學(xué)習(xí)單元6人工智能

學(xué)習(xí)單元一人工智能1.1初識(shí)人工智能線上課前導(dǎo)學(xué)課前自測(cè)推課前學(xué)習(xí)資源包頭腦風(fēng)暴任務(wù)調(diào)研2022年底到2023年初，美國(guó)人工智能研究室OpenAI推出的ChatGPT爆火出圈，它能夠以前所未有的質(zhì)量完成對(duì)話聊天，甚至可以幫助人類進(jìn)行編程、做作業(yè)、寫(xiě)劇本等文本創(chuàng)造性任務(wù)。2023年3月，OpenAI為發(fā)布了最新GPT-4語(yǔ)言模型。2023年3月15日，微軟副總裁兼消費(fèi)者首席營(yíng)銷官YusufMehdi發(fā)文確認(rèn)新必應(yīng)搜索引擎正在運(yùn)行GPT-4。GPT-4的回答準(zhǔn)確性不僅大幅提高，還具備更高水平的識(shí)圖能力，且能夠生成歌詞、創(chuàng)意文本，實(shí)現(xiàn)風(fēng)格變化。此外，GPT-4的文字輸入限制也提升至2.5萬(wàn)字，且對(duì)于英語(yǔ)以外的語(yǔ)種支持有更多優(yōu)化。人工智能的發(fā)展似乎來(lái)到了歷史的轉(zhuǎn)折點(diǎn)，有望大幅引領(lǐng)改變?nèi)祟惿鐣?huì)。小思考

什么是人工智能？根據(jù)人工智能的發(fā)展歷史和現(xiàn)狀，暢想一下人工智能在近未來(lái)的可能發(fā)展前景，即包括正面的影響，也包括負(fù)面的影響。線上課前導(dǎo)學(xué)頭腦風(fēng)暴任務(wù)調(diào)研課前自測(cè)參考視頻：斯坦福教授李飛飛談人工智能的未來(lái)與發(fā)展/video/BV1se4y1f7t4/參考書(shū)籍：人工智能簡(jiǎn)史全面講述人工智能的發(fā)展史，覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動(dòng)定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、遺傳算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超級(jí)智能、哲學(xué)問(wèn)題和未來(lái)趨勢(shì)等線上課前導(dǎo)學(xué)任務(wù)調(diào)研課前自測(cè)頭腦風(fēng)暴1什么是人工智能？2請(qǐng)舉例說(shuō)明人工智能發(fā)展歷史上的重大事件。3請(qǐng)說(shuō)出人工智能當(dāng)前典型應(yīng)用和未來(lái)發(fā)展趨勢(shì)。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)經(jīng)過(guò)線上課前預(yù)習(xí)，我們應(yīng)該了解到，人工智能（AI）已經(jīng)不再局限于計(jì)算機(jī)科學(xué)領(lǐng)域，它已經(jīng)滲透到了社會(huì)生活的方方面面并引發(fā)廣泛討論。AI在圖像識(shí)別、機(jī)器翻譯、棋類博弈、語(yǔ)音語(yǔ)義處理等多個(gè)領(lǐng)域取得了長(zhǎng)足進(jìn)步，很多人工智能產(chǎn)品在一些具體功能上甚至已經(jīng)超越了人類，人工智能已經(jīng)成為能決定未來(lái)關(guān)鍵戰(zhàn)略性技術(shù)。作為新時(shí)代的大學(xué)生，學(xué)習(xí)人工智能相關(guān)知識(shí)和技術(shù)很重要。在正式學(xué)習(xí)之前應(yīng)該先對(duì)人工智能總體上有一個(gè)清晰的認(rèn)識(shí)，充分了解人工智能的基本概念、研究范圍、技術(shù)特征和發(fā)展趨勢(shì)等，從而能夠根據(jù)自己的需求，明確必須掌握的人工智能的核心技術(shù)，為后續(xù)的技能掌握奠定基礎(chǔ)。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)

