2024人工智能AI概论_第1页
2024人工智能AI概论_第2页
2024人工智能AI概论_第3页
2024人工智能AI概论_第4页
2024人工智能AI概论_第5页
已阅读5页,还剩51页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

AI概览第一章

AI概览第二章

Python编程基础第三章

数学基础知识第四章

TensorFlow介绍第五章

深度学习预备知识和深度学习概览第六章

华为云EI概览了解人工智能的发展简史掌握人工智能包含的技术与相关概念了解人工智能时代的公平与正义了解人工智能时代的人机关系与治理1.

人工智能技术的过去人工智能技术是什么人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理未来人工智能社会畅想自2016年3月,AlphaGo以4:1的总比分大胜韩国职业围棋九段李世石,使得人工智能再次进入了公众的视野。此后,AI技术和应用更是蓬勃发展。1956年8月,在美国达特茅斯学院中,约翰·麦卡锡、马文·闵斯基、克劳德·香农、艾伦·纽厄尔、赫伯特·西蒙等科学家聚在一起,讨论着一个完全不食人间烟火的主题:用机器来模仿人类学习以及其他方面的智能。会议讨论的内容总结了一个名字:人工智能。因此,1956年也就成为了人工智能元年。赛弗里奇摩尔麦卡锡明斯基赛弗里奇所罗门诺夫1956-1976第一次繁荣期达特茅斯会议,确定了人工智能的概念和发展目标1976-1982第一次

低谷期遭受质疑批评,运算能力不足,计算复杂度较高,常识与推理实现难度较大等1982-1987第二次繁荣期

具备逻辑规则推演和特定领域回答解决问题的专家系统盛行,及五代计算机的发展1987-1997第二次低谷期技术领域再次陷入瓶颈,抽象推理不再被继续关注,基于符号处理的模型遭到反对1997-2010复苏期计算性能的提升与互联网技术的快速普及2010-增长爆发期新一代信息技术引发信息环境与数据基础变革,海量图像语音文本等多模型数据不断出现,计算能力提高1950s1960s1970s1980s1990s2000s2010s

2020s2014年,微软公司发布全球第一款个人智能微软小娜1956年达特茅斯会议提出1959年,ArthurSamuel提出机器学习1976年,机器翻译等项目的失败及一些学术报告的负面影响,人工智能的经费普遍减少1985年,出现了更强可视化效果的决策树模型和突破早期感知局限性的多层人工神经网络1987年,LISP机市场崩塌1997年,Deep

Blue战胜世界国际象棋冠军GarryKaspa

rov2006年,Hinton和他的学生开始深度学习2010年,大数据

时代到来2016年3月,

Alpha

Go以4:1战胜世界围棋冠军李世石2017年10月,

Deep

Mind

团队发布了最强版的AlphaGoZero原理:物理符号系统假设和有限合理性原理。起源:源于数理逻辑。基本思想:人的认知基元是符号,认知过程即符号操作过程。人是一个物理符号系统,计算机也是一个物理符号系统,因此,能用计算机来模拟人的智能行为。知识是信息的一种形式,是构成智能的基础。人工智能的核心问题是知识表示、知识推理。符号主义(逻辑主义、心理学派、计算机学派)原理:神经网络及神经网络间的连接机制与学习算法。起源:源于仿生学,特别是人脑模型的研究。基本思想:思维基本是神经元,而不是符号处理过程。人脑不同于电脑,并提出连接主义的大脑工作模式,用于取代符号操作的电脑工作模式。神经末梢轴突突触树突前神经元轴突细胞体细胞核突触下一个神经元树突行为主义(进化主义、控制论学派)原理:控制论及感知-动作型控制系统。起源:源于控制论。基本思想:智能取决于感知和行动,提出智能行为的“感知-动作”模式。智能不需要知识、表示、和推理;人工智能可以像人类智能一样逐步进化;智能行为只能在现实世界中与周围环境进行交互作用而表现出来。人工智能三大学派知识表达黑箱特征学习可解释性是否需要大样本计算复杂性组合爆炸环境互动过拟合问题符号主义(逻辑主义)强否无强否高多否无连接主义(仿生学派)弱是有弱是高少否有行为主义(决策控制)强否无强否一般一般是无随机模拟方法DarmouthConference1956:the

birth

of

AIMonteCarol

Go1993:

firstresearchonGo

withstochasticsearchNeuroGo1996:ConvNet

withRL

for

Go,13kyu(amateur)MCTS

Go2006:Frenchresearchersadvance

GoAI

withMCTSCrazyStone2008:MCTS

GoAI

beats4

danplayerZen

192012:MCTSbased

GoAI

reaches5-dan

rankSamuel’sCheckers

AI1956:IBM

CheckersAI

firstdemonstratedCheckers

AIWins1962:Bernstein’sSamuel’sprogram

winsChess

AIgame

against1958:

firstpersonfullyfunctionalchess

AIdevelopedZobrist’sAI1968:FirstGoAI,beatshumanamatourCNN1989:convolutionalnets

firstdemonstratedBackprop1986:multi-layerneural

netapproachwidely

knownKaissa1974:

firstworldcomputer

chesschampionTD-

Grammon1992:

