的地位，瑞典将在这一领域合作发挥关键领导作用。“人工智能伦理”问题欧盟发布《人工智能时代：确立以人为本的欧洲战略》和《欧盟人工智能》报告2018年6月，欧盟委员会（EuropeanCommission）成立承担咨询机构角色的人工智能高级小组（AIHLG）人工智能应用概况2）欧洲：欧洲各国相继出台人工智能重大发展战略人工智能应用概况3注重实效性，强调“综合施治、合力发展”英国2018年3月，宣布《人工智能发展战略》，承诺五年内提供超过18.5亿美元资金，重点为医疗保健和自动驾驶汽车领域法国“智能工厂”为重心的“工业4.0计划”；“脑科学”战略重点是机器人和数字化；2018年7月，德国联邦政府发布《联邦政府人工智能战略要点》德国人工智能应用概况3）亚洲：亚洲国家紧追人工智能潮流力争向先进国家看齐人工智能应用概况3日本2018年发布《综合创新战略》，突显大学改革、加强政府对创新的支持、人工智能、农业发展、环境能源等五大重点措施韩国2018年发布《人工智能研发战略》，并计划在五年内投入20亿美元用于在国防、生命科学和公共安全领域应用人工智能解决方案印度2018年发布《人工智能国家战略》，特别关注军事安全与道德隐私领域，重点放在健康护理、农业、教育、智慧城市和基础建设与智能交通五大领域；阿联酋2018年3月，阿联酋内阁批准组建“阿联酋人工智能委员会”人工智能应用概况4）中国人工智能应用概况3从政策角度来看中国人工智能政策主要关注以下六个方面：中国制造、创新驱动、物联网、互联网+、大数据、科技研发。其中，《中国制造2025》处于人工智能政策应用网络的核心，在地方人工智能政策制定过程中发挥着纲领性的作用。从风险投资来看根据2013年到2018年第一季度全球的投融资数据，中国已在人工智能融资规模上超越美国成为全球最“吸金”国家，但是在投融资笔数上，美国仍然在全球处于领先地位。国内融资金额和融资笔数最高的省市是北京，且遥遥领先其他各省。上海、浙江、江苏和广东等省市的表现也比较突出。人工智能应用概况·人工智能企业数量人工智能应用概况3人工智能应用概况·人工智能企业城市分布人工智能应用概况3习题人工智能具有以下哪些特征：（）A.全新交互方式B.自进化C.去节点化D.自动化多选题正确答案：ABC《人工智能概论》第二章算法技术让人工智能更聪明主讲教师：XXX目录三人工智能算法的应用一机器学习二深度学习机器学习一情景导入讯飞翻译机AlphoGo人脸识别情景导入是什么让计算机或者软件如此精通人性？为什么让计算机或者软件如此造化出神？计算机或者软件还能做什么精妙绝伦的事情？人工智能人工智能算法人工智能的应用人类越来越需要人工智能！机器学习机器学习是实现人工智能应用的算法技术之一，也是人工智能算法技术研究领域的一个分支.因此，掌握‘机器学习’符合当下人才培养的时代需求.人工智能是未来的发展趋势，什么是人工智能？机器学习机器学习(一)机器学习的概念(二)机器学习的常见算法(三)强化学习机器学习（一）机器学习的概念机器学习是用数据或以往的经验来优化提升行为判断的计算程序简单的讲机器学习是一种能够赋予机器学习的能力，让它完成直接编程无法完成的功能的方法广义上讲机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法实践上讲机器学习的思想：机器学习是对人类在生活中学习成长的一个模拟。机器学习1.机器学习算法的技术分类有监督学习特点应用样本数据同时包含特征自变量(X)和目标变量(Y)。然后使用有监督学习算法训练得到从特征自变量输入到目标变量输出的映射函数：Y=f(X)。(1).分类问题如判断“垃圾邮件”或“非垃圾邮件.(2).回归问题如预测旅游人数机器学习1.机器学习算法的技术分类无监督学习特点应用样本数据只有特征自变量(X)，没有目标变量(Y)。算法在输入数据的过程中自己发现数据中的规律或模式。(1).关联问题关联规则学习目的是从数据中发现强规则。如通过分析数据发现，买了商品A的顾客有可能还会买商品B(2).聚类问题聚类方法可以发现数据内部的组群关系。如确定衣服尺码的大小。机器学习1.机器学习算法的技术分类半监督学习特点应用样本数据部分被标识，部分没有被标识。这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理地组织数据来进行预测。(1).分类问题(2).回归问题机器学习2.机器学习中的基础知识数据：机器学习算法的“学习资料”A训练数据,用来训练模型的，是算法的学习资料B验证数据，用来评估不同参数下模型效果，选择最优模型C测试数据，用来测试模型效果，评估泛化能力训练集和验证集的划分方法有两种：“hold-out”和交互检验。训练数据是算法真正用来“学习”（拟合）的数据。机器学习2.机器学习中的基础知识数据：三者的关系机器学习2.机器学习中的基础知识目标函数：机器学习算法学习的方向意义机器学习算法通过学习输入数据，在求解目标函数的极值的过程中，训练得到算法参数的最优值，也即求解模型参数。举例：逻辑回归算法机器学习2.机器学习中的基础知识基于梯度的参数优化方法基于梯度的参数优化方法指利用导数求目标函数的极值（最值）机器学习2.机器学习中的基础知识超参数及超参数寻优参数：可以从数据中学习得到超参数：无法从数据里学习得到，需要靠人的经验来设定机器学习算法参数是由样本数据学习得到，不需要提前设置；机器学习参数通常作为最终模型的一部分保存；使用模型进行预测时，需要使用保存的参数。主要应用于模型参数的学习过程，无法从样本数据中直接学习；超参数通常使用启发式方法，在训练之前提前设置；超参数定义关于模型更高层级的概念，如模型复杂度等。机器学习2.机器学习中的基础知识超参数及超参数寻优超参数的寻优一般使用经验法则或通过反复试验的方法，来探寻算法超参数的最优值。超参数寻优的基本思路尝试不同的超参数组合来训练模型，通过比较不同组合得到的模型表现，最终确定最优的超参数组合。网格搜索（GridSearch）随机搜索（RandomSearch）机器学习3.机器学习的“学习”过程BDFACE首先准备用于机器学习算法的数据集，以二维矩阵形式表示，每行代表一条学习样本，每列代表一个变量，包括特征自变量（X）及目标变量（Y）选择一种机器学习算法并确定其目标函数；使用验证集评估不同超参数组合下的模型效果，选择最优模型；将数据集划分为训练集、验证集和测试集；设定不同的算法超参数组合，在每组确定的超参数下，使用训练集进行算法参数的寻优，得到该组超参数下的最优参数模型；使用测试集评估最优模型的效果，即最终模型的泛化能力。机器学习(一)机器学习的概念(二)机器学习的常见算法(三)强化学习机器学习（二）机器学习的常见算法决策树算法用树的结构来构建分类模型，每个节点代表着一个属性，根据属性的划分，进入这个节点的子节点直至叶子节点，每个叶子节点都代表一定的类别，从而达到分类的目的。概念如果要解决的问题需要模型具备很好的可解释性，可以考虑决策树算法。应用用于贷款审批的决策树模型举例决策树机器学习（二）机器学习的常见算法举例：用于贷款审批的决策树模型假设该模型通过年龄、学历、是否拥有房产等特征，对贷款申请人做出批准或拒绝的决策，如图2-5所示。输入的申请人特征会按照决策树的结构自上而下进行条件判断，最终分类到某个叶子节点，根据模型对该叶子节点定义的属性，来判断是否通过该申请人的贷款。如，某申请人年龄为40岁，但没有房产，若其月收入超过1.5万元，模型认定可以通过其贷款申请。决策树具有很好的可解释性，银行可以向被拒绝贷款的客户解释拒绝原因，例如该客户没有房产且月收入小于1.5万元机器学习（二）机器学习的常见算法集成学习就是将多个弱监督模型组合使用，以期得到一个更好更全面的模型。即便某一个弱模型得到了错误的预测，其他的弱分类器也可以将错误纠正回来。概念集成学习在任何规模的数据集上都有很好的应对策略。应用Bagging和Boosting举例集成学习算法利用Bootstrap方法从样本数据中采取有放回抽样，经过训练得到一个模型

