人工智能课件

应用场景包括机器人，智能医疗、自动驾驶、智能家居等细分行业，基于人工智能技术及成果，各应用场景的人工智能相关度存在一定差异核心技术主要有机器学习、计算机视觉、语音及自然语言处理三大部分，主要进行人工智能的关键技术研究基础支撑主要由数据提供和计算能力支撑两部分组成，为人工智能的技术和产业发展提供支撑，是人工智能产业的基础设施应用层技术层基础层我们的布局金融保险AI系统公安AI系统供销AI系统机器学习大数据管理平台AI整体产业布局和云升科技的AI着力点应用场景包括机器人，智能医疗、自核心技术主要有机器学习、计1数据data算力computingpower算法algorithmAI数据data算力2基础支撑提供数据或计算能支撑传感器芯片包括GPU、FPGA等加速硬件与神经网络芯片，为深度学习提供计算硬件，是重点底层硬件；大数据来源于各个行业的海量数据为人工智能提供丰富的数据资源；大数据管理和大数据分析软件或工具为人工智能产业提供数据的收集、整合、存储、处理、分析、挖掘等数据服务；云计算主要对环境、动作、图像等内容进行智能感知，这也包括指纹、人脸、虹膜、静脉等人体生物特征识别硬件及软件服务，是人工智能的重要数据输入和人机交互硬件；主要为人工智能开发提供云端计算资源和服务，以分布式网络为基础，提高计算效率；要基础支撑传感器芯片包括GPU、FPGA等加速硬件与神经网络芯3

关键技术

进行关键技

术的研究

机器学习计算机视觉主要以深度学习、增强学习等算法研究为主，赋予机器自主学习并提高性能的能力；包括静动态图像识别与处理等，对目标进行识别、测量及计算；语音及自然语言处理包括语音识别和自然语言处理，研究语言的收集、识别理解、处理等内容，涉及计算机、语言学、逻辑学等学科；

关键技术

进行关键技

术的研究

机器学4机器学习人脑思考历史数据经验模型新的数据未知属性训练预测输入新的问题输入归纳预测未来规律机器学习人脑思考历史数据经验模型新的未知训练预测输入新的输入5信息采集（大数据）目标检测特征定位及提取（模型训练）人脸识别图像识别（识别反馈）计算机识别的图像一类为静态内容，以图片为主；另一类为动态内容，包括视频和实景，其中实景需要利用传感器技术进行采集编码经过大量的训练之后，最终计算机给予相应的识别反馈信息，主要有人脸、物体、手势等。目前计算机识别主要停留在感知的表层，未来识别的广度与深度还需要进一步的挖掘将采集到的信息进行检测、关键点定位及特征提取、给定相应的数据和标签提交到学习平台进行训练，提高识别精度图像识别技术信息采集目标检测人脸识别计算机识别的图像一类为静态经过大量的6

应用场景

落地细分行

业场景应用

工业机器人服务机器人智能医疗智能金融个人助手智能安防智能家居可穿戴设备智能客服自动驾驶无人超市其它…

应用场景

落地细分行

业场景应用

7数据收集行为建模用户分析风险定价网络行为数据、第三方数据、授权数据、交易数据、用户身份数据等文本挖掘、机器学习、自然语言处理、预测算法、知识图谱等用户属性信息、用户消费习惯、兴趣偏好等行为监控模型、反欺诈模型、违约模型、催收模型等智能风控流程分析数据收集行为建模用户分析风险定价网络行为数文本挖掘、机用户属8用户获取提升保持流失衰退人工智能精准识别潜在用户策略优化，提升客户贡献智能客服，优化用户体验智能预警，延长客户存续周期个性推荐，增大留存几率全生命周期客户服务用户获取提升保持流失衰退人工精准识策略优化，智能客服，智能预9智能音箱智能机器人智能电视以智能音箱、机器人和智能电视为潜在的交互中心

以智能音箱为核心通过硬件互通互联打造家庭娱乐中心、智能家居控制中心电视盒子游戏设备健身设备儿童教育设备智能音箱智能小白智能小家电安防设备其他娱乐中心控制中心硬件产品矩阵占据入口平台矩阵对接软件矩阵对接内容端对接应用端对接云计算平台大数据平台社交、金融开发者开放平台操作系统支付系统电视端APP健康视频、音乐体育教育游戏购物社交增值点以家庭网络为纽带互联互通智能家居生态布局分析123以硬件为入口向内容端、应用端增值智能音箱以智能音箱、机器人和智以智能音箱为核10获取病症信息做出假设制定治疗方案﹒患者的临床表现，通过患者自述、医生检查、专门化验等方式获取﹒将病症信息输入智能诊疗系统﹒病症信息可以通过推理规则链和假设联系起来“人工智能+辅助医疗”模式分析﹒根据病症信息做出可能结论。可能的结论应该表示出疾病原因、发展过程﹒假设分级，高级假设是低级假设的结果﹒从诊断中推理出诊疗方案，并充分权衡利弊及疾病转移的可能性，制定治疗计划获取病症信息做出假设制定治疗方案﹒患者的临床表现，通“人工智11数据上云数据资源化业务创新数据生态业务数据化数据业务化数据集中存储大规模计算能力统一元数据数据整合数据地图数据管控数据服务数据化运营精准营销互联网金融智能物流业务闭环生态伙伴运营数据分享数据上云数据资源化业务创新数据生态业务数据化数据业务化数据集12数据采集计算引擎数据加工数据应用机器学习数据可视化PCAPPWI-FI基站工业传感器大规模计算手环手表清洗实时计算流式计算脱敏关联转换精准营销风控医疗政务预测决策树聚类神经网络支持向量机目录报表地图打通数据采集、加工、分析全链条数据采集计算引擎数据加工数据应用机器学习数据可视化PCAPP13数据产品服务个人企业政府存储分析准备计算制造业农业政务交通教育物流互联金融任何企业都可成为数据公司开源厂商和传统闭源厂商大众创业万众创新数据流通平台提供机构数据源&APIs提供者数据共享平台、数据开放平台、数据交易平台政府数据、企业数据、个人数据、APIs技术服务运维支持应用软件基础软件硬件分析软件、安全软件等结构化数据库、非结构化数据库等服务器、存储、网络设备、微模块等应用服务数据分析服务基础设施服务政务应用、行业应用、民生应用、企业应用数据处理服务、数据分析

