《人工智能基礎(chǔ)》課件-第1章 人工智能概述

人工智能基礎(chǔ)第1章人工智能概述

學習目標1.了解人工智能的基本概念和歷史。2.了解人工智能的研究內(nèi)容。3.熟悉人工智能的常見應用領(lǐng)域。4.熟悉智能計算系統(tǒng)的相關(guān)知識。1.1人工智能簡介1.1.1人工智能的基本概念人工智能（ArtificialIntelligence），英文縮寫為AI，自誕生以來就受到廣泛關(guān)注。不同學者對于人工智能的定義也不盡相同，目前比較公認的一種定義是：人工智能是研究和開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)以及應用系統(tǒng)的一門新的技術(shù)科學。人類四次工業(yè)革命的發(fā)展1.1.2人工智能的歷史1.圖靈測試1950年，圖靈（Turing）發(fā)表了一篇題為《計算機與智能》的論文，文中預言了創(chuàng)造出具有真正智能的機器的可能性。由于注意到“智能”這一概念難以確切定義，他提出了著名的圖靈測試（TuringTest）：測試者與被測試者（一個人和一臺機器）在隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問，進行多次測試后，如果機器讓平均超過30%的參與者做出誤判，不能辨別出其機器身份，那么這臺機器就通過了測試，并被認為具有人類智能。圖靈1.1.2人工智能的歷史2.達特茅斯會議