，如此重复进行M次，得到M个独立模型。最终的预测模型可以将所有M个模型的预测结果按照一定的方法综合使用。通常，分类问题采用M个模型预测投票的方式；回归问题采用M个模型预测平均的方式。机器学习（二）机器学习的常见算法举例：Bagging和BoostingBaggingBoosting随机森林是Bagging方法的一种。BGM是Boosting方法的一种。Boosting（提升方法）是一种可以用来减少有监督学习中偏差的机器学习算法。机器学习（二）机器学习的常见算法逻辑回归算法逻辑回归是一种基于线性回归的经典分类模型。核心思想：将线性函数的结果映射到了sigmoid函数中。公式如下：其中：z是关于输入变量的线性回归。机器学习（二）机器学习的常见算法神经网络是将多个sigmoid函数单元通过某种方式叠加形成的机器学习算法。概念输入层：输入变量隐藏层：sigmoid函数输出层：预测值结构‘隐藏层’多层的神经网络模型深度神经网络神经网络机器学习(一)机器学习的概念(二)机器学习的常见算法(三)强化学习机器学习（三）强化学习强化学习的概念概念强化学习是机器学习的一个重要分支，是受到行为主义心理学研究的启发，产生的一种交互式学习方法，又称为增强学习。算法思想让机器通过不断的尝试，从错误中学习，从一开始完全随机进行操作，到最后找到规律，学会达到目的的方法。基本要素环境，Agent，动作，反馈。机器学习（三）强化学习强化学习的概念A强化学习的输入数据是序列的、交互的并且还是有反馈（Reward）的。而有监督学习的输入数据是多样化的标签数据。输入数据不同B强化学习是一个决策模型，有监督学习更偏向模式挖掘。学习目标不同C强化学习是进程安排自己去学习，有监督学习是按照算法特点进行参数最优化求解。学习方式不同与监督学习的区别机器学习（三）强化学习强化学习的技术分类根据强化学习算法是否依赖模型(1)基于模型的强化学习算法（Model-based）(2)无模型的强化学习算法（Model-free）01根据策略的更新和学习方法不同(1)基于值函数的强化学习算法(2)基于直接策略搜索的强化学习算法02根据环境返回的回报函数是否已知(1)正向强化学习算法(2)逆向强化学习算法03深度学习二深度学习(一)算法基础(二)卷积神经网络(CNN)(三)循环神经网络(RNN)深度学习（一）算法基础感知器(决策模型)输入几个二进制并生成一个二进制的输出原理一般，f(x)=1,表示‘是’，f(x)=0,表示‘否’。深度学习（一）算法基础感知器举例深度学习（一）算法基础激活函数作用是将线性函数的结果映射后引入非线性的变换sigmoid函数深度学习（一）算法基础激活函数作用是对输入数据x,保留正数且以0代替负数ReLU函数深度学习（一）算法基础激活函数作用是将输入数据x的值变换到-1和1之间tanh函数深度学习（一）算法基础神经网络指对神经网络沿着从输入层到输出层的顺序，依次计算并存储模型的中间变量（包括输出）。前向传播计算神经网络参数梯度的方法反向传播深度学习(一)算法基础(二)卷积神经网络(CNN)(三)循环神经网络(RNN)深度学习（二）卷积神经网络架构LeNetAelxNetGoogleNet深度学习(一)算法基础(二)卷积神经网络(CNN)(三)循环神经网络(RNN)深度学习（三）循环神经网络架构LSTMGRU人工智能算法的应用三人工智能算法的应用生活中的人工智能人工智能算法的应用(一)智能推荐(二)计算机视觉(三)自然语言处理人工智能算法的应用（一）智能推荐概念：智能推荐是为用户推荐所需要物品的一种人工智能工具。目的对用户提供决策支持，例如买什么物品、听什么歌曲或读什么新闻。价值帮助用户解决信息过载的问题，做出最好的选择。方法基于内容的方法和协同过滤的方法。人工智能算法的应用（一）智能推荐基于内容的方法原则去识别那些有共同特征的项目（如电影、音乐等）。思路对某个用户已经评分过的项目分析其共同特点，然后将含有这些特点的新的项目推荐给该用户。