走進人工智能-AI發(fā)展史及人工智能的應(yīng)用

STEPINTOARTIFICIALINTELLIGENCE走進人工智能OfficePLUS學(xué)習(xí)目標人工智能+未來01人工智能發(fā)展歷程02人工智能相關(guān)應(yīng)用03機器學(xué)習(xí)相關(guān)方法04課程目標01系統(tǒng)了解人工智能發(fā)展簡史，掌握人工智能的基本思想和理念。人工智能的發(fā)展簡史02系統(tǒng)了解人工智能在各行業(yè)具體應(yīng)用的場景和功能，掌握人工智能基本概念和基礎(chǔ)知識。人工智能的應(yīng)用1人工智能+未來SMART+FUTUREChapter01思考：人工智能在未來的運用有哪些？“智能”+未來02人工智能如何思考？人工智能與數(shù)學(xué)家、物理學(xué)家、科學(xué)家或者跟我們想的是一樣的嗎？03什么是計算過程？知識的表達與推理→智慧→是一種計算過程？幫你算數(shù)學(xué)？洗衣服？跟你聊天？01人工智能可以做什么？智能未來家庭城市汽車2人工智能發(fā)展歷程HISTORYOFDEVELOPMENTChapter02什么是人工智能？通俗說法人工的方法在機器（計算機）上實現(xiàn)計算機科學(xué)、腦科學(xué)、認知科學(xué)、心理學(xué)、語言學(xué)、邏輯學(xué)、哲學(xué)。基本定義人工智能它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。(Artificialintelligence)人工智能的第一次浪潮（1956-1974）1963年美國高等研究計劃局，投入兩百萬美元給麻省理工學(xué)院，培養(yǎng)了早期的計算機科學(xué)和人工智能人才。1964-1966約瑟夫·維森鮑姆教授（JosephWeizenbaum）建立了世界上第一個自然語言對話程序ELIZA，可以通過簡單的模式匹配和對話規(guī)則與人聊天。70年代中期70年代中期，人工智能還是難以滿足社會對這個領(lǐng)域不切實際的期待，因此進入了第一個冬天。人工智能的第二次浪潮（1980-1987）80年代，由于專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的新進展，人工智能浪潮再度興起?？突仿〈髮W(xué)為迪吉多公司開發(fā)了一套名為XCON的專家系統(tǒng)，這套系統(tǒng)當時每年可為迪吉多公司節(jié)省4000萬美元。XCON的巨大價值激發(fā)了工業(yè)界對人工智能尤其專家系統(tǒng)的熱情。1980年1982年

約翰·霍普菲爾德提出了一種新型的網(wǎng)絡(luò)形式，即霍普菲爾德神經(jīng)網(wǎng)絡(luò)，其中引入了存儲ASSOCIATIVEMEMORY的機制。1986年《通過誤差反向傳播學(xué)習(xí)表示》論文的發(fā)表，使反向傳播算法被廣泛用于人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。人工智能的第三次浪潮（2011-現(xiàn)在）21世紀大數(shù)據(jù)時代電腦芯片的計算能力高速增長新的數(shù)學(xué)模型和算法被應(yīng)用學(xué)者引入不同學(xué)科的數(shù)學(xué)工具20XX年人工智能調(diào)整世冠軍谷歌通過深度學(xué)習(xí)訓(xùn)練的阿爾法AlphaGo程序，戰(zhàn)勝圍棋世界冠軍李世石。