1.了解人工智能定義；2.熟悉人工智能發(fā)展歷程；3.理解人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)。目前對(duì)人工智能并沒(méi)有公認(rèn)的精確定義，這里給出一個(gè)粗略的定義：人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)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)?？梢哉f(shuō)，人工智能就是研究如何使機(jī)器具有人類智能的科學(xué)，所以原則上說(shuō)，需要先明白人類智能的本質(zhì)才有可能創(chuàng)造出真正的人工智能。對(duì)于人類智能，可以認(rèn)為包含了從感知、記憶到思維的“智力”和從語(yǔ)言到行為的“能力”兩部分，合稱“智能”。限于目前的科學(xué)技術(shù)水平，我們并沒(méi)有搞清楚智能和人類智能的起源、產(chǎn)生機(jī)制和本質(zhì)，而且因?yàn)檫@個(gè)問(wèn)題的難度，在可預(yù)見(jiàn)的未來(lái)也看不到實(shí)質(zhì)突破的希望，所以現(xiàn)在開(kāi)發(fā)出的所有人工智能都不算真正的人工智能，只是對(duì)人類部分智能行為的模仿。不過(guò)，隨著哲學(xué)、生物學(xué)、腦科學(xué)、心理學(xué)和計(jì)算機(jī)科學(xué)等各種相關(guān)學(xué)科的發(fā)展，人類對(duì)自身智能的理解已經(jīng)越來(lái)越深入，人工智能的能力有望獲得持續(xù)提升。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)1了解人工智能定義線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)圖靈測(cè)試如何判斷機(jī)器是否有智能，或者說(shuō)檢查機(jī)器是否能思維，長(zhǎng)期以來(lái)一直是一個(gè)有爭(zhēng)議的問(wèn)題，1950年，英國(guó)著名科學(xué)家圖靈（Turing）發(fā)表了一篇具有劃時(shí)代意義的論文《計(jì)算機(jī)與智能》，圖靈在此論文中提出了一個(gè)思想實(shí)驗(yàn)“圖靈測(cè)試”，測(cè)試內(nèi)容如下：假想測(cè)試者與兩個(gè)被測(cè)試者采用問(wèn)答模式進(jìn)行對(duì)話，被測(cè)試者一個(gè)是人，另一個(gè)是機(jī)器；測(cè)試者與被測(cè)試者相互隔開(kāi)（通過(guò)電傳設(shè)施進(jìn)行交流），因此測(cè)試者并不知道被測(cè)試者哪個(gè)是人，哪個(gè)是機(jī)器。經(jīng)過(guò)多次測(cè)試后，如果有超過(guò)30%的測(cè)試者不能確定被測(cè)試者是人還是機(jī)器，那么這臺(tái)機(jī)器就算通過(guò)了測(cè)試，被認(rèn)為具有人的智能。典型工作環(huán)節(jié)1了解人工智能定義線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)圖靈曾經(jīng)預(yù)言到20世紀(jì)末就會(huì)有計(jì)算機(jī)成功通過(guò)圖靈測(cè)試，不過(guò)實(shí)際并未實(shí)現(xiàn)。直到2014年6月7日的圖靈逝世60周年紀(jì)念日，英國(guó)皇家學(xué)會(huì)舉行了“2014圖靈測(cè)試”大會(huì)，在這次比賽中有一款名為“尤金·古斯特曼”（EugeneGoostman）的聊天程序，模仿了一個(gè)13歲的烏克蘭男孩，成功欺騙了33%與其通話的人，首次通過(guò)了測(cè)試。

雖然“尤金·古斯特曼”首次通過(guò)了圖靈測(cè)試具有歷史意義，很奪人眼球，但它畢竟只是一個(gè)單純的計(jì)算機(jī)聊天軟件，本質(zhì)上是一個(gè)模仿人類對(duì)話的腳本，從認(rèn)知角度看顯然并沒(méi)有思維能力，不具有真正的智能。典型工作環(huán)節(jié)1

了解人工智能定義線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)1．初創(chuàng)時(shí)期（1936-1956）

一般公認(rèn)人工智能始于20世紀(jì)的30到50年代，在期間一系列相關(guān)科學(xué)技術(shù)成果最終導(dǎo)致人工智能學(xué)科的誕生，其中比較重要的包括：圖靈在1936年提出通用圖靈機(jī)的概念，是現(xiàn)代電子計(jì)算機(jī)的思想原型；美籍匈牙利數(shù)學(xué)家馮·諾伊曼（JohnNeumann）受圖靈的啟發(fā)設(shè)計(jì)了現(xiàn)代可編程電子計(jì)算機(jī)架構(gòu)；1943年美國(guó)心里學(xué)家沃倫·麥卡洛克（WarrenMcColloch）和數(shù)學(xué)家沃爾特·皮茨（WalterPitts）合作提出了第一個(gè)人工神經(jīng)元模型；1956年美國(guó)科學(xué)家約翰·麥卡錫（JohnMcCarthy）組織了一批對(duì)“機(jī)器是否會(huì)產(chǎn)生思維”感興趣的數(shù)學(xué)家、信息學(xué)家、心里學(xué)家、神經(jīng)生理學(xué)家和計(jì)算機(jī)科學(xué)家，在達(dá)特茅斯（Dartmouth）開(kāi)了長(zhǎng)達(dá)兩個(gè)月的研究會(huì)，麥卡錫在會(huì)上首次提出了“人工智能”這個(gè)概念，開(kāi)啟了人工智能發(fā)展的歷史。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)2．第一次繁榮時(shí)期（1956-1969）

人工智能誕生之后幾十年的發(fā)展大致有兩條路線：一是企圖從結(jié)構(gòu)的角度模擬人類智能，即利用人工神經(jīng)網(wǎng)絡(luò)模擬人腦神經(jīng)網(wǎng)絡(luò)以實(shí)現(xiàn)人工智能，由此發(fā)展出了聯(lián)結(jié)主義學(xué)派；二是從功能的角度模擬人類智能，將智能看作是大腦對(duì)各種符合進(jìn)行的處理，由此發(fā)展形成了符號(hào)主義學(xué)派。

人工智能的第一次繁榮時(shí)期的主要成果是由符號(hào)主義學(xué)派取得的，人工智能研究者在機(jī)器翻譯、機(jī)器定理證明、機(jī)器博弈等領(lǐng)域取得了一批顯著成果。1956年，阿瑟·薩繆爾（ArthurSamuel）編寫(xiě)了一個(gè)西洋跳棋程序，此程序戰(zhàn)勝了他自己，1962年又擊敗了美國(guó)的西洋跳棋州冠軍。在本時(shí)期很多研究人員對(duì)人工智能的發(fā)展過(guò)度樂(lè)觀，甚至有預(yù)測(cè)20年內(nèi)即可創(chuàng)造出完全模擬人類智能的機(jī)器。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)3．第一次低谷時(shí)期（1970-1982）