局限‘内容分析限制’和‘过度专业化’人工智能算法的应用（一）智能推荐协同过滤的方法特点：使用其他用户对项目的评分信息思想：如果目标用户和某一用户在某些项目评分上很相似，那么目标用户对新项目的评分与该用户的评分也是相似的优点：解决基于内容的推荐方法存在的一些局限分类：基于邻域的方法和基于模型的方法基于模型的方法包括：括贝叶斯聚类、潜在语义分析（LDA）、最大熵、玻尔兹曼机、支持向量机（SVM）和奇异值分解（SVD）智能推荐方法的评判标准：准确率，效率，稳定性，合理性，意外发现率010203040506人工智能算法的应用（一）智能推荐智能推荐的应用场景例：网易云音乐1娱乐——电影、音乐、游戏的推荐；人工智能算法的应用（一）智能推荐智能推荐的应用场景例：今日头条2内容——个性化新闻、网页的推荐；人工智能算法的应用（一）智能推荐智能推荐的应用场景例：京东3电子商务——消费者商品购买推荐；人工智能算法的应用（一）智能推荐智能推荐的应用场景例：旅游攻略4服务——旅游服务推荐、专家咨询推荐等人工智能算法的应用（一）智能推荐智能推荐的应用场景例：抖音5社交——社交网络中朋友的推荐和社会媒体网站中的内容推荐；人工智能算法的应用(一)智能推荐(二)计算机视觉(三)自然语言处理人工智能算法的应用（二）计算机视觉概念图像分类、目标检测、目标跟踪、语义分割和实例分割五个方向.用摄影机和计算机代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，使之成为更适合人眼观察或传送给仪器检测的图像。概念研究方向人工智能算法的应用图像分类判断一张图像中是否包含某种物体，给输入图像分配标签算法：卷积神经网络案例：AlexNet、GoogLeNet应用：百度图片（二）计算机视觉人工智能算法的应用目标检测确定某张给定图像中是否存在给定类别（比如人、车、自行车、狗和猫）的目标实例。算法：卷积神经网络应用场景：智能视频监控，无人驾驶等（二）计算机视觉人工智能算法的应用目标跟踪在特定场景跟踪某一个或多个特定感兴趣对象。算法：生成算法和判别算法例：主成分分析算法（PCA），卷积神经网路（二）计算机视觉人工智能算法的应用语义分割算法：完全卷积网络将属于同一类的像素归为一类，属于像素级别上的分类。（二）计算机视觉人工智能算法的应用实例分割实例分割：是一个综合问题，融合了目标检测，语义分割和图像分类的内容。（二）计算机视觉人工智能算法的应用(一)智能推荐(二)计算机视觉(三)自然语言处理人工智能算法的应用（三）自然语言处理概念研究人际之间用自然语言通信的方法。概念Google搜索引擎,Amazon的Alexa语音助手，机器翻译，对话生成等。应用语音识别技术与基于文本的自然语言处理技术。研究内容人工智能算法的应用（三）自然语言处理语音识别技术01让计算机将人类语音中的词汇内容转换为计算机可读的输入，如二进制编码等。概念02“传统”的识别方法和基于深度神经网络的“端到端”方法。方法03翻译机(科大讯飞)应用人工智能算法的应用（三）自然语言处理基于文本的自然语言处理技术A概念指对文本类型数据的处理，通过构建计算算法自动分析、表征人类自然语言。B应用文本分类，机器翻译，垃圾邮件分类，问答系统（iPhone的siri,小米的小爱同学，各个网站的机器人客服等）人工智能算法的应用习题1.某邮件服务商希望开发垃圾邮件过滤的人工智能应用，实现自动区分垃圾邮件和非垃圾邮件的功能，下面哪种学习方法最适合此种应用需求：（）。A.二分类问题B.多分类问题C.聚类问题D.回归问题单选题正确答案：A习题2.以下选项中，机器学习算法真正用来“学习”的数据是（）。A.验证集B.训练集C.测试集D.超参数集单选题正确答案：B习题3.以下机器学习算法中，属于集成学习Bagging算法的是（）。A.决策树B.逻辑回归C.随机森林D.GBM单选题正确答案：C习题4.以下神经网络不属于卷积神经网络的算法是（）。A.LeNetB.AlexNetC.GoogLeNetD.LSTM单选题正确答案：D习题5.以下神经网络属于循环神经网络的是（）。A.GRUB.InceptionV1C.AlexNetD.VGG单选题正确答案：A习题6.机器学习的任务类型包括（）。A.有监督学习B.无监督学习C.半监督学习D.强化学习多选题D.人工智能正确答案：ABC习题1.以下属于计算机视觉领域的研究方向的有（）。A.人脸识别B.目标检测C.语义分割D.智能推荐多选题正确答案：BDED.目标跟踪习题2.在电商平台浏览商品时会出现平台自动推荐的商品，其可能采用的技术有（）。A.基于内容的推荐算法B.协同过滤算法C.语义分割技术D.目标跟踪技术多选题正确答案：AB习题3.以下属于自然语言领域的研究有（）。A.语音识别B.语义分割C.智能翻译D.文本分类多选题正确答案：ACD《人工智能概论》第三章大数据让人工智能土壤更肥沃主讲教师：XXX案例导读

