《人工智能基础》课件-AI的前世今生：她从哪里来

AI的前世今生：她从哪里来——

4.1追本溯源：什么是AI人工智能2人工智能（ArtificialIntelligence），英文缩写为AI，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。人工智能3人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。——《人工智能标准化白皮书2018》人工智能4人工智能的概念很宽，种类也很多。通常，按照水平高低，人工智能可以分成三大类：弱人工智能强人工智能超人工智能4.1.1弱人工智能（WeakAI）5弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看像是智能的，但是并不真正拥有智能，也不会有自主意识。迄今为止的人工智能系统都还是实现特定功能的专用智能，目前还是弱人工智能。4.1.1弱人工智能（WeakAI）6谷歌的AlphaGo和AlphaGoZero就是典型“弱人工智能”思考与讨论7你还知道哪些弱人工智能的例子？4.1.2强人工智能（StrongAI）8强人工智能是指真正能思维的智能机器，并且认为这样的机器是有知觉的和自我意识的，这类机器可分为类人与非类人两大类。9“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”4.1.2强人工智能（StrongAI）强人工智能理论10强人工智能的争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。11在超人工智能阶段，人工智能已经跨过“奇点”，其计算和思维能力已经远超人脑。此时的人工智能已经不是人类可以理解和想象。人工智能将打破人脑受到的维度限制，其所观察和思考的内容，人脑已经无法理解，人工智能将形成一个新的社会。4.1.3超人工智能（SuperAI）思考与讨论12说一说你所期待的超人工智能时代？拓展视野13人工智能的研究目标：1．对智能行为有效解释的理论分析。2．解释人类智能。3．构造智能的人工制品。

AI的前世今生：她从哪里来——

4.2一波三折：AI发展三次浪潮15人工智能的起源161950年，马文·明斯基与同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机，被看做是人工智能的一个起点。1956年夏天，美国达特茅斯学院举行了历史上第一次人工智能研讨会，被认为是人工智能诞生的标志。4.2.1理论的革新——人工智能的第一次高潮期17在研究人工智能的初期,受到显著成果和乐观精神驱使的很多美国大学，如：麻省理工大学、卡内基梅隆大学、斯坦福大学和爱丁堡大学，都很快建立了人工智能项目及实验室,同时他们获得来自APRA（美国国防高级研究计划署）等政府机构提供的大批研发资金。4.2.1理论的革新——人工智能的第一次高潮期181959年，德沃尔与美国发明家约瑟夫·英格伯格联手制造出第一台工业机器人，成立了世界上第一家机器人制造工厂——Unimation公司。第一代机器人更像“机器”，通过计算机控制一个自由度很高的机械，反复重复人类教授的动作，并对外界环境没有任何感知。4.2.1理论的革新——人工智能的第一次高潮期191965年，约翰·霍普金斯大学应用物理实验室研制出Beast机器人。Beast能通过声纳系统、光电管等装置，根据环境校正自己的位置。随后开始兴起研究“有感觉”的机器人，这意味着人工智能的研发又向前迈进了一步。人工智能第一次低谷期20计算机性能不足问题的复杂性数据严重缺失人工智能面临的技术瓶颈拓展视野21图灵与图灵测试：有一台机器和一个人，都被放置在黑屋子里，测试员不知道哪个屋子是机器哪个屋子是人。然后由测试员就开始问问题，一直问到他能判断哪个屋子里是机器，哪个屋子里是人，那这个测试就完成了。当测试员把所有能够想出来的问题都问完了，他还判断不出来哪个是机器哪个是人，这个机器就具有智能了。4.2.2思维的转变——人工智能的第二次高潮期22从1980年到1987年，由于引入了“知识”，人工智能迎来了第二次发展高潮。在人工智能专家费根·鲍姆的带领下，人工智能开辟了一个新的领域——专家系统。4.2.2思维的转变——人工智能的第二次高潮期23所谓“专家系统”就是利用计算机化的知识进行自动推理，从而模仿领域专家解决问题。典型的专家系统的例子：卡内基梅隆大学为数字设备公司设计的名为“X-CON”的专家系统；IBM研发的“沃森”机器人。人工智能第二次低谷期24人工智能再次陷入低谷，这次遭遇低谷的主要原因还是技术本身的实现程度支撑不起足够多的应用。思考与讨论25谈一谈你对沃森机器人的了解。4.2.3技术的融合——人工智能的第三次高潮期261997年，比尔﹒盖茨的豪宅完全按照智能住宅的概念建造。4.2.3技术的融合——人工智能的第三次高潮期271997年，IBM深蓝以3.5:2.5战胜国际象棋世界冠军卡斯帕罗夫成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。4.2.3技术的融合——人工智能的第三次高潮期282018年韩国平昌冬奥会闭幕式上的“北京八分钟”智能机器人与演员共舞惊艳了全世界。世界各国都开始重视人工智能的发展29美国：《为人工智能的未来做好准备》；英国：《人工智能：未来决策制定的机遇和影响》；法国：《国家人工智能战略》；德国颁布全国第一部自动驾驶的法律；石油大国阿联酋将人工智能确立为国家战略；中国：《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018-2020年）》。世界各国都开始重视人工智能的发展302019年人工智能连续第三年写入政府工作报告，并且首次提出了“智能+”。政府工作报告提出，打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。2019年5月16日，国际人工智能与教育大会在北京召开。国家主席习近平向大会致贺信。与前两次的浪潮的明显不同31前两次人工智能浪潮主要是由学术界提出问题，并在劝说、游说政府和投资人投钱，基本停留在市场宣传层面；这次人工智能浪潮是以解决问题为目的，投资人已主动向热点领域的学术项目和创业项目投钱，已上升到商业模式层面。思考与讨论321.说一说你使用的手机是什么品牌的，具有什么功能，有哪些人工智能的功能？2.谈谈你对第三次人工智能浪潮的想法。实践任务33使用清华大学自然语言处理与社会人文计算实验室开发的“九歌——计算机诗词创作系统”进行集句诗、绝句、藏头诗、词创作。AI的前世今生：她从哪里来——