RL

andneural

net

basedback-gammon

AIshownCHINOOK1994:

checkers

AIdraws

with

worldchampionDeep

Blue1997:

IBMchess

AI

beatsworldchampionDeepMind2014:Google

buysdeep-RL

AIcompany

for400MilAlphaGo2016:DeepLearning+MCST

GoAI

beatstophumanMacHack1967:

chess

AIbeats

person

intournament1.人工智能技术的过去2.人工智能技术是什么人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理未来人工智能社会畅想人工智能人工智能(Artificial

Intelligence)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。1956年由约翰.麦卡锡首次提出,当时的定义为“制造智能机器的科学与工程”。人工智能目的就是让机器能够像人一样思考,让机器拥有智能。时至今日,人工智能的内涵已经大大扩展,是一门交叉学科。计算机科学哲学逻辑学语言学心理学认知科学脑科学行业解决方案具体技术技术方向算法基础设施金融/医疗/安防/交通/游戏等(无人驾驶、机器人、智能医疗、智能金融、智能家居、VR/AR\无人机))机器学习、深度学习理论基础:概率论、统计、调和分析(傅里叶变换、小波变换)、泛函分析、计算数学、流形等硬件/计算能力、大数据语音处理计算机视觉自然语言处理规划决策系统大数据/统计分析图像识别图像处理视频识别语音识别语义理解语音合成机器翻译语音理解情感分析知识图谱感知与分析

理解与思考

决策与交互四要素:数据、算法、算力、场景ArtificialIntelligenceMachineLearningDeepLearning四要素:数据、算法、算力、场景人工智能研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一门新的技术科学。机器学习专门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。深度学习源于人工神经网络的研究,含多隐层的多层感知器就是一种深度学习结构。贝叶斯期望损失极小极大原则

Bayes风险原则轻量模型(计算复杂度低)在线学习(不存储训练数据)近似计算(求满意解,降低复杂度)基于受限领域知识的规则方法贝叶斯统计推断…集成学习-自助聚焦-梯度提升增量学习迁移学习聚类-k-均值聚类-层级聚类自组织映射无模型-策略迭代-策略搜索有魔性-深度强化学习非轻量机器学习

强化学习无监督学习常见分布的随机数产生器

Markov链Monte

CarloGibbs采样器随机模拟技术统计决策轻量机器学习学习策略最大似然估计

期望最大化算法-隐Markov模型回归模型-Logistics回归参数方法高斯过程

关联向量机核PCA等核方法基于实例的方法-近邻法-核密度法决策树-ID3/4/5-CART非参数方法支持向量机流形学习贝叶斯网络

Markov随机场几何方法 概率图模型后传播算法深度学习-CNN-RNN神经网络先验分布的设定后验分布的近似计算贝叶斯神经网络贝叶斯回归模型贝叶斯方法有监督学习计算基础最优化矩阵计算概率统计人工智能技术的过去人工智能技术是什么3.人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理人工智能未来的社会畅想智能医疗智能机器人虚拟现实无人驾驶智能投顾智能家居语义识别和对话管理语音合成主要技术:前端处理语音识别应用:医疗听写 、语音书写、电脑系统声控、电话客服等。未来:真正做到像正常人类一样,与他人流畅沟通,自由交流,还有待时日。图像识别图像理解主要技术:图像处理应用:医疗成像分析购物未来:安防及监控领域计算机视觉有望进入自主理解、分析决策的高级阶段,真正赋予机器“看”的能力,在无人车、智能家居等场景发挥更大的价值。知识图谱对话管理机器翻译核心环节:知识的获取与表达自然语言理解自然语言生成等应用:研究方向:搜索引擎、对话机器人、机器翻译、甚至高考机器人、办公智能秘书。机器学习:是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。机器学习是AI的核心,是使计算机具有智能的根本途径。研究方向:在垂直领域的广泛应用。如金融、律政、医疗等领域。从解决简单的凸优化问题到解决非凸优化问题。从监督学习向非监督学习和强化学习的演进。未来:强化学习、迁移学习。无监督学习:听之任之型有监督学习:标准答案型传统机器学习强化学习(a)传统机器学习(b)迁移学习不同任务源任务目标任务学习系统学习系统学习系统学习系统知识理性地看待人工智能的现状:人工智能还非常初级,目前适合“已知环境、目标明确、行动可预测”的场景。深度学习在图像识别、语音识别、翻译等领域,人工智能基本具备人的识别能力,甚至超越了人类,基于这些能力应用到了很多场景,如医疗、公共安全等。但在推理、认知等方面仍十分欠缺。人工智能不是要等到超越人的智慧才被使用,而是只要在某个方面比人做得好就可以投入使用。人工智能的发展趋势是走向融合:传统机器学习+深度学习+强化学习+知识推理+智能决策。Flexible

learning。supervised

learning普及化产业化人工智能技术的过去人工智能技术是什么人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理未来人工智能社会畅想美国欧盟日本中国Brain