每年，地震在全球范围内导致超过1.3万人死亡，500万人受伤或财产受损，每年造成的经济损失高达120亿美元。

多年以来，科学家们主要依靠对震频的监测来预测地震。尽管还有很多潜在的地震预警信号，如大气条件的变化或大量蛇群的迁移，但基于这些信号做出的预测准确率太低，无法在现实中实施。案例1:地震预测呼唤大数据

科学家们利用大数据技术对来自卫星和气象领域的数据进行统计分析，开启了一种全新的地震预测方法。

该项技术可以帮助人类最早能提前30天预测到全球主要地震多发国家即将发生的震级6级以上的大地震，精准度已经达到90%。曾经提前9天预测到了2015年3月3日在印尼发生的6.4级地震。案例导读案例导读Viola.AI是全球第一个使用人工智能驱动的相亲平台。通过结合人工智能、区块链技术和智能合约技术，Viola.AI试图颠覆相亲行业，给全球用户提供无国界的一条龙解决方案，包括约会、求婚乃至结婚。平台使用深度学习技术，分析每个用户的个性、背景和行为习惯，给用户最贴合个人的建议，并在预测感情可能出现问题时敦促他们主动解决，保证感情稳定。

借助新技术和移动约会服务，相亲行业在过去的10年里发展迅速。不过仍有许多亟待解决的问题。比如网恋骗局、交友疲劳症、用户信息滥用等。还有在全球离婚率上升潮中的婚后感情危机了。案例2:相亲活动也爱大数据引言引言一·什么是大数据一·什么是大数据它什么都知道一·什么是大数据一·什么是大数据一·什么是大数据

大数据（bigdata），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

到今天为止，很难有一个统一的定义。2·大数据的五个特点2·大数据的五个特点2·大数据的五个特点2·大数据的五个特点2·大数据的五个特点二·大数据是如何产生的（一）信息科技进步（一）信息科技进步（一）信息科技进步（一）信息科技进步（二）互联网诞生（二）互联网诞生

曾经有制作服装的公司，想要调查顾客的购买意愿。需要统计顾客拿起了哪件衣服，试穿了哪件？在专卖店逗留了多长时间？这就需要安装摄像头，要选样本，可能花费上亿的资金。要想省钱的话其结果可能会失去参考价值。如果在网上做同样的事情，成本近乎为“零”。大家可以想想，在淘宝网或者京东商城的主页上，每一个网页都相当于一家店铺，打开这个网页就等于进入了店铺；点击了衣服，相当于顾客拿起衣服仔细端详；把衣服放到收藏夹，可以理解为试穿；在实体店中的顾客行为几乎被完整地映射到网页上。（三）云计算（三）云计算（三）云计算（四）物联网发展（五）社交网络发展（六）智能终端诞生三·大数据的应用（五）社交网络发展1.大数据让政府治理更精准透明1.大数据让政府治理更精准透明1.大数据让政府治理更精准透明1.大数据让政府治理更精准透明2.大数据在金融领域的应用2.大数据在金融领域的应用2.大数据在金融领域的应用

国外的保险公司在给用户进行车险报价时，需要参考汽车自身存储的OBD信息，其记录了驾驶员的驾驶习惯，例如是否经常紧急刹车，是否经常瞬间加速等。保险公司会依据客户的驾驶习惯来定义车主的保险产品等级，良好驾驶习惯的车主，其车险价格就较低，反之则车险价格就较高。案例一：保险行业利用驾驶员驾驶信息来确定车险价格2.大数据在金融领域的应用

“博时淘金100”是博时基金和阿里共同成立的基金，依托蚂蚁金服提供的海量电商交易数据（包括买卖家数量变化、商品价格变化、成交量变化等），对用户需求，企业产品、行业成长进行分析，从预测相关行业和企业景气度。分析结果结合博时基金多因子量化投资模型，指导基金经理进行股票投资。案例二：“博时淘金100”指数基金跑赢大盘3.大数据在教育领域的应用4.大数据在生活娱乐领域的应用4.大数据在生活娱乐领域的应用四·大数据的基本处理模型四、大数据的基本处理模型一般而言数据问题可以通过四个步骤进行数据使用数据分析数据存储数据采集这四个步骤构成了大数据分析的基本构架数据采集数据存储数据分析数据使用大数据的采集一般分别为系统日志采集、网络数据采集和其他数据采集。目前很多公司有自己的海量数据采集工具满足每秒数百兆字节的采集和传输需求。（1）采集大数据处理的模型也可以被认为数据>>信息>>知识>>智慧的金字塔模型，这是一个量级由大到小，价值由低到高的数据模型。对海量数据进行分析时，需要把原始数据导入一个大型分布式的数据库中，并且做一些简单的清洗和预处理工作。这一过程如同厨师在购入食材以后需要清洗整理搭配的过程一样。（2）导入/预处理数据挖掘是对现有数据进行各种算法的计算，从而达到预测的效果。（4）挖掘与传统的数据分析不同，这一环节的统计分析设计的数据量大，一般采用分布式数据库或者分布式的计算集群对海量数据进行处理。（3）统计/分析智慧信息知识数据挖掘统计/分析导入/预处理采集五·大数据与人工智能的关系人工智能什么是人工智能（AI）用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。图灵预测2000年的时候会出现通过图灵测试，具备人工智能的机器，然而直到2014年6月，一台计算机（聊天软件）成功让人类相信它是一个13岁的男孩，成为有史以来首台通过图灵测试的计算机。

------资料来源于《颤抖吧，人类！》中国科技日报2015年11月，机器依据未见过的书写系统（比如：藏文）中的一个字符实例，写出了同样风格的字符，说明机器已具备迅速学写陌生文字的创造能力。