4.3重获新生：AI应用现状35人工智能有三要素：数据、算力、算法。人工智能高速发展主要取决于以下三个原因：一、计算力的增长；二、海量数据的积累；三、算法的进步和优化。4.3.1计算力的增长36计算能力的限制曾经是人工智能研究跌入低谷的原因。随着摩尔定律的发展，计算能力逐步得到解放。CPU性能飞速提升，被最初用来训练深度学习。拥有出色的浮点计算性能的GPU更适合做深度学习训练。4.3.1计算力的增长37GPU相比CPU拥有更高的训练速度批处理大小CPU训练时间GPU训练时间GPU加速64images64s7.5s8.5x128images124s14.5s8.5x256images257s28.5s9.0x3839未来人工智能芯片的应用大体有两个方向：其一是用于云端服务器的的芯片，其二是用于终端（例如手机及其他智能硬件）的人工智能芯片。4.3.1计算力的增长拓展视野40基于FPGA的半定制化芯片FPGA（Field－ProgrammableGateArray），即现场可编程门阵列，是一种半定制的集成电路，百度就采用了FPGA打造百度大脑专用AI芯片。拓展视野41全定制化ASIC芯片ASIC（ApplicationSpecificIntegratedCircuit）即专用集成电路，是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。4.3.2海量数据的积累42数据是限制人工智能爆发的又一因素。在大数据这个概念出现之前计算机并不能很好的解决需要人去做判别的一些问题。人工智能是用大量的数据作导向，让需要机器来做判别的问题最终转化为数据问题。4.3.2海量数据的积累43随着移动互联网的爆发，数据量呈现出指数级的增长，大数据的积累为人工智能提供了基础支撑。大数据主要包括采集与预处理、存储与管理、分析与加工、可视化计算及数据安全等，具备数据规模不断扩大、种类繁多、产生速度快、处理能力要求高、时效性强、可靠性要求严格、价值大但密度较低等特点，为人工智能提供丰富的数据积累和训练资源。4.3.

3算法的进步和优化44近20年来，人工智能学家们试图用神经网络建模来模拟大脑，用生物进化机制来提升机器的智能。他们将自治体的方法论与神经网络的模型结合起来，形成了当代人工智能研究中最令人兴奋的、最具开拓性的研究成果——深度学习。深度学习成为人工智能最为主流的算法。拓展视野45深度学习：深度学习（DeepLearning,DL）或阶层学习（hierarchicallearning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（ArtifitialNeuralNetworks,ANNs），在计算系统中实现人工智能。实践任务46了解百度大脑AI开放平台、科大讯飞AI开放平台、飞桨PaddlePaddle开源深度学习平台。AI的前世今生：她从哪里来——