在20世紀(jì)70年代，因?yàn)槔碚摬粔虺墒旌驮缙谟?jì)算機(jī)性能的限制，人工智能的發(fā)展不符合樂(lè)觀預(yù)期，遭到了激烈的批評(píng)和政府預(yù)算限制。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)4．第二次繁榮時(shí)期（1982-1987）

經(jīng)過(guò)一段低谷時(shí)期后，人工智能的發(fā)展在20世紀(jì)80年代迎來(lái)了第二個(gè)繁榮時(shí)期，這一方面是研究者對(duì)基于符號(hào)主義的機(jī)器架構(gòu)進(jìn)行了重大修訂，研制了名為“專家系統(tǒng)”的人工智能產(chǎn)品，機(jī)器在計(jì)算、預(yù)測(cè)和識(shí)別等能力獲得了較大提升；另一方面，聯(lián)結(jié)主義也突破了早期感知機(jī)的缺陷，提出了多層人工神經(jīng)網(wǎng)絡(luò)模型，人工神經(jīng)網(wǎng)絡(luò)進(jìn)入快速發(fā)展階段。日本政府在此時(shí)期也啟動(dòng)了一項(xiàng)關(guān)于人工智能的大規(guī)模資助計(jì)劃，目的是制造所謂第五代智能計(jì)算機(jī)。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)5．第二次低谷時(shí)期（1987-1997）

由于專家系統(tǒng)對(duì)當(dāng)時(shí)的計(jì)算機(jī)能力而言過(guò)于復(fù)雜，性能非常有限，使一度充滿活力的市場(chǎng)突然大幅崩潰，日本政府也因此停止了第五代智能計(jì)算機(jī)的研發(fā)工作。人工智能的發(fā)展進(jìn)入了第二次低谷時(shí)期。在此期間，符號(hào)主義人工智能派別衰落，很多研究者重新審視發(fā)展人工神經(jīng)網(wǎng)絡(luò)，取得很大進(jìn)步，為后面人工智能的復(fù)蘇和爆發(fā)奠定了基礎(chǔ)。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)6．復(fù)蘇時(shí)期（1997-2010）1997年，IBM研發(fā)的深藍(lán)（DeepBlue）戰(zhàn)勝了卡斯帕羅夫（Kasparov），深藍(lán)綜合了知識(shí)表示、符號(hào)處理、搜索算法和機(jī)器學(xué)習(xí)等多種人工智能技術(shù)，成為第一臺(tái)在多局國(guó)際象棋比賽中戰(zhàn)勝人類世界冠軍的計(jì)算機(jī)。2006年，加拿大多倫多大學(xué)教授杰弗里·辛頓（GeoffreyHinton）聯(lián)合他的兩個(gè)學(xué)生發(fā)表了具有突破性的論文“深度置信網(wǎng)的快速學(xué)習(xí)方法”（AFastLearningAlgorithmforDeepBeliefNets），開(kāi)創(chuàng)了深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的歷史，引爆了未來(lái)的技術(shù)和商業(yè)革命。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)7．爆發(fā)增長(zhǎng)時(shí)期（2010至今）

從2010年開(kāi)始，由于計(jì)算機(jī)軟硬件技術(shù)的進(jìn)步和互聯(lián)網(wǎng)大數(shù)據(jù)的到來(lái)，引發(fā)了一場(chǎng)人工智能技術(shù)大爆炸，新一代高性能人工智能產(chǎn)品不斷推出。2010年，美國(guó)斯坦福大學(xué)教授李飛飛創(chuàng)建了一個(gè)名為ImageNet的大型數(shù)據(jù)庫(kù)，其中包含數(shù)百萬(wàn)個(gè)打好標(biāo)簽的圖像，吸引了全世界程序參加對(duì)ImageNet數(shù)據(jù)庫(kù)中的圖像進(jìn)行分類檢測(cè)的挑戰(zhàn)競(jìng)賽。2015年，微軟亞洲研究院何凱明等人使用基于深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）技術(shù)開(kāi)發(fā)的一個(gè)152層的殘差網(wǎng)絡(luò)參加ImageNet圖像分類競(jìng)賽，取得了整體錯(cuò)誤3.57%的成績(jī)，首次超過(guò)平均5%錯(cuò)誤率的人類水平。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)2016年，美國(guó)Google公司旗下DeepMind公司開(kāi)發(fā)了集成搜索、人工神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等多種人工智能新技術(shù)的圍棋對(duì)弈程序AlphaGO，以4：1首次戰(zhàn)勝了人類圍棋世界冠軍李世石，2017年AlphaGO又以3：0戰(zhàn)勝當(dāng)時(shí)等級(jí)分第一的棋手柯潔。AlphaGO在長(zhǎng)期被認(rèn)為機(jī)器很難攻克的圍棋博弈領(lǐng)域獲得突破性進(jìn)展，成為人工智能發(fā)展史上的一個(gè)里程碑。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)