------资料来源于《Science》杂志封面新闻大数据与人工智能生活例子（预测班车的到达时间）：每天早上7点半班车从A地发往B地，预测到达B地的时间第一次乘坐你的预测通常不太准一周之后你大概能预测：班车8点左右能够到达B地一种简单的机器学习模型（决策树模型）一个月之后随着经验的增加，你还会知道：周一常常堵车，会晚到10分钟，下雨天常常堵车，会晚到20分钟大数据与人工智能根据特征在水果摊买橙子，随着见过的橙子和其他水果越来越多，辨别橙子的能力越来越强，不会再把香蕉当橙子。《人工智能概论》第四章AI芯片让人工智能大脑更聪明主讲教师：XXX目录三人工智能芯片类型一芯片基础知识二人工智能对芯片的需求四国内外AI芯片发展芯片基础知识一情景导入你身边哪些设备上存在有芯片？芯片基础知识(一)芯片的构成及原理(二)计算机中主要芯片类型(三)存储器芯片芯片基础知识所谓微电子是相对"强电"、"弱电"等概念而言，指它处理的电子信号极其微小。它是现代信息技术的基础，我们通常所接触的电子产品，包括通讯、计算机、智能化系统、自动控制、空间技术、电台、电视等等都是在微电子技术的基础上发展起来的。通常所说的“芯片”是指集成电路，它是微电子技术的主要产品。芯片基础知识（一）芯片的构成及原理芯片的工作速度与芯片内电路之间信号传送路程的长短有关，路程越短速度越快，反之则越慢。芯片的工作时间单位是以纳秒计量的。芯片中的电路越紧密地挤在一起，芯片的工作速度越快，而且由于更多的电路被设计在同样面积的硅片上，芯片的功能更强。实际中芯片所做的工作都是由晶体管完成的。芯片的衬底材料是具有n-或p-型的轻掺杂质单晶硅层。它起两个作用，一是作为在其上面和内部制造集成电路的物理介质，另一作用是作为电路本身的一部分，构成芯片核心的半导体电路和微型晶体管通过沉积或刻蚀直接构建在单晶硅表面上。芯片基础知识（二）计算机中主要芯片类型微处理芯片接口芯片芯片基础知识（二）计算机中主要芯片类型微处理芯片微处理芯片，又称微处理器(英语：Microprocessor，缩写：μP或uP)，是可编程特殊集成电路。该芯片所有组件小型化至一块或数块集成电路内，可在其一端或多端接受编码指令，执行此指令并输出描述其状态的信号。这些指令能在内部输入、集中或存放起来。如中央处理器，CPU芯片基础知识（二）计算机中主要芯片类型接口芯片接口，特指硬件类接口，是指同一计算机不同功能层之间的通信规则。接口芯片是指内有接口电路的芯片。功能特点有：设置数据的寄存、缓冲逻辑;进行信息格式的转换；协调CPU和外设两者在信息的类型和电平的差异设置中断和直接存储区访问控制逻辑；芯片基础知识（三）存储器芯片又称存储器（Memory），是现代信息技术中用于保存信息的记忆设备。其概念很广，有很多层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。人工智能与芯片二人工智能与芯片(一)人工智能开发应用不同阶段(二)神经网络在训练阶段的硬件需求(三)神经网络在预测阶段的硬件需求人工智能与芯片（一）人工智能开发应用不同阶段

训练预测决策训练过程是指在已有数据中学习，建立识别或预测某个目标任务模型的过程；预测决策过程则是指对新的数据，使用已经训练的模型完成特定任务，比如垃圾邮件分类、人脸识别等。人工智能与芯片（二）神经网络在训练阶段的硬件需求12神经网络的训练过程对精度非常依赖，因为它直接影响预测的准确度。所以，支持训练的硬件必须支持具有较长字长的浮点数或定点数。另外，神经网络算法在训练中通常同时包括正向和反向的计算过程，并进行多次迭代，计算量要求非常高。这就需要支持训练的芯片不仅要具有强大的单芯片计算能力，还要具备很好的扩展性，可以通过多芯片系统提供更强大的计算能力。人工智能与芯片（三）神经网络在预测阶段的硬件需求12使用已训练的神经网络模型来进行预测决策时，运算和存储的需求都远远低于训练。但由于神经网络模型的应用场景多种多样，模型部署的设备可以在从云到端，如数据中心、自动驾驶汽车、智慧家庭和IoT设备等，其需求和约束呈现出多样化的特点。对于多数应用来说，速度、能效、安全和硬件成本等是最重要的考虑因素，而模型的准确度和数据精度则可以依具体情况适当降低。人工智能芯片类型三人工智能芯片类型CPUGPUFPGAASIC类脑仿生芯片人工智能与芯片（一）CPUCPU作为运算和控制核心，在未来高性能计算中将更多与其他专用芯片搭配使用。CPU由于要兼顾运算和控制功能，内部大量晶体管用于构建控制电路（比如分支预测等）和高速缓冲存储器（Cache），单从运算性能和效率上来说并不是计算芯片的最佳选择。由于之前人工智能高性能计算需求尚未集中出现，普通的机器学习和深度学习需求用传统CPU服务器也可以满足。人工智能与芯片（一）CPU根据Intel内部报告统计，2016年服务器市场中有7%被用于人工智能产业，其中60%用于普通机器学习，40%用于深度学习，普通机器学习中97%使用传统CPU架构，1%使用CPU+GPU架构；深度学习中91%使用传统CPU架构，7%采用CPU+GPU架构。未来随着人工智能对计算性能和低能耗要求越来越高，以及GPU、FPGA、ASIC专用芯片等产品不断成熟，CPU在人工智能专用计算领域占比预计将越来越低，但其作为计算系统控制核心将更多的与其他专用计算芯片搭配使用。主流的CPU厂商有Intel、AMD公司。人工智能与芯片（二）GPU01定义GPU又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和手机平板电脑等移动设备上进行图像运算工作的微处理器。0203功能