2012年ImageNet挑戰(zhàn)賽多倫多大學(xué)開發(fā)的多層神經(jīng)網(wǎng)絡(luò)AlexNet取得了冠軍，且大幅超越傳統(tǒng)算法的亞軍多層神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的深度學(xué)習(xí)被推廣人工智能的發(fā)展歷程Ai的誕生人工智能第一次浪潮聚焦人工智能的理論研究1956年–1974年人工智能第二次浪潮智能工業(yè)化趨勢浮現(xiàn)1980年–1987年人工智能第三次浪潮弱人工智能的初步應(yīng)用強人工智能的探索2011年-現(xiàn)在預(yù)計~2040年，強人工智能以及超人工智能出現(xiàn)2040年人工智能的三個階段ASIAGIANI在所有領(lǐng)域都比最聰明的人類大腦更厲害的人工智能ASI超人工智能在各方面都人類比肩的人工智能AGI強人工智能擅長于單個方面的人工智能ANI弱人工智能人工智能的核心能力根據(jù)輸入的照片，判斷照片的人是誰。人臉識別根據(jù)人說話的音頻信號，判斷說話內(nèi)容。語音識別根據(jù)輸入的醫(yī)療影像，判斷疾病的成因和性質(zhì)。醫(yī)療診斷根據(jù)用戶的購買記錄，預(yù)測他對什么商品感興趣，而作出相應(yīng)推薦。電子商務(wù)根據(jù)一支股票過去的價格和交易信息，判斷它未來的價格走勢。金融應(yīng)用3人工智能的應(yīng)用RELATEDAPPLICATIONSChapter03智能醫(yī)療為解決看病難”的問題提供了新的思路。建出人體器官的三維模型新技術(shù)能通過多張醫(yī)療影像建出人體器官的三維模型，確保醫(yī)生手術(shù)更加精準。醫(yī)學(xué)影像自動分析為醫(yī)生診斷提供參考信息，有效的減少誤診和漏診。智能客服隨著互聯(lián)網(wǎng)和電子商務(wù)的發(fā)展，和商家的交流變得越來越多元，為了因應(yīng)這種挑戰(zhàn)，很多企業(yè)開始引入人工智能技術(shù)打造智能客服系統(tǒng)。智能客服可以像人一樣和客戶交流溝通，進行準確得體且個性化的回應(yīng)，提升客戶的體驗。對企業(yè)來說，這樣的系統(tǒng)不僅能夠提高回應(yīng)客戶的效率，還能自動的對客戶的需求和問題進行統(tǒng)計和分析，為之后的決策提供數(shù)據(jù)。自動駕駛自動駕駛汽車通過多種傳感器，包括視頻攝像頭、激光雷達、衛(wèi)星定位系統(tǒng)等，對駕駛環(huán)境進行實時感知。智能駕駛系統(tǒng)可以對多種感知信號進行綜合分析，實時規(guī)劃駕駛路線，控制車子的運行。智能工業(yè)制造工業(yè)制造系統(tǒng)必須變得更加“聰明”，而人工智能則是提升工業(yè)制造系統(tǒng)的最強動力。人工智能的視覺工具例如：品質(zhì)監(jiān)控是生產(chǎn)過程中最重要的環(huán)節(jié)，傳統(tǒng)生產(chǎn)線上都安排大量的檢測工人用肉眼進行質(zhì)量檢測。這種方式不僅容易漏檢和誤判，更會給工人造成疲勞傷害。因此很多任務(wù)業(yè)產(chǎn)品公司開發(fā)使用人工智能的視覺工具，幫助工廠自動檢測出形態(tài)各異的缺陷。人工智能與未來01計算機技術(shù)的加速計算機技術(shù)的加速發(fā)展推動了機器人、感知以及機器學(xué)習(xí)領(lǐng)域的進步，讓新一代系統(tǒng)可以匹敵甚至超越人類的能力。02智能解放你的雙手人工智能領(lǐng)域的研究在兩個方向上有所突破。第一從經(jīng)驗中學(xué)習(xí)；第二傳感器和執(zhí)行器結(jié)合。03未來的工作沒有雇傭失業(yè)將會成為一個嚴重的問題，但是令人驚奇的是，失業(yè)的主要原因并不是缺工作機會。未來矛盾來自資產(chǎn)與人馬克思是對的：資本和勞動力之間的矛盾不可避免，而最終失敗的則是工人。但是他無法預(yù)見的是，合成智能也能用資本來取代人的頭腦。04人工智能的五大優(yōu)勢迅速分析在極短的時間讀取、整理和分析全世界范圍內(nèi)的所有公開數(shù)據(jù)、圖像乃至非結(jié)構(gòu)化信息，藉此作出決定。