隨著人工智能技術(shù)的不斷發(fā)展，世界各國(guó)IT巨頭和眾多初創(chuàng)科技公司也紛紛加入人工智能新產(chǎn)品研發(fā)的戰(zhàn)場(chǎng)，其中比較出名的有：2018年，DeepMind開(kāi)發(fā)的AlphaFold在第13屆國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽（CASP13）中奪魁，引領(lǐng)了一場(chǎng)生命科學(xué)研究方法革命；2019年，DeepMind開(kāi)發(fā)的AlphaStar在“星際爭(zhēng)霸2”游戲中以10：1戰(zhàn)勝了人類冠軍團(tuán)隊(duì)；2020年，OpenAI公司推出了大型自然語(yǔ)言處理（NLP）預(yù)訓(xùn)練模型GPT-3，2022年又推出后續(xù)版本ChatGPT，能夠以前所未有的質(zhì)量完成對(duì)話聊天，甚至可以幫助人類進(jìn)行諸如程序代碼生成和修改、文獻(xiàn)翻譯、小說(shuō)和商業(yè)文案創(chuàng)作、作業(yè)評(píng)價(jià)等文本創(chuàng)造性任務(wù)，有望使未來(lái)人類工作效率獲得極大提高。到2023年初，ChatGPT和升級(jí)版GPT-4在全球范圍內(nèi)以前所未有的速度吸引超過(guò)一億用戶，并成功從科技領(lǐng)域破圈，成為新聞界廣泛報(bào)道的對(duì)象和街頭巷尾的談資。典型工作環(huán)節(jié)2人工智能發(fā)展歷程線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)1．人工智能研究?jī)?nèi)容

現(xiàn)在人工智能一般被認(rèn)作計(jì)算機(jī)科學(xué)的一個(gè)分支，但它同時(shí)也是一個(gè)牽涉到哲學(xué)、語(yǔ)言學(xué)、心理學(xué)、腦科學(xué)等多個(gè)學(xué)科的交叉學(xué)科，并且是正在不斷高速發(fā)展的新興學(xué)科，所以人工智能涉及的研究?jī)?nèi)容非常廣泛龐雜，從模擬人類的角度大概可以分為感知智能、認(rèn)知智能、行為智能、群體智能和類腦智能等，具體大致包括問(wèn)題求解、邏輯推理和定理證明、人工神經(jīng)網(wǎng)絡(luò)、自然計(jì)算、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、多智能體、決策支持系統(tǒng)、知識(shí)圖譜、數(shù)據(jù)挖掘、計(jì)算機(jī)視覺(jué)、模式識(shí)別、機(jī)器人技術(shù)、人機(jī)交互、人機(jī)融合、類腦計(jì)算等。

除了上述理工科研究?jī)?nèi)容，人工智能還可以與各種社會(huì)科學(xué)，例如法學(xué)、管理學(xué)、倫理學(xué)等學(xué)科交叉，衍生出新的研究?jī)?nèi)容，例如人工智能法學(xué)，人工智能倫理學(xué)，人工智能管理學(xué)等。機(jī)器學(xué)習(xí)是目前人工智能最成功也是最熱門的研究領(lǐng)域，也是一般學(xué)生在學(xué)習(xí)人工智能技術(shù)時(shí)的主要學(xué)習(xí)內(nèi)容。典型工作環(huán)節(jié)3人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)2．人工智能典型應(yīng)用

隨著人工智能技術(shù)的不斷發(fā)展，越來(lái)越多的行業(yè)想要深入應(yīng)用人工智能技術(shù)獲得收益，總體而言，目前人工智能應(yīng)用最多的兩個(gè)方向是機(jī)器視覺(jué)和自然語(yǔ)言處理，具體來(lái)說(shuō)，當(dāng)前下列領(lǐng)域人工智能應(yīng)用最為廣泛。（1）圖像檢索（2）語(yǔ)音識(shí)別（3）機(jī)器翻譯（4）個(gè)性化推薦（5）智能呼叫機(jī)器人（6）無(wú)人自動(dòng)駕駛典型工作環(huán)節(jié)3人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)3．人工智能發(fā)展趨勢(shì)（1）政策趨勢(shì)2016年以后，新一代人工智能技術(shù)引起了各國(guó)政府的關(guān)注，紛紛不斷出臺(tái)政策，進(jìn)行頂層設(shè)計(jì)，在規(guī)劃、研發(fā)、產(chǎn)業(yè)化等多方面提前布局，引發(fā)了人工智能方面的國(guó)際競(jìng)賽。

各國(guó)政府出臺(tái)的政策的共同點(diǎn)是將人工智能定位為面向未來(lái)增強(qiáng)國(guó)際競(jìng)爭(zhēng)力的國(guó)家戰(zhàn)略，2017年，國(guó)務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年的我國(guó)新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，目標(biāo)是構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)。典型工作環(huán)節(jié)3人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)3．人工智能發(fā)展趨勢(shì)（2）技術(shù)趨勢(shì)

當(dāng)前人工智能在技術(shù)上大致可分為感知、認(rèn)知和執(zhí)行三個(gè)層次，感知層包括機(jī)器視覺(jué)、語(yǔ)音識(shí)別等利用人工智能獲取外部數(shù)據(jù)的技術(shù)，認(rèn)知層主要包括機(jī)器學(xué)習(xí)技術(shù)，執(zhí)行層包括機(jī)器人、智能芯片和類腦計(jì)算等技術(shù)。