4.4百家争鸣：AI主流学派4.4.1认知学派48以明斯基、西蒙和纽厄尔等人为代表，从人的思维活动出发，利用计算机进行宏观功能模拟。马文·明斯基4.4.1认知学派49认知学派认为认知的基元是符号，智能行为通过符号操作来实现。认知学派以美国人Robinson提出的消解法（即归结原理）为基础，以LISP和Prolog语言为代表，着重于问题求解中的启发式搜索和推理过程。4.4.1认知学派50该学派在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统。明斯基从心理学的研究出发，认为人们在日常的认识活动中，使用了大批从以前的经验中获取并经过整理的知识，这些知识是以一种类似框架的结构记存在人脑中，由此提出了框架知识表示方法。4.4.2符号主义学派51符号主义又称为逻辑主义，心理学派或计算机学派。其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。这一派认为实现人工智能必须用逻辑和符号系统。自动定理证明起源于逻辑，初衷就是把逻辑演算自动化。符号派的思想源头和理论基础就是定理证明。逻辑学家戴维斯在1954年完成了第一个定理证明程序。牛津计算机系主任：AI中符号主义和神经网络应融合发展4.4.2符号主义学派52符号主义学派在人工智能研究中，强调的是概念化知识表示、模型论语义、演绎推理等。约翰·麦卡锡主张任何事物都可以用统一的逻辑框架来表示，在常识推理中以非单调逻辑为中心。53行为行为主义主义又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。行为主义以布鲁克斯等人为代表，认为智能行为只能在现实世界中，由系统与周围环境的交互过程中表现出来。4.4.3学派54首先，智能系统与环境进行交互，即从运行的环境中获取信息（感知），并通过自己的动作对环境施加影响；其次，指出智能取决于感知和行为，提出了智能行为的“感知-行为”模型，认为智能系统可以不需要知识、不需要表示、不需要推理，像人类智能一样可以逐步进化；再次，强调直觉和反馈的重要性，智能行为体现在系统与环境的交互之中，功能、结构和智能行为是不可分割的。行为主义学派主要观点4.

4.4连接主义学派55连接主义又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。4.

4.4连接主义学派56以Rumelhart、Mcclelland和Hopfield等人为代表，从人的大脑神经系统结构出发，研究非程序的、适应性的、类似大脑风格的信息处理的本质和能力，人们也称它为神经计算。霍普菲尔德57人工智能各学派的研究方法各有长短，既有擅长的处理能力,又有一定的局限性。仔细学习和研究各个学派思想和研究方法之后，可以发现,各种学派可以取长补短,实现优势互补。过去在激烈争论时期,那种企图完全否定对方而以一家的主义和方法主宰人工智能世界的氛围,正被互相学习、优势互补、集成模拟、合作共赢、和谐发展的新氛围所代替。58未来人工智能的各个学派,一方面要密切合作,取长补短,可把一种学派无法解决的问题转化为另一学派能够解决的问题；另一方面,逐步建立统一的人工智能理论体系和方法论,在一个统一系统中集成了逻辑思维、形象思维和进化思想,创造人工智能更先进的研究方法。思考与讨论59人工智能各主流学派对人工智能方法的争论是什么？AI的前世今生：她从哪里来——

4.5武功秘籍：AI领域的关键技术61近二十年来人工智能领域的技术在不断发展、融合，其关键技术主要包括机器学习、知识图谱、自然语言处理、计算机视觉、人机交互、生物特征识别、虚拟现实/增强现实等关键技术。4.

5.1机器学习62机器学习（MachineLearning）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。4.

5.1机器学习63根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。根据学习方法可以将机器学习分为传统机器学习和深度学习。此外，机器学习的常见算法还包括迁移学习、主动学习和演化学习等。64知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。4.

5.2知识图谱65知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。4.

5.2知识图谱66自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。4.

5.

3自然语言处理67自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同层面存在不确定性；二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性；三是数据资源的不充分使其难以覆盖复杂的语言现象；四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算。4.

5.

3自然语言处理68人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。4.

5.

4人机交互69计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。4.

5.

5计算机视觉70根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。4.

5.

5计算机视觉714.

5.

5计算机视觉72生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。4.

5.6生物特征识别73生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。4.

5.6生物特征识别拓展视野74指纹识别：指纹识别过程通常包括数据采集、数据处理、分析判别三个过程。数据采集通过光、电、力、热等物理传感器获取指纹图像；数据处理包括预处理、畸变校正、特征提取三个过程；分析判别是对提取的特征进行分析判别的过程。拓展视野75人脸识别：人脸识别是典型的计算机视觉应用，从应用过程来看，可将人脸识别技术划分为检测定位、面部特征提取以及人脸确认三个过程。人脸识别技术的应用主要受到光照、拍摄角度、图像遮挡、年龄等多个因素的影响，在约束条件下人脸识别技术相对成熟，在自由条件下人脸识别技术还在不断改进。拓展视野76虹膜识别：虹膜识别的理论框架主要包括虹膜图像分割、虹膜区域归一化、特征提取和识别四个部分，研究工作大多是基于此理论框架发展而来。虹膜识别技术应用的主要难题包含传感器和光照影响两个方面：一方面，由于虹膜尺寸小且受黑色素遮挡，需在近红外光源下采用高分辨图像传感器才可清晰成像，对传感器质量和稳定性要求比较高；另一方面，光照的强弱变化会引起瞳孔缩放，导致虹膜纹理产生复杂形变，增加了匹配的难度。拓展视野77指静脉识别：指