Initiative项目:以探索人类大脑工作机制为主(2013年启动,45亿美元)SyNAPSE项目:开发大规模电子神经形态计算机原型(2008年~2016年)Human

Brain

Project:侧重未来信息、通讯技术,未来医疗(2013年启动,10亿欧元)Brain/Minds:以狨猴为模型研究各种脑功能和脑疾病的机理(2014年启动,2.7亿美元)中国脑计划:

“一体两翼”的研究格局:脑认知原理的基础研究为一体,脑重大疾病和类脑人工智能的研究为两翼(国家层面待启动100亿RMB、地方层面已立项)SyNAPSE项目:IBM主导的超低功耗新型计算系 统的应用(TrueNorth芯片、系统架构设计、算法实现)HRL主导研发具有认知、学习、 推理能力的计算系统,强调自主 学习能力(基于忆阻器的类脑芯 片研究)Human

Brain

Project:未来神经科学、未来医学、未来计 算人脑战略性数据,认知行为架构、 理论型神经科学、神经信息学、大 脑模拟仿真、高性能计算平台、医 学信息学、神经形态计算平台、神 经机器人平台、模拟应用Brain/Minds:用功能MRI等技术对 大脑功能进行定位收集和分析患者大脑 成像等相关研究信息地方脑计划:中科院成立类脑智能研究中心和脑神 经计算研究组:从算法模型与信息处 理到脑的模拟(寒武纪系列神经网络 加速器)清华大学成立类脑计算研究中心:系 统设计、仿真建模、硬件材料的脑体 系工程(Tianji类脑芯片)人工智能可能会引起“芯片架构的改变,进而引起产业格局的改变”,英伟达、Google、Intel等在争夺未来的主导权。人工智能的软件技术平台就是“下一个操作系统”,技术平台将是大玩家的竞争,垂直行业的AI应用或服务可能都基于几大平台的云服务提供。争夺“未来世界的数字大脑”成为各大信息公司的战略愿景,云计算、大数据、人工智能是三位一体的云服务。人工智能技术的过去人工智能技术是什么人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理未来人工智能社会畅想美国当地时间周日晚22点(

2018年3月19日),亚利桑那州坦佩市郊区,一辆

Uber自动驾驶测试车在由南向北行进过程中,撞上推着自行车在人行道之外横穿马路的49岁女子伊莱·赫兹柏格,该女子送医后抢救无效宣告死亡。这是全球首例无人驾驶汽车致死事故。《自动驾驶汽车的基本政策》《关于机器人伦理的初步草案报告》《修订案》目前的法律框架下,机器人自身不对因其行为或者疏忽而给第三方造成的损害承担责任。德州大学的两名研究人员,成功将Netflix放出的“经过匿名处理的”上亿条用户电影评分数据与具体用户对应了起来,Netflix被迫取消影片推荐算法比赛。立法保护:《瑞典数据法》《关于加强网络信息保护的规定》《网络安全法》技术应用:匿名化处理技术将个人数据移除可识别个人信息的部分,并且通过这一方法,数据主体不会再被识别。算法决策在很多时候其实就是一种预测,用过去的数据预测未来的趋势。算法模型和数据输入决定着预测的结果。因此这两个要素也就成为了算法歧视的主要来源。比如:谷歌的图片软件曾错将黑人的图片标记为“大猩猩”。2016年3月23日,微软的智能聊天机器人

Tay,成为了一个集反犹太人、性别歧视、种族歧视于一身的“不良少女”。人工智能创作物

受版权法保护吗?谁来赋权于机器人?赋予机器人哪些权利?……人工智能技术的过去人工智能技术是什么人工智能技术的现在和未来人工智能产业发展与战略规划人工智能时代的公平与正义人工智能时代的人机关系与AI治理未来人工智能社会畅想第一代机器人

示教再现型机器人第二代机器人带感觉的机器人第三代机器人智能机器人“像人一样思考”:弱人工智能领域,如Watson、AlphaGo。“像人一样行动”:弱人工智能领域,如人形机器人、iRobot、波士顿动力公司的Atlas。“理性地思考”:强人工智能,尚无法达到,瓶颈在脑科学。“理性的行动”:强人工智能。1942年美国科幻巨匠阿西莫夫提出:定律1:机器人不得伤害人类,或者目睹人类将遭受危险而袖手不管。定律2:机器人必须服从人给予它的命令,除非违背第一定律。定律3:机器人必须保护自己,除非违背第一、第二定律。人机关系的设想:担忧机器威胁人类,通过控制AI实现人机共存。AI成为人类意识的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论