走进人工智能-AI发展史及人工智能的应用

STEPINTOARTIFICIALINTELLIGENCE走进人工智能OfficePLUS学习目标人工智能+未来01人工智能发展历程02人工智能相关应用03机器学习相关方法04课程目标01系统了解人工智能发展简史，掌握人工智能的基本思想和理念。人工智能的发展简史02系统了解人工智能在各行业具体应用的场景和功能，掌握人工智能基本概念和基础知识。人工智能的应用1人工智能+未来SMART+FUTUREChapter01思考：人工智能在未来的运用有哪些？“智能”+未来02人工智能如何思考？人工智能与数学家、物理学家、科学家或者跟我们想的是一样的吗？03什么是计算过程？知识的表达与推理→智慧→是一种计算过程？帮你算数学？洗衣服？跟你聊天？01人工智能可以做什么？智能未来家庭城市汽车2人工智能发展历程HISTORYOFDEVELOPMENTChapter02什么是人工智能？通俗说法人工的方法在机器（计算机）上实现计算机科学、脑科学、认知科学、心理学、语言学、逻辑学、哲学。基本定义人工智能它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。(Artificialintelligence)人工智能的第一次浪潮（1956-1974）1963年美国高等研究计划局，投入两百万美元给麻省理工学院，培养了早期的计算机科学和人工智能人才。1964-1966约瑟夫·维森鲍姆教授（JosephWeizenbaum）建立了世界上第一个自然语言对话程序ELIZA，可以通过简单的模式匹配和对话规则与人聊天。70年代中期70年代中期，人工智能还是难以满足社会对这个领域不切实际的期待，因此进入了第一个冬天。人工智能的第二次浪潮（1980-1987）80年代，由于专家系统和人工神经网络的新进展，人工智能浪潮再度兴起。卡耐基梅隆大学为迪吉多公司开发了一套名为XCON的专家系统，这套系统当时每年可为迪吉多公司节省4000万美元。XCON的巨大价值激发了工业界对人工智能尤其专家系统的热情。1980年1982年

约翰·霍普菲尔德提出了一种新型的网络形式，即霍普菲尔德神经网络，其中引入了存储ASSOCIATIVEMEMORY的机制。1986年《通过误差反向传播学习表示》论文的发表，使反向传播算法被广泛用于人工神经网络的训练。人工智能的第三次浪潮（2011-现在）21世纪大数据时代电脑芯片的计算能力高速增长新的数学模型和算法被应用学者引入不同学科的数学工具20XX年人工智能调整世冠军谷歌通过深度学习训练的阿尔法AlphaGo程序，战胜围棋世界冠军李世石。2012年ImageNet挑战赛多伦多大学开发的多层神经网络AlexNet取得了冠军，且大幅超越传统算法的亚军多层神经网络为基础的深度学习被推广人工智能的发展历程Ai的诞生人工智能第一次浪潮聚焦人工智能的理论研究1956年–1974年人工智能第二次浪潮智能工业化趋势浮现1980年–1987年人工智能第三次浪潮弱人工智能的初步应用强人工智能的探索2011年-现在预计~2040年，强人工智能以及超人工智能出现2040年人工智能的三个阶段ASIAGIANI在所有领域都比最聪明的人类大脑更厉害的人工智能ASI超人工智能在各方面都人类比肩的人工智能AGI强人工智能擅长于单个方面的人工智能ANI弱人工智能人工智能的核心能力根据输入的照片，判断照片的人是谁。人脸识别根据人说话的音频信号，判断说话内容。语音识别根据输入的医疗影像，判断疾病的成因和性质。医疗诊断根据用户的购买记录，预测他对什么商品感兴趣，而作出相应推荐。电子商务根据一支股票过去的价格和交易信息，判断它未来的价格走势。金融应用3人工智能的应用RELATEDAPPLICATIONSChapter03智能医疗为解决看病难”的问题提供了新的思路。建出人体器官的三维模型新技术能通过多张医疗影像建出人体器官的三维模型，确保医生手术更加精准。医学影像自动分析为医生诊断提供参考信息，有效的减少误诊和漏诊。智能客服随着互联网和电子商务的发展，和商家的交流变得越来越多元，为了因应这种挑战，很多企业开始引入人工智能技术打造智能客服系统。