目前人工智能在技術(shù)層面上主要還是以弱人工智能來(lái)實(shí)現(xiàn)感知智能和初級(jí)認(rèn)知智能。隨著計(jì)算機(jī)計(jì)算能力的飛速發(fā)展，在云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)和深度學(xué)習(xí)等技術(shù)支持下，人工智能在感知和初級(jí)認(rèn)知智能上已經(jīng)取得了令人驚嘆的成績(jī)，不過(guò)，現(xiàn)有人工智能在邏輯推理、自主學(xué)習(xí)、復(fù)雜場(chǎng)景自適應(yīng)等方面還存在很多缺陷，有賴于未來(lái)技術(shù)進(jìn)一步突破獲得改善，至于通用人工智能或強(qiáng)人工智能由于難度太大，主要還停留在思想研討階段。典型工作環(huán)節(jié)3人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)3．人工智能發(fā)展趨勢(shì)（3）應(yīng)用趨勢(shì)

人工智能技術(shù)目前處于高速發(fā)展階段，整體還遠(yuǎn)沒(méi)有成熟，但已經(jīng)出現(xiàn)了一些比較成熟的平臺(tái)、框架和工具，一些效果特別好的產(chǎn)品例如人臉識(shí)別系統(tǒng)已經(jīng)在很多行業(yè)落地，獲得廣泛應(yīng)用。人工智能的一個(gè)發(fā)展趨勢(shì)是與制造業(yè)、醫(yī)藥業(yè)、農(nóng)業(yè)、教育和金融等傳統(tǒng)行業(yè)結(jié)合，出現(xiàn)“智能+行業(yè)”的多種新興業(yè)態(tài)，例如智能制造、智能醫(yī)療、智能教育、智能農(nóng)業(yè)、智能金融等。隨著人工智能技術(shù)的不斷突破和新產(chǎn)品的不斷出現(xiàn)，人工智能在各個(gè)行業(yè)的應(yīng)用場(chǎng)景和業(yè)務(wù)范圍也有望逐漸擴(kuò)大。典型工作環(huán)節(jié)3人工智能研究?jī)?nèi)容、典型應(yīng)用和發(fā)展趨勢(shì)線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)簡(jiǎn)答題（1）什么是人工智能？（2）人工智能發(fā)展歷史上經(jīng)歷過(guò)哪些低谷，原因是什么？（3）人工智能目前有哪些應(yīng)用，你認(rèn)為哪些應(yīng)用最有發(fā)展前途，為什么？學(xué)習(xí)單元一人工智能1.2認(rèn)識(shí)人工智能和機(jī)器學(xué)習(xí)線上課前導(dǎo)學(xué)課前自測(cè)頭腦風(fēng)暴任務(wù)調(diào)研現(xiàn)在人工智能概念極其火爆，前途光明，很多人想入門人工智能，或者轉(zhuǎn)行人工智能。其實(shí)人工智能是一個(gè)很大的方向，現(xiàn)在提到的人工智能基本上都默認(rèn)以深度學(xué)習(xí)為主導(dǎo)的方法。小思考