1956年，麥卡錫、明斯基、香農(nóng)、紐厄爾、西蒙、塞弗里奇、所羅門諾夫、羅徹斯特、塞繆爾和莫爾，在美國達特茅斯學院召開了一次為期兩個月的“人工智能夏季研討會”，從不同學科角度探討了人類各種學習和其他智能特征的基礎(chǔ)，以及用機器模擬人類智能等問題，并首次提出人工智能的術(shù)語。達特茅斯會議部分當事人于2006年重聚（左起：莫爾、麥卡錫、明斯基、塞弗里奇、所羅門諾夫）1.1.2人工智能的歷史3.人工智能的發(fā)展歷程1.1.3人工智能的學派1.符號主義學派符號主義又稱為邏輯主義、心理學派或計算機學派。符號主義認為人工智能源于數(shù)理邏輯。符號主義學者在1956年首先采用“人工智能”術(shù)語，后來又發(fā)展了啟發(fā)式算法、專家系統(tǒng)、知識工程理論與技術(shù)，并在20世紀80年代取得重大發(fā)展。符號主義學派代表人物有紐厄爾、西蒙和尼爾遜等。符號主義學派認為人工智能的研究方法應為功能模擬方法，即通過分析人類認知系統(tǒng)所具備的功能和機能，然后用計算機模擬這些功能，實現(xiàn)人工智能。1.1.3人工智能的學派2.連接主義學派連接主義又稱為仿生學派或生理學派。連接主義認為人工智能源于仿生學，特別是對人腦模型的研究。霍普菲爾德在1982年和1984年發(fā)表兩篇重要論文，提出用硬件模擬神經(jīng)網(wǎng)絡(luò)。1986年，魯梅爾哈特等人提出多層網(wǎng)絡(luò)中的反向傳播（BP）算法，使多層感知機的理論模型有所突破。從2010年開始，神經(jīng)網(wǎng)絡(luò)、深度學習成為人工智能行業(yè)主導，標志著AI經(jīng)過短暫消沉期后徹底復蘇，如今最熱的AI概念均出自“連接主義”學派。1.1.3人工智能的學派3.行為主義學派行為主義又稱為進化主義或控制論學派。行為主義認為人工智能源于控制論。維納和麥克洛克等人提出的控制論和自組織系統(tǒng)以及錢學森等人提出的工程控制論和生物控制論，影響了許多領(lǐng)域。行為主義是20世紀末才以人工智能新學派的面孔出現(xiàn)的，引起許多人興趣。行為主義學派的代表作品首推布魯克斯的6足行走機器人，它被看作新一代的“控制論動物”，是一個基于感知-動作模式模擬昆蟲行為的控制系統(tǒng)。1.1.4習題與實踐1.簡答題（1）請簡述什么是人工智能。（2）請簡述人工智能的發(fā)展歷史。（3）三大人工智能學派的認知觀分別是什么？他們各自的代表性研究成果是什么？2.思考題（1）有學者認為達特茅斯會議標志著人工智能的誕生，因此麥卡錫才是真正的“人工智能之父”，你怎么看待這個問題？（2）隨著人工智能技術(shù)的不斷發(fā)展，你覺得人工智能在未來有可能超越人類智能嗎？（3）人工智能與物聯(lián)網(wǎng)、大數(shù)據(jù)、虛擬現(xiàn)實等技術(shù)如何互相促進？1.2人工智能研究內(nèi)容1.2.1知識工程知識工程（KnowledgeEngineering）是在計算機上建立專家系統(tǒng)的技術(shù)。圖靈獎獲得者、知識工程的建立者費根鮑姆（Feigenbaum）將知識工程定義為：將知識集成到計算機系統(tǒng)從而完成只有特定領(lǐng)域?qū)＜也拍芡瓿傻膹碗s任務。知識工程包括了知識表示（knowledgerepresentation）、知識獲?。╧nowledgeacquisition）、知識推理（knowledgereasoning）、知識集成（knowledgeintegration）和知識存儲（knowledgestorage）等多個活動。費根鮑姆1.2.2機器感知機器感知（MachineCognition）是一連串復雜程序所組成的大規(guī)模信息處理系統(tǒng)，信息通常由很多常規(guī)傳感器采集，經(jīng)過這些程序的處理后，會得到一些非基本感官能得到的結(jié)果。機器感知就是使機器具有類似人的感知能力，其中以機器視覺、機器聽覺、機器觸摸和機器氣味為主。常見機器感知傳感器1.2.3機器思維機器思維（MachineThinking）是指利用機器感知得來的外部信息、認知模型、知識表示和推理來有目標的處理感知信息和智能系統(tǒng)內(nèi)部信息的過程，從而針對特定場景給出合適的判斷，制定合適的策略。目前對于機器思維的研究主要集中在以下幾方面：知識表示，特別是各種不確定性和不完全知識的表示；知識組織、積累和管理技術(shù)；知識推理，特別是各種不確定性推理、歸納推理和非經(jīng)典推理等；各種啟發(fā)式搜索和控制策略；人腦結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的工作機制。1.2.4機器學習1.機器學習的發(fā)展第一階段從20世紀50年代中期到70年代中期，主要用各種符號來表示機器語言，研究將各個領(lǐng)域的知識植入到系統(tǒng)里，目的是通過機器模擬人類學習的過程。第二階段從20世紀70年代中期到80年代初，在此期間，人們從學習單個概念擴展到學習多個概念，探索不同的學習策略和學習方法，且在本階段已開始把學習系統(tǒng)與各種應用結(jié)合起來，并取得很大的成功。第三階段始于20世紀80年代，隨著超大規(guī)模集成電路技術(shù)、超導技術(shù)、生物技術(shù)、光學技術(shù)的發(fā)展與支持，使機器學習的研究進入了更高層次的發(fā)展時期。1.2.4機器學習2.機器學習的分類按系統(tǒng)的學習能力分類，可分為監(jiān)督學習、無監(jiān)督學習和半監(jiān)督學習，這是最常見的一種分類方法。按學習方法分類，可分為符合學習與非符號學習。按學習目標分類，可分為概念學習、規(guī)則學習、函數(shù)學習和類別學習等。按推理方式分類，可分為基于演繹的學習及基于歸納的學習。按綜合屬性分類，可分為歸納學習、分析學習、連接學習和遺傳算法與分類器系統(tǒng)等。1.2.4機器學習3.機器學習的基本過程機器學習是一個流程性很強的工作，包括數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)預處理、特征工程、模型調(diào)優(yōu)、模型融合、模型驗證和模型持久化等。1.2.5機器行為機器行為主要指計算機的表達能力，即模擬人的能力行為，如說話、寫字、畫畫、走路和取物。工廠中使用機器人制造汽車的場景1.2.6習題與實踐1.簡答題（1）什么是知識工程？（2）不同時期機器學習有哪些研究方向或內(nèi)容？2.思考題（1）結(jié)合生活實際，你認為現(xiàn)實生活中人工智能的研究內(nèi)容有哪些？（2）你認為人工智能的哪些研究內(nèi)容可以與你就讀的專業(yè)相結(jié)合？哪些可能會是將來新的研究熱點？1.3人工智能技術(shù)與應用1.3.1模式識別模式識別（PatternRecognition，PR）是指對表征事物或現(xiàn)象的各種形式的（數(shù)值、文字或邏輯關(guān)系）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程，是信息科學和人工智能的重要組成部分?；谀Ｊ阶R別的醫(yī)療影像分析1.3.2計算機視覺計算機視覺（ComputerVision，CV）又稱機器視覺（MachineVision），是用機器（攝影機或電腦）代替人眼對目標進行測量、識別和跟蹤，并進一步做圖形處理，抽取目標特征，使之成為更適合人眼觀察或儀器檢測的圖像，進而根據(jù)判別結(jié)果來控制現(xiàn)成的設(shè)備動作，是計算機及相關(guān)設(shè)備對生物視覺的一種模擬，是模式識別的一個重要方面。微信小程序“形色識花”1.3.3自然語言處理自然語言處理（NaturalLanguageProcessing，NLP）的目標是讓計算機能“聽懂”和“看懂”人類語言（如漢語、英語等）。世界人工智能大會上的機器實時翻譯1.3.4搜索技術(shù)搜索技術(shù)（SearchTechnique）是用搜索方法尋求問題解答的技術(shù)，其根據(jù)問題的實際情況不斷尋找可利用的知識，構(gòu)造出一條代價較少的推理路線，使問題得到圓滿解決。人工智能程序AlphaGo與人類圍棋世界冠軍對弈1.3.5專家系統(tǒng)專家系統(tǒng)（ExpertSystem）是一個基于專門領(lǐng)域知識求解特定問題的智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。氣象預報專家系統(tǒng)1.3.6神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)（NeuralNetworks，NNs）又稱人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANNs）或連接模型（ConnectionModel），是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學模型。BP神經(jīng)網(wǎng)絡(luò)用于預測新冠肺炎確診人數(shù)1.3.7數(shù)據(jù)挖掘數(shù)據(jù)挖掘（DataMining）是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程，其通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)目標。天網(wǎng)工程1.3.8智能控制智能控制（IntelligentControls）是由智能機器自主地實現(xiàn)其目標的過程，是具有智能信息處理、智能信息反饋和智能控制決策的控制方式，是控制理論發(fā)展的高級階段，主要用來解決那些用傳統(tǒng)方法難以解決的復雜系統(tǒng)的控制問題。自動駕駛1.3.9智能機器人智能機器人（IntelligentRobot）是具有人類特有的某種智能、能模擬人類行為的機器。幾款有代表性的波士頓動力機器人1.3.10組合優(yōu)化組合優(yōu)化（CombinatorialOptimization）的目標是從組合問題的可行解集中求出最優(yōu)解，其一般是NP完全問題（NondeterministicPolynomialCompleteProblem）。空中交通管制系統(tǒng)1.3.11云端人工智能云端人工智能（CloudAI）是將云計算的運作模式與人工智能深度融合，在云端集中使用和共享機器學習工具的技術(shù)，是目前主流的人工智能平臺服務方式。根據(jù)部署方式可分為公有云、私有云和混合云。百度AI體驗中心騰訊AI體驗中心1.3.12習題與實踐1.簡答題（1）結(jié)合生活實際，你認為現(xiàn)實生活中人工智能有哪些成熟應用？（2）請查詢相關(guān)資料，了解人工智能技術(shù)在你就讀專業(yè)領(lǐng)域有哪些具體應用？隨著人工智能技術(shù)的發(fā)展和成熟，你覺得你就讀專業(yè)領(lǐng)域有哪些崗位有可能被人工智能取代？你打算如何應對？2.實踐題