随着通用计算技术发展，GPU的功能已经不再局限于图形处理了，在浮点运算、并行计算等高性能计算方面开始有广泛的应用。分类GPU在分类上主要分为集成显卡和独立显卡。人工智能与芯片（二）GPUGPU的特点共享内存结构可提高线程间通信速度主流的GPU厂商：NVIDIA，AMD公司，景嘉微；移动端GPU厂商：ARM、Imagination计算能力远超CPU高速全局内存可进一步提升运算速度拥有完备的人工智能计算软件生态并行数据处理流程大幅提高运算能力人工智能与芯片（三）FPGAFPGA，可编程逻辑门阵列。FPGA采用了逻辑单元阵列LCA（LogicCellArray）这样一个概念，内部包括可配置逻辑模块CLB（ConfigurableLogicBlock）、输出输入模块IOB（InputOutputBlock）和内部连线（Interconnect）三个部分。人工智能与芯片（三）FPGA可编程高性能低功耗GPU、CPU等常用计算芯片由于架构固定，硬件原生支持的指令也是固定的。FPGA是可编程的，可以灵活地针对算法修改电路，提前把固定算法的数据流以及执行指令写在硬件里，节约了指令获取和解码时间从而大幅提高运算效率。FPGA供应商：Xilinx（赛灵思）、Altera、Microsemi、Lattice、深鉴科技等公司。人工智能与芯片（四）ASICASIC，专用集成电路，是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路功能优越性体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本低。ASIC用于专门的任务，比如去除噪声的电路，播放视频的电路。人工智能与芯片（四）ASIC-神经网络处理器神经网络处理器是ASIC专用电路在人工智能领域的应用形态。神经网络处理器从硬件方向对神经网络结构进行模拟，把处理器内部功能部件当作神经元，把内存作为突触，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。人工智能与芯片（四）ASIC-神经网络处理器神经网络处理器被认为全面优于传统芯片是人工智能计算终极解决方案，华为、苹果最新产品推出标志其进入实用化阶段。谷歌公司、IBM、中国的北京寒武纪科技有限公司、北京比特大陆科技有限公司、北京地平线信息技术有限公司等公司也都推出了用于深度神经网络加速的ASIC芯片。人工智能与芯片（五）类脑仿生芯片类脑仿生芯片1类脑仿生芯片的主流理念是采用神经拟态工程设计的神经拟态芯片。2神经拟态芯片采用电子技术模拟已经被证明的生物脑的运作规则，从而构建类似于生物脑的电子芯片，即“仿生电子脑”。3类脑放生芯片目前仍然是其技术成熟度的早期阶段，但是它代表了AI芯片的一个很有前景的长期方向。国内外AI芯片战略四国内外AI芯片战略Intel（一）苹果（三）AMD（二）国内（四）国内外AI芯片战略（一）Intel基于Nervana平台的人工智能系列专用方案2016年8月开始投入3.5亿美元研发服务于DNN的Nervana软硬件一体化平台。在该平台上制定了一系列的人工智能计算方案，用于不同级别的数据中心应用。这其中包括普通机器学习、高性能需求机器学习、灵活可编程低功耗方案以及高级别深度学习领域。国内外AI芯片战略（一）Intel基于Nervana平台的人工智能系列专用方案01普通的机器学习方案CPU方案（XEON），用于服务器和数据中心的旗舰CPU至强（XEON），采用SKYLAKE架构02更高性能需求的机器学习CPU+GPU方案（XEONPHI）03可编程低功耗方案CPU+FPGA（XEON+ARRIA10）04最高级别深度学习CPU+ASIC（XEON+LAKECREST）国内外AI芯片战略（二）AMD的人工智能解决方案2017年，AMD开始和竞争对手Intel展开合作，在Intel的CPU上集成AMD的RadeonGPU。KabyLake-GCPU部分通过PCI-Ex8通道连接独立的GPU芯片，并且还带有HBM2高带宽显存。GPU部分是个单独的芯片，通过MCM方式与KabyLake处理器整合封装在一起，Intel标注它是个“2-chip”样式的产品。国内外AI芯片战略（二）AMD的人工智能解决方案2017年8月，基于代号Vega织女星的新一代RADEONRXVEGA64GPU正式发布，在各项测试和应用中性能超过英伟达Pascal系列，在DeepBench中的跑分是英伟达TeslaP100显卡的1.38-1.51倍，Vega凭借强劲的性能，有望和NVIDIAPascalGP10x甚至是下一代的Volta正面对决。2017年1月，AMD公布了最新的VegaGPU架构架构织女星国内外AI芯片战略（二）AMD的人工智能解决方案AMD还推出了CPU+GPU的异构计算方案APU。