從零開(kāi)始學(xué)習(xí)人工智能，我們需要掌握哪些核心知識(shí)和技能？線上課前導(dǎo)學(xué)頭腦風(fēng)暴任務(wù)調(diào)研課前自測(cè)部分參考書(shū)籍：《機(jī)器學(xué)習(xí)算法競(jìng)賽實(shí)戰(zhàn)》《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-LearnKeras和TensorFlow》《深度學(xué)習(xí)入門基于Python的理論與實(shí)現(xiàn)》《機(jī)器學(xué)習(xí)與深度學(xué)習(xí)Python版·微課視頻版》《深度學(xué)習(xí)：從基礎(chǔ)到實(shí)踐》線上課前導(dǎo)學(xué)任務(wù)調(diào)研課前自測(cè)頭腦風(fēng)暴1人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系是什么？2機(jī)器學(xué)習(xí)的基本流程是什么？3列舉幾個(gè)機(jī)器學(xué)習(xí)算法并說(shuō)明其基本原理。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)通過(guò)前面任務(wù)的學(xué)習(xí)，我們初步認(rèn)識(shí)了人工智能，如果不滿足于對(duì)人工智能泛泛的了解，想獲得利用人工智能解決實(shí)際問(wèn)題的知識(shí)和技能，就必須繼續(xù)學(xué)習(xí)人工智能的核心技術(shù)，當(dāng)前人工智能最廣泛也是最成功應(yīng)用的領(lǐng)域是機(jī)器視覺(jué)、語(yǔ)音識(shí)別和自然語(yǔ)言處理，開(kāi)發(fā)這些領(lǐng)域里的人工智能應(yīng)用產(chǎn)品都需要用到機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)就是目前人工智能中使用最廣泛的核心技術(shù)，需要認(rèn)真學(xué)習(xí)掌握，為自己應(yīng)用和開(kāi)發(fā)人工智能產(chǎn)品做好準(zhǔn)備。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)1.理解人工智能和機(jī)器學(xué)習(xí)的關(guān)系；2.熟悉機(jī)器學(xué)習(xí)的基本流程和步驟；3.熟悉機(jī)器學(xué)習(xí)的常見(jiàn)開(kāi)發(fā)工具；4.了解機(jī)器學(xué)習(xí)的核心算法。機(jī)器學(xué)習(xí)（MachineLearning）是被視為人工智能的一個(gè)子集，主要研究計(jì)算機(jī)如何自動(dòng)獲取知識(shí)和技能，實(shí)現(xiàn)自我完善。要使機(jī)器具備類似人類那樣的學(xué)習(xí)能力，歷史上出現(xiàn)過(guò)符號(hào)學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)兩種主要方法，符號(hào)學(xué)習(xí)以知識(shí)推理為主要工具，早期人工智能發(fā)展時(shí)期曾推動(dòng)了機(jī)器學(xué)習(xí)的發(fā)展，現(xiàn)在隨著計(jì)算機(jī)算力的提高和大數(shù)據(jù)的普及，統(tǒng)計(jì)學(xué)習(xí)占據(jù)了絕對(duì)主導(dǎo)地位，從統(tǒng)計(jì)學(xué)習(xí)的角度來(lái)說(shuō)，機(jī)器學(xué)習(xí)算法是從現(xiàn)有數(shù)據(jù)中分析出規(guī)律，并利用規(guī)律來(lái)對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)中的分類、聚類和回歸等任務(wù)的重要方法，后來(lái)研究者發(fā)現(xiàn)改進(jìn)后的多層次的神經(jīng)網(wǎng)絡(luò)可以用來(lái)自動(dòng)提取數(shù)據(jù)特征，這種方法逐漸發(fā)展成為機(jī)器學(xué)習(xí)中的一個(gè)重要分支即深度學(xué)習(xí)（DeepLearning）。機(jī)器學(xué)習(xí)是人工智能的重要子集，深度學(xué)習(xí)又是機(jī)器學(xué)習(xí)目前最有發(fā)展前途的一個(gè)子集。近年來(lái)，正是由于深度學(xué)習(xí)取得了重大突破，得到了廣泛應(yīng)用，推動(dòng)了機(jī)器學(xué)習(xí)和人工智能的蓬勃發(fā)展。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)1認(rèn)識(shí)人工智能和機(jī)器學(xué)習(xí)一個(gè)典型的機(jī)器學(xué)習(xí)應(yīng)用開(kāi)發(fā)流程大致包括數(shù)據(jù)采集、特征工程、模型建立和模型使用四個(gè)階段。1．?dāng)?shù)據(jù)采集由于機(jī)器學(xué)習(xí)是從數(shù)據(jù)中進(jìn)行學(xué)習(xí)的方法，所以首先要針對(duì)想要解決的問(wèn)題進(jìn)行數(shù)據(jù)的采集。采集獲取的數(shù)據(jù)根據(jù)用途又可分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，訓(xùn)練數(shù)據(jù)是用來(lái)幫助機(jī)器學(xué)習(xí)知識(shí)，建立起包含知識(shí)的模型的數(shù)據(jù)，測(cè)試數(shù)據(jù)是模型服務(wù)的對(duì)象，用來(lái)檢查訓(xùn)練獲得的模型能否做出正確的預(yù)測(cè)。采集到的數(shù)據(jù)類型既有格式化的數(shù)據(jù)，也包括文本、音頻、視頻等非格式化數(shù)據(jù)，數(shù)據(jù)采集有兩種方法，一種是自己采集，一般要用到信息采集設(shè)備例如傳感器、掃描儀和攝像頭等，另一種就是去互聯(lián)網(wǎng)上搜集下載公開(kāi)的數(shù)據(jù)集。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)2

機(jī)器學(xué)習(xí)基本流程和步驟2．特征工程采集獲取的原始數(shù)據(jù)一般不能直接用來(lái)訓(xùn)練模型，需要先經(jīng)過(guò)處理才能使用，處理數(shù)據(jù)的過(guò)程被成為特征工程，目的是從數(shù)據(jù)中提取能訓(xùn)練模型的格式化數(shù)據(jù)。用于訓(xùn)練的格式化數(shù)據(jù)一般是一個(gè)包括多項(xiàng)分量的向量，即通過(guò)特征工程后，每個(gè)訓(xùn)練數(shù)據(jù)都變成了一個(gè)向量（特征向量），特征向量的每個(gè)分量稱為特征。在機(jī)器學(xué)習(xí)中，特征工程是非常重要的環(huán)節(jié)，特征工程的質(zhì)量往往決定了最終訓(xùn)練模型的質(zhì)量。在傳統(tǒng)上，用手工提取特征是很困難的時(shí)期，近年來(lái)，正是因?yàn)樯疃葘W(xué)習(xí)領(lǐng)域在自動(dòng)提取特征方面的研究取得了重大突破，使機(jī)器學(xué)習(xí)的門檻大大降低，使機(jī)器學(xué)習(xí)在各行各業(yè)得到廣泛應(yīng)用。和訓(xùn)練數(shù)據(jù)一樣，測(cè)試數(shù)據(jù)也要經(jīng)過(guò)相同的特征工程，提取出符合模型輸入需要的特征向量。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)2