智能客服可以像人一样和客户交流沟通，进行准确得体且个性化的回应，提升客户的体验。对企业来说，这样的系统不仅能够提高回应客户的效率，还能自动的对客户的需求和问题进行统计和分析，为之后的决策提供数据。自动驾驶自动驾驶汽车通过多种传感器，包括视频摄像头、激光雷达、卫星定位系统等，对驾驶环境进行实时感知。智能驾驶系统可以对多种感知信号进行综合分析，实时规划驾驶路线，控制车子的运行。智能工业制造工业制造系统必须变得更加“聪明”，而人工智能则是提升工业制造系统的最强动力。人工智能的视觉工具例如：品质监控是生产过程中最重要的环节，传统生产线上都安排大量的检测工人用肉眼进行质量检测。这种方式不仅容易漏检和误判，更会给工人造成疲劳伤害。因此很多任务业产品公司开发使用人工智能的视觉工具，帮助工厂自动检测出形态各异的缺陷。人工智能与未来01计算机技术的加速计算机技术的加速发展推动了机器人、感知以及机器学习领域的进步，让新一代系统可以匹敌甚至超越人类的能力。02智能解放你的双手人工智能领域的研究在两个方向上有所突破。第一从经验中学习；第二传感器和执行器结合。03未来的工作没有雇佣失业将会成为一个严重的问题，但是令人惊奇的是，失业的主要原因并不是缺工作机会。未来矛盾来自资产与人马克思是对的：资本和劳动力之间的矛盾不可避免，而最终失败的则是工人。但是他无法预见的是，合成智能也能用资本来取代人的头脑。04人工智能的五大优势迅速分析在极短的时间读取、整理和分析全世界范围内的所有公开数据、图像乃至非结构化信息，藉此作出决定。优势深度学习智能金融在未来的利器，在线下快速、海量地通过学习历史和交易记录来提升未来决策水平的能力远远高过人类。绝对理性没有感情、没有思维定式，可以克服人类的弱点和盲点。个性化人工智能可以提供定制的解决方案，在投资顾问、组合配置等方面可以由模块式服务转向个性化服务。乘数效应可以通过大量机器联网，制造乘数效应，不必坠入因人员聚集而经常产生的利益错配、办公室政治等陷阱。你需要什么样的能力01非公开信息人工智能的强项是对公开资讯的提取、分析以及作出相应决策。如果资讯来自尚未公开的渠道，人就有击败人工智能的机会。02对人性的分析机器始终是机器，能力再强也还是机器，在人与人的感情处理上暂时未见优势。03对机器的了解无论你是什么专业，无论你将来打算从事什么行业，对于计算机语言都应该有或多或少的了解。AI+还是+AI？AI+行业：从0到1，全新的产业链在AI技术成熟之前，这个行业、产品从未存在过。比如自动驾驶，亚马逊的Echo智能音箱、苹果的Siri语音助手。涟漪效应：根据用户行为持续迭代当一个Al应用找到第一批用户时，用户的使用行为被后台记录下来；开发者对其行为和记录进行迭代的改进，当该应用投向第二批用户，其行为已经比第一代提升。行业+AI：从1到N，行业效率提高1）行业本身一直存在，产业链条成熟；加入Al后，行业效率明显提高。比如安防、医疗等领域。2）行业数据控制比AI技术更重要，例如医疗+Al，最重要的是大量准确的被医生标注过的数据。4机器学习的方法MACHINELEARNINGChapter04人工智能如何自动做出判断或预测专家系统基于人工定义的规则来回答特定问题（局限性）机器学习通过学习（learning）来获得预测或判断的能力从已知数据去学习规律或判断规则，再将学到的规则应用到新数据并作出判断或预测。从数据中学要求为每个样本提供预测量的真实值方式一：监督学习不要求为每个样本提供预测量的真实值方式二：无监督学习介于监督学习与无监督学习之间方式三：半监督学习从行动中学习强化学习在机器学习的实际应用中，会遇到另一种问题：利用学习得到的模型来指导行动。比如下棋，此时关注的不是某个判断是否准确，而是行动过程中能否带来最大效益，又称为强化学习。模型结构图强化学习模型结构可动态变化的状态（state）可选取的动作（action）可与决策主体进行交互的环境（environment）回报（reward）规则人工智能设计建造智能体人工智能人类智能机器听觉听觉中枢机器视觉视觉中枢运