APU就是一种智能计算架构，通过无缝地分配相应的任务至适合的处理单元，使CPU、GPU和其他处理器和谐工作在单一芯片上。AMD下一代APU代号RavenRidge，官方称CPU性能提升50%，GPU性能提升40%，功耗降低50%，综合性能以及能效会比之前的APU会提升一个等级，在AI时代AMD异构计算APU架构将会占据市场重要位置。国内外AI芯片战略（三）苹果A11处理器2017年9月12日，苹果在秋季发布会上正式推出最新移动芯片A11Bionic。A11芯片拥有六个核心和43亿个晶体管，与A10Fusion芯片相比，两个性能核心的速度提升最高可达25%，四个能效核心的速度提升最高可达70%。当需要提升处理速度时，第二代性能控制器能同时发挥全部六个核心的性能最高提升70%。国内外AI芯片战略（三）苹果A11处理器除了强大的CPU和GPU，A11另一大亮点是其搭载的“A11生物神经网络引擎”（A11bionicneuralengine）芯片，该芯片采用双核设计，每秒运算次数最高可达6000亿次。该芯片主要用于机器学习任务，赋能的最重要工作是FaceID身份认证功能，可以快速识别人脸从而解锁iPhoneX或进行购物。A11内置了苹果自研的最新GPU，图形处理速度较A10提升了30%，功耗降低了一半。国内外AI芯片战略（四）中国AI芯片发展现状海外国家对芯片技术管控严格美欧等发达国家出于安全和技术保护对我国高端芯片进口以及技术获取设置了各种障碍，并多次阻止中国企业和基金收购海外芯片业务，中国人工智能国产芯片相对薄弱人工智能三大要素中唯独在计算能力的基石——智能计算芯片领域，我国还严重依赖海外产品：目前国内CPU、GPU民用市场几部被Intel、AMD和NVIDIA三家巨头全部占据。国内外AI芯片战略（四）中国AI芯片发展现状寒武纪新兴的人工智能ASIC专用芯片领域国内技术处于比较领先的地位。全球第一个成功流片并拥有成熟产品的智能芯片公司，主要产品是各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。国内外AI芯片战略（四）中国AI芯片发展现状寒武纪世界首款商用深度学习处理器CAMBRICON-1A系列IP产品可授权集成到手机、安防、可穿戴设备、无人机、智能驾驶、智能机器人等终端芯片中，华为发布全球首款手机AI芯片麒麟970，搭载的NPU据称正是寒武纪科技的CAMBRICON-1A处理器。终端作为PCIE加速卡插在云服务器上，主要面向中科曙光、浪潮信息等服务器厂商智能云服务器芯片国内外AI芯片战略（四）中国AI芯片发展现状华为2017201820192017年9月2日，华为在德国IFA发布全球首款麒麟970移动计算平台，抢先一步占领AI芯片制高点。2019年5月17日，由于华为被美国商务部列入管制“实体名单”，将无法向美国企业购买元器件，华为宣布全面使用自主研发的芯片，进行科技自立。2018年8月31日，华为于德国柏林IFA2108发布新一代麒麟芯片——麒麟980，这是全球首款商用7nmSoC，代表着麒麟芯片的最高水平。国内外AI芯片战略（四）中国AI芯片发展现状百度2017年3月30日，百度发布DuerOS智慧芯片。这款芯片搭载了DuerOS对话式人工智能操作系统，可以赋予轻量级设备可对话的能力百度智慧芯片已将DuerOS与紫光展锐RDA5981进行了集成，使其具有低功耗、低成本的特点，习题专用神经网络处理器芯片属于以下哪种类型的芯片（）A.CPUB.FPGAC.GPUD.ASIC单选题正确答案：D《人工智能概论》第五章人工智能让生活更便捷主讲教师：XXX目录01智能购物03智能出行05智能语音助手02智能阅读04智能健康管理06智能翻译01智能购物情景导入你身边哪些设备上存在有芯片？讨论：对未来购物有哪些憧憬？智能购物智能购物指的是一切可以让购物行为变得更便捷、更智能的人工智能技术展现形式。大型购物超市室内定位导航。嵌入式系统为顾客提供个性化商品推荐RFID技术，轻松查询商品和结算缴费智能购物（一）现状人工智能融入购物的背景下，消费者可以同时体验到现场挑选的乐趣和网上购物的便捷，零售商店乃至整个供应链也可以实现多种商品及客户管理需求。改变了商品的分销结构和供应链智能分析消费者行为数据，智能推送无人超市消费端的智能体验暂时没有普及智能购物查一查，想一想：RFID技术在哪些领域得到了应用，其主要优点和缺点分别是什么？（二）智能购物的技术原理—RFID不同的智能购物展现形式背后所应用的技术各有不同，以智能购物车自动结算为例，了解一下RFID的工作原理。RFID（射频识别）是一种无线通信技术，可以通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或者光学接触。非接触识别，阅读速度极快定义优点智能购物（二）智能购物的技术原理—RFID智能购物（三）应用案例——智能购物车智能购物车以芯片为核心控制系统，由阅读器、重量传感器模块、无线通信模块和语音模块等构成，完成定位导航、商品查询、即时支付、个性化推荐等功能，嵌入式系统的液晶触摸屏则提供人机交互服务讨论分别从商家和消费者的角度，谈一谈智能购物车的优势？智能购物（三）应用案例——魔镜“魔镜”是一台“58英寸的等离子显示器”，借助3D技术来判断顾客的身材和离摄像机的远近，为镜前的顾客在镜中“穿”上他想试穿的衣服。技术运动感应器和增强现实技术智能购物京东无人仓采用大量智能物流机器人进行协同与配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主的判断和行为，完成各种复杂的任务，在商品分拣、运输、出库等环节实现自动化。作业无人化运营数字化决策智能化（三）应用案例——京东无人仓习题实现顾客在查询商品和结算缴费时，无需逐个扫描，实现自动结算的技术基础是：（）A.NFC技术B.RFID技术C.移动支付技术D.NLP技术单选题正确答案：B02智能阅读智能阅读（一）现状用户在信息时代面临着大量的信息和数据，信息过载问题逐渐困扰着我们，在面对海量信息时常常无法从中获得对自己真正有用信息，信息的有效性反而降低了。