服务数据中心服务数据产品服务个人企业政府存储分析准计制造业农业政务交通教育物14手机、微信、QQ等通信账号出行亲属关系车牌、品牌、型号、颜色等车辆信息人脸证件前科、惯犯等标签拉杆箱、手提包等物品同行人物品衣着求职以人为本，做好人的管理；找人，管人；事前预警、事中打击、事后追溯手机、微信、QQ等通信账号出行亲属关系车牌、品牌、型号、颜色15标准与规范数据安全数据应用数据分析与挖掘数据采集数据运维数据存储与管理标准与规范数据安16决策性分析Prescriptive预测性分析Predictive描述性分析Descriptive呈现性分析Reporting单一内部数据多源内部数据多源内外数据数据支撑

决策数据融入生产系统数据驱动的企业技术强度数据广度应用深度决策性分析预测性分析描述性分析呈现性分析单一内多源内多源内数17机器学习自然语言处理语言知识表示自动推理规划能力强化学习监督学习深度学习非监督学习文本生成问答文本分类机器翻译语音转换文本文本转换语音图像图像识别计算机视觉学习能力语言能力感知能力记忆能力推理能力规划能力人工智能人类智能机器学习自然语言处理语言知识表示自动推理规划能力强化学习监督18GPS红外探头毫米波雷达超声波雷达激光雷达单目摄像头双目摄像头环视摄像头道路标识行人车辆道路算法/集成（行驶路线决策规划）自动驾驶运营（出行/物流）汽车通讯车联网高精度地图芯片（计算平台）汽车制造厂商（代工）制动转向加速中控系统导航HMI（人机界面）HUD（显示抬头）感知识别决策执行自动驾驶各层级及其相互关系GPS红外探头毫米波雷达超声波雷达激光雷达单目摄像头双目摄像19第三方数据库数据整合知识表示属性校正知识推理实体对齐本体构建质量评估知识更新知识图谱应用服务结构化数据半结构化数据非结构化数据实体抽取关系抽取属性抽取知识提取第三方数据库数据整合知识表示属性校正知识推理实体对齐本体构建20计算机视觉个人助理无人驾驶智能金融智能家居智能医疗智能安防机器人应用层技术层基础设施层自然语言处理语言识别深度学习大数据芯片云计算传感器计算机视觉个人助理无人驾驶智能金融智能家居智能医疗智能安防机21特征值标签

模型预测计算误差更改模型参数值特征值标签预测计算误差更改模型参数值22误差a1值误差a1值23a1值误差起点下一点负

梯度a1值误差起点下一点24起点误差小的步长影响速度a1值起点误差25误差起点

大的步长错过最小值a1值误差起点26儿童大人大片（卖座片）艺术片（非卖座片）儿童大人大片（卖座片）艺术片（非卖座片）27语音/语言学知识数据挖掘技术信号处理技术统计建模方法训练语音/语言数据库语音信号端点检测降噪特征提取解码识别结果语音/语言模型运用语音识别技术的流程如下：前端后台语音/语言学知识数据挖掘技术信号处理技术统计建模方法训练语音28几种常用的深度神经网络声学模型名称DNN（深度神经网络）LSTM（长短时记忆网络）BLSTM（双向长短时记忆）特点包含至少3层以上的隐层，通过增加隐层数量来进行多层的非线性变换，大大的提升了模型的建模能力。一种特殊的循环神经网络（RNN）。通过输入门、输出门和遗忘门可以更好的控制信息的流动和传递，具有长短时记忆能力，并在一定程度上缓解RNN的梯度消散和梯度爆炸问题。相比LSTM还考虑了反向时序信息的影响，也即“未来”对“现在”的影响，这在语音识别中也是非常重要的。几种常用的深度神经网络声学模型名称DNN（深度神经网络）LS29几种常用的深度神经网络NLP模型Word2vecWord2vec可以在百万数量级的词典和上亿的数裾集上进行高效地训练；该工具得到的训练结果一一词向量（wordembedding），可以很好地度量词与词之间的相似性。NLP领域还有很多其它种类的深度学习模，有时候递归神经网络和卷积神经网络也会用在NLP任务中，但没有RNN这