請選擇一個互聯(lián)網(wǎng)企業(yè)，調(diào)查了解這個企業(yè)提供的云端人工智能系統(tǒng)，向大家介紹它是什么類型？能提供哪些服務？有什么特色？1.4智能計算系統(tǒng)1.4.1智能計算系統(tǒng)概述1.智能計算系統(tǒng)智能計算系統(tǒng)，是智能的物質(zhì)載體算法或代碼本身并不能構(gòu)成一個完整的智能體，必須要在一個具體的物質(zhì)載體上運行才能展現(xiàn)出智能智能計算系統(tǒng)包括硬件部分，集成了通用CPU和智能芯片的異構(gòu)系統(tǒng)軟件部分，包括了面向開發(fā)者的智能計算編程環(huán)境，如前端編程語言、深度學習框架和編程平臺等。CPU+GPU/TPU/寒武紀處理器等TensorFlow、Caffe、PyTorch等Python、C、C++等硬件部分深度學習框架前端編程語言軟件部分異構(gòu)系統(tǒng)CUDA、OpenCL等

編程平臺1.4.1智能計算系統(tǒng)概述2.智能計算系統(tǒng)的硬件部分一般采用異構(gòu)系統(tǒng)，即CPU+智能芯片CPU，像“通才”，主要負責通用的計算，擅長處理操作系統(tǒng)和通用應用程序任務，使得異構(gòu)系統(tǒng)可以適應多方面的應用智能芯片，像“專才”，專門用于人工智能算法的計算，例如矩陣計算等，具有強大的數(shù)值計算能力，且能效比較高CPU和智能芯片各司其職，CPU主要負責通用計算和系統(tǒng)控制等工作，智能芯片主要集中在高效率、低成本和并行的數(shù)值計算，使得異構(gòu)系統(tǒng)比同構(gòu)系統(tǒng)擁有了更高的性能和能效1.4.1智能計算系統(tǒng)概述3.智能計算系統(tǒng)的軟件部分CPU和智能芯片往往具有著完全不同的指令和特性，編程時需要同時兼顧CPU和智能芯片為方便進行高效的人工智能開發(fā)，需要提供一套編程環(huán)境編程環(huán)境可以看做是智能計算系統(tǒng)與程序員之間的一個界面，是衡量系統(tǒng)易用性的重要指標，包含：前端編程語言，包括Python、C、C++等深度學習框架，包括TensorFlow、Caffe和Pytorch等編程平臺，包括CUDA（統(tǒng)一計算架構(gòu)）、OpenCL（開放計算語言）等。1.4.2智能計算系統(tǒng)發(fā)展1.第一代智能計算系統(tǒng)以面向符號主義的計算系統(tǒng)為代表出現(xiàn)于1980年前后，正是人工智能發(fā)展的第二次熱潮，主流的智能編程語言是Prolog和LISP。到了20