機(jī)器學(xué)習(xí)基本流程和步驟3．模型建立

模型建立是機(jī)器學(xué)習(xí)流程的核心，訓(xùn)練數(shù)據(jù)訓(xùn)練的最終結(jié)果就是得到一個(gè)模型，模型的作用是針對(duì)特定的問(wèn)題，根據(jù)輸入的特征給出輸出的結(jié)果。

模型建立首先要確定創(chuàng)建什么類型的模型，機(jī)器學(xué)習(xí)的模型類型很多，可以從多個(gè)角度進(jìn)行分類。（1）學(xué)習(xí)過(guò)程分類機(jī)器學(xué)習(xí)可以分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)。（2）完成任務(wù)類型分類機(jī)器學(xué)習(xí)模型可分為聚類、分類、回歸和標(biāo)注等模型。（3）模型建立過(guò)程建立模型的過(guò)程可以分為模型訓(xùn)練、模型評(píng)估和模型優(yōu)化三個(gè)階段4．模型使用訓(xùn)練完成后得到一個(gè)最優(yōu)的模型，將待預(yù)測(cè)的數(shù)據(jù)輸入模型，得到最終的預(yù)測(cè)結(jié)果。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)2

機(jī)器學(xué)習(xí)基本流程和步驟對(duì)人工智能項(xiàng)目進(jìn)行專業(yè)的開(kāi)發(fā)、維護(hù)和使用需要用到編程語(yǔ)言，很多高級(jí)編程語(yǔ)言都能勝任這項(xiàng)工作，由于Python語(yǔ)言在使用上的便捷和相關(guān)庫(kù)的豐富，目前常見(jiàn)的人工智能程序軟件基本上都是用Python語(yǔ)言來(lái)寫(xiě)的，Python已經(jīng)成為事實(shí)上的人工智能標(biāo)準(zhǔn)開(kāi)發(fā)語(yǔ)言，機(jī)器學(xué)習(xí)項(xiàng)目也不例外。Python開(kāi)發(fā)人工智能項(xiàng)目最常用的一個(gè)集成開(kāi)發(fā)環(huán)境是Anaconda。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)3機(jī)器學(xué)習(xí)常見(jiàn)開(kāi)發(fā)工具除了編程集成環(huán)境，開(kāi)發(fā)人員還需要強(qiáng)大的人工智能應(yīng)用框架來(lái)幫助自己提高項(xiàng)目開(kāi)發(fā)效率，有了人工智能開(kāi)發(fā)框架，開(kāi)發(fā)人員可以不需要事必躬親去完成繁瑣的底層編碼工作，將精力集中到高層配置上，從而降低了人工智能開(kāi)發(fā)的門檻。很多組織和公司都開(kāi)發(fā)過(guò)人工智能應(yīng)用框架，當(dāng)前使用比較多的幾個(gè)人工智能應(yīng)用框架是TensorFlow、PyTorch、MindSpore和PaddlePaddle，它們主要應(yīng)用在深度學(xué)習(xí)項(xiàng)目的開(kāi)發(fā)中。TensorFlow是Google公司于2015年開(kāi)源的深度學(xué)習(xí)框架，能夠?qū)?fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工神經(jīng)網(wǎng)中進(jìn)行分析和處理。PyTorch是Facebook公司開(kāi)發(fā)的深度學(xué)習(xí)框架，在學(xué)術(shù)研究領(lǐng)域被廣泛應(yīng)用。MindSpore是華為公司于2020年開(kāi)源的新一代全場(chǎng)景深度學(xué)習(xí)框架，可以在動(dòng)態(tài)圖模式和靜態(tài)圖模式之間切換。PaddlePaddle中文名稱是飛槳，是百度公司開(kāi)發(fā)的深度學(xué)習(xí)框架，飛槳是也中國(guó)最早開(kāi)源的深度學(xué)習(xí)框架。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)3機(jī)器學(xué)習(xí)常見(jiàn)開(kāi)發(fā)工具

1．聚類機(jī)器學(xué)習(xí)里的聚類（Clustering）用于對(duì)事物進(jìn)行分組的任務(wù)，聚類算法是對(duì)代表事物的實(shí)例集合進(jìn)行分組（分簇）的算法。聚類屬于無(wú)監(jiān)督學(xué)習(xí)，使用的樣本沒(méi)有標(biāo)簽。根據(jù)分組依據(jù)的不同，有很多類型的聚類算法，最常見(jiàn)的是K均值（K-means）聚類算法，基本原理是將數(shù)據(jù)劃分為k個(gè)簇，使得同一簇中的數(shù)據(jù)點(diǎn)較近，不同簇中的數(shù)據(jù)點(diǎn)相距較遠(yuǎn)，因此，它是一種基于分區(qū)的聚類技術(shù)，數(shù)據(jù)點(diǎn)的相似性由它們之間的距離決定。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

2．線性回歸線性回歸是一種監(jiān)督學(xué)習(xí)算法，目的是通過(guò)對(duì)數(shù)據(jù)擬合線性方程來(lái)模擬連續(xù)目標(biāo)變量與一個(gè)或多個(gè)自變量之間的關(guān)系。使用線性回歸的前提是自變量和目標(biāo)變量之間需要存在線性關(guān)系。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