信息过滤系统，预测用户行为基于用户画像对用户做出的一系列反馈背景智能阅读（二）智能阅读的技术原理——智能推荐基于内容的推荐算法1原理是在用户喜欢和自己关注过的项目的基础上推荐内容类似的项目。2协同过滤算法原理是用户喜欢那些具有相似兴趣的用户喜欢过的商品3基于知识的推荐算法比较典型的是构建领域本体，或者是建立一定的规则进行推荐4混合推荐算法则会融合以上方法，以加权或者串联、并联等方式融合查一查，想一想：与人工推荐相比，智能推荐有哪些优势？智能阅读（三）应用案例——今日头条智能推荐今日头条的个性化推荐引擎，能够根据用户的兴趣、位置等多个维度进行个性化推荐，推荐内容包括新闻、音乐、电影、游戏、购物，等等。原理今日头条的个性化推荐算法是基于投票的方法，其核心理念就是投票。个性化推荐并不是机器给用户推荐，而是用户之间在互相推荐智能阅读（三）应用案例——网易音乐歌单智能推荐基于用户基于用户就是如果用户间收藏的歌单相似度很高，那么在判断用户口味相似的基础上，可以给对方推荐己方歌单里他没收藏过的单曲。基于歌曲基于歌曲就是将用户对一首歌的偏好作为向量计算单曲之间的相似度，比对相似度后，根据这个用户历史偏好为另一位用户推荐单曲。协同过滤算法智能阅读（三）应用案例——搜狗AI主播2019年现身于央视的AI主播名叫“姚小松”，是由搜狗AI成功与央视合作开发的。这位AI主播的形象和声音以央视主持人姚雪松为原型，与真人并无二异。在我们大众看来，他不仅能像真人一样播报新闻，甚至毛发牙齿都清晰可见。习题帮助用户在大量繁杂的信息中获取真实有用信息的人工智能应用是（）。A.智能购物B.智能阅读C.智能翻译D.智能语音助手单选题正确答案：B03智能出行智能出行（一）现状设备数量增加后，设备故障问题尤其突出智能交通系统规模扩大后，系统可靠性与稳定性也需要保证数据质量不高限制了智能交通业务高水平的扩展应用信息安全隐患智能出行（二）智能出行的技术原理从产业变革的角度出发，如科技谷推出的智能出行大脑，依托于丰富的民航和铁路大数据领域知识，运用人工智能技术，实现旅客和航线知识的学习、推理、迁移和管理的大型行业应用。智能出行（二）智能出行的技术原理从交通工具的角度出发，无论是飞机的自动驾驶，还是汽车的自动驾驶，都具备一个基本的技术概念模型，包括了感知单元、决策单元、控制单元。智能出行（三）应用案例——谷歌无人驾驶汽车2014年，一辆崭新的、长着可爱的卡通版身躯的谷歌无人驾驶汽车在著名的谷歌X实验室问世。这辆汽车除了萌萌的造型之外，最大的与众不同之处在于，这是一辆完全不需要人工干预的自动驾驶汽车，它没有方向盘，没有油门，没有刹车踏板，乘客只要上车，说出自己要抵达的目的地，就可以享受世界上第一辆完全意义上的“无人驾驶”汽车的周到服务。智能出行（三）应用案例——ADAS高级驾驶辅助系统ADAS（AdvancedDrivingAssistantSystem）高级驾驶辅助系统是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。智能出行（三）应用案例——ADAS高级驾驶辅助系统ADAS高级驾驶辅助系统实用功能非常多，而且根据车主不同需求选择实用功能，以欧果G2智能HUD行车安全助手为例，ADAS系统主要包含三大实用功能：车道偏移预警前距防撞预警前车启动提醒智能出行（三）应用案例——L5等级自动驾驶04智能健康管理智能健康管理（一）现状2017年人工智能在智能导诊、语音电子病历、影像辅助诊断等环节所表现出的能力，可以将医生从繁重的重复性劳动中挣脱出来，为解决医疗资源不平衡提供了新思路人工智能必须有大数据的支撑，尤其健康医疗领域，缺少高质量数据支撑是无法得出可靠结论的与其他人工智能应用相比，健康医疗人工智能还会涉及到道理伦理和法理的挑战智能健康管理（二）智能健康管理的技术原理智能健康管理的技术原理以可穿戴传感器为例。可穿戴传感器通过集成到智能手环和贴片的方式可以产生与人体健康相关的生物分子数据，当大量的数据被收集之后，人工智能就可应用在数据分析上，用来揭示其与健康状况之间存在的联系，为个人化即时诊断和疾病预防提供了巨大潜力。人们用可穿戴式智能设备，可以随时随地做汗液检测，得到如血液检测一般丰富有用的健康数据，7×24小时监测你的健康状况。智能健康管理（三）应用案例——汗液传感器KenzenPatch是Kenzen推出的新一代汗液传感器，它贴在人体皮肤上，外型小巧、可以弯曲。它结合了传感器和人工智能预测模型，来监测人体的指标，包括心率、出汗率、体温和活动状况。Kenzen的传感器会把数据实时传输到手机上，我们可以通过App实时看到自己的身体状况、健康建议和健康预警；相应的医护人员也可以看到我们的健康状况。智能健康管理（三）应用案例——虚拟分身人工智能分析患者数据患者的虚拟分身类似于一个搜集所有患者数据并随时进行分析跟进的人工智能系统。随着人工智能算力的提高，可以产生的数据量也会增加，从而提高数据的价值，可以对个人和社会的健康状况提供更好的诊断，由虚拟分身实时分析数据与医生分析有限的数据相比，能获得更高的价值和更准确的结果。7X24模式提供医疗照顾虚拟分身还可以基于现有数据的分析确定是否需要额外的数据以及需要什么类型的数据，如果患者的健康趋势是负面的，那么医生或专家可以访问患者的虚拟分身来确定需要采取什么措施，在人工智能的帮助下，虚拟分身自己也可以执行类似的诊断任务。虚拟分身的效率在于分析数据，提供的反馈可以比医生提供的数据更有效。通过虚拟分身，一个人可以每周7天、每天24小时都得到医疗照顾。智能健康管理（三）应用案例——精神状况监测利用基于人工智能的三维图像识别，可以观察到人的身体行为，随着图像传感器和其他传感器的能力进一步增强，还可以监测人的内部生命体征，这里也包括了人的精神状况。精神状况监测化学不平衡优化方案数据识别人工智能05智能语音助手智能语音助手（一）现状智能语音系统经过60多年的发展，已经达到了能够让人与电子设备顺畅对话的水平，落实了商业化用途，已经被广泛应用于我们的生活中。目前在智能家居、智能车载、儿童终端、服务等领域均有了迅猛发展。作为最早落地的人工智能技术，无论是产业模式、创新能