優(yōu)勢深度學(xué)習(xí)智能金融在未來的利器，在線下快速、海量地通過學(xué)習(xí)歷史和交易記錄來提升未來決策水平的能力遠遠高過人類。絕對理性沒有感情、沒有思維定式，可以克服人類的弱點和盲點。個性化人工智能可以提供定制的解決方案，在投資顧問、組合配置等方面可以由模塊式服務(wù)轉(zhuǎn)向個性化服務(wù)。乘數(shù)效應(yīng)可以通過大量機器聯(lián)網(wǎng)，制造乘數(shù)效應(yīng)，不必墜入因人員聚集而經(jīng)常產(chǎn)生的利益錯配、辦公室政治等陷阱。你需要什么樣的能力01非公開信息人工智能的強項是對公開資訊的提取、分析以及作出相應(yīng)決策。如果資訊來自尚未公開的渠道，人就有擊敗人工智能的機會。02對人性的分析機器始終是機器，能力再強也還是機器，在人與人的感情處理上暫時未見優(yōu)勢。03對機器的了解無論你是什么專業(yè)，無論你將來打算從事什么行業(yè)，對于計算機語言都應(yīng)該有或多或少的了解。AI+還是+AI？AI+行業(yè)：從0到1，全新的產(chǎn)業(yè)鏈在AI技術(shù)成熟之前，這個行業(yè)、產(chǎn)品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。漣漪效應(yīng)：根據(jù)用戶行為持續(xù)迭代當一個Al應(yīng)用找到第一批用戶時，用戶的使用行為被后臺記錄下來；開發(fā)者對其行為和記錄進行迭代的改進，當該應(yīng)用投向第二批用戶，其行為已經(jīng)比第一代提升。行業(yè)+AI：從1到N，行業(yè)效率提高1）行業(yè)本身一直存在，產(chǎn)業(yè)鏈條成熟；加入Al后，行業(yè)效率明顯提高。比如安防、醫(yī)療等領(lǐng)域。2）行業(yè)數(shù)據(jù)控制比AI技術(shù)更重要，例如醫(yī)療+Al，最重要的是大量準確的被醫(yī)生標注過的數(shù)據(jù)。4機器學(xué)習(xí)的方法MACHINELEARNINGChapter04人工智能如何自動做出判斷或預(yù)測專家系統(tǒng)基于人工定義的規(guī)則來回答特定問題（局限性）機器學(xué)習(xí)通過學(xué)習(xí)（learning）來獲得預(yù)測或判斷的能力從已知數(shù)據(jù)去學(xué)習(xí)規(guī)律或判斷規(guī)則，再將學(xué)到的規(guī)則應(yīng)用到新數(shù)據(jù)并作出判斷或預(yù)測。從數(shù)據(jù)中學(xué)要求為每個樣本提供預(yù)測量的真實值方式一：監(jiān)督學(xué)習(xí)不要求為每個樣本提供預(yù)測量的真實值方式二：無監(jiān)督學(xué)習(xí)介于監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之間方式三：半監(jiān)督學(xué)習(xí)從行動中學(xué)習(xí)強化學(xué)習(xí)在機器學(xué)習(xí)的實際應(yīng)用中，會遇到另一種問題：利用學(xué)習(xí)得到的模型來指導(dǎo)行動。比如下棋，此時關(guān)注的不是某個判斷是否準確，而是行動過程中能否帶來最大效益，又稱為強化學(xué)習(xí)。模型結(jié)構(gòu)圖強化學(xué)習(xí)模型結(jié)構(gòu)可動態(tài)變化的狀態(tài)（state）可選取的動作（action）可與決策主體進行交互的環(huán)境（environment）回報（reward）規(guī)則人工智能設(shè)計建造智能體人工智能人類智能機器聽覺聽覺中樞機器視覺視覺中樞運