3．邏輯回歸邏輯回歸雖然名稱上有回歸兩字，實(shí)際上是一種分類算法。邏輯回歸常用來(lái)解決二分類問(wèn)題（只有正樣本和負(fù)樣本）。邏輯回歸是一種監(jiān)督學(xué)習(xí)算法。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

4．決策樹(shù)決策樹(shù)也是機(jī)器學(xué)習(xí)的一種重要算法，如圖6-16所示，決策樹(shù)建立在反復(fù)提出問(wèn)題以劃分?jǐn)?shù)據(jù)的基礎(chǔ)上，決策樹(shù)學(xué)習(xí)速度快，預(yù)測(cè)速度快，對(duì)于許多問(wèn)題的預(yù)測(cè)很準(zhǔn)確，并且不需要事先為數(shù)據(jù)做任何特殊準(zhǔn)備。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

5．支持向量機(jī)支持向量機(jī)（supportvectormachines,SVM）是一種二分類模型，它的基本模型是定義在特征空間上的間隔最大的線性分類器。支持向量機(jī)也是一種監(jiān)督學(xué)習(xí)算法，主要用于分類任務(wù)，但也適用于回歸任務(wù)。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

6．樸素貝葉斯樸素貝葉斯算法（NaiveBayesianalgorithm)也是應(yīng)用最為廣泛的分類算法之一，樸素貝葉斯算法的基礎(chǔ)是貝葉斯算法，貝葉斯方法是以貝葉斯原理為基礎(chǔ)，使用概率統(tǒng)計(jì)的知識(shí)對(duì)樣本數(shù)據(jù)集進(jìn)行分類。由于其有著堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)，貝葉斯分類算法的誤判率非常低，貝葉斯方法的特點(diǎn)是結(jié)合先驗(yàn)概率和后驗(yàn)概率，即避免了只使用先驗(yàn)概率的主觀偏見(jiàn)，也避免了單獨(dú)使用樣本信息的過(guò)擬合現(xiàn)象。貝葉斯分類算法在數(shù)據(jù)集較大的情況下表現(xiàn)出較高的準(zhǔn)確率，同時(shí)算法本身也比較簡(jiǎn)單。樸素貝葉斯方法是在貝葉斯算法的基礎(chǔ)上進(jìn)行了相應(yīng)的簡(jiǎn)化，即假定給定目標(biāo)值時(shí)屬性之間相互條件獨(dú)立。雖然這個(gè)簡(jiǎn)化方式在一定程度上降低了貝葉斯分類算法的分類效果，但是在實(shí)際的應(yīng)用場(chǎng)景中，極大地簡(jiǎn)化了貝葉斯方法的復(fù)雜性。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法

7．K近鄰（KNN）K近鄰（KNN）算法是一種監(jiān)督學(xué)習(xí)算法，可用于解決分類和回歸任務(wù)。KNN的主要思想是數(shù)據(jù)點(diǎn)的值或類別由它周圍的數(shù)據(jù)點(diǎn)決定。KNN通過(guò)搜索整個(gè)訓(xùn)練集內(nèi)K個(gè)最相似的實(shí)例（鄰居），并對(duì)這些K個(gè)實(shí)例的輸出變量進(jìn)行匯總，來(lái)預(yù)測(cè)新的數(shù)據(jù)點(diǎn)。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法8．隨機(jī)森林隨機(jī)森林算法是最流行和最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一，可以同時(shí)勝任分類和回歸任務(wù)。隨機(jī)森林算法屬于集成學(xué)習(xí)，核心思想是將多個(gè)分類器進(jìn)行組合，從而實(shí)現(xiàn)一個(gè)效果更好的集成分類器。隨機(jī)森林以決策樹(shù)為基本單元，通過(guò)集成大量的決策樹(shù)，就構(gòu)成了隨機(jī)森林。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)4

機(jī)器學(xué)習(xí)核心算法線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)

1．選擇題（1）聚類屬于（）。A無(wú)監(jiān)督學(xué)習(xí) B有監(jiān)督學(xué)習(xí)C半監(jiān)督學(xué)習(xí) D以上都不對(duì)（2）機(jī)器學(xué)習(xí)應(yīng)用流程包括數(shù)據(jù)采集、____、模型建立和模型使用四個(gè)階段。（）A降維工程 B特征工程C清洗工程 D標(biāo)準(zhǔn)工程（3）下列不屬于深度學(xué)習(xí)框架的是（）。ATensorFlow BJupyterNotebookCMindSpore DPaddlePaddle2．簡(jiǎn)答題（1）說(shuō)明人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系。（2）簡(jiǎn)要說(shuō)明K-means聚類算法原理。學(xué)習(xí)單元一人工智能1.3應(yīng)用和開(kāi)發(fā)人工智能項(xiàng)目線上課前導(dǎo)學(xué)課前自測(cè)頭腦風(fēng)暴任務(wù)調(diào)研小思考

使用哪些人工智能產(chǎn)品可以提高自己的學(xué)習(xí)/生活效率和質(zhì)量，如果需要自己開(kāi)發(fā)人工智能項(xiàng)目產(chǎn)品，應(yīng)該采用什么方法？線上課前導(dǎo)學(xué)頭腦風(fēng)暴任務(wù)調(diào)研課前自測(cè)參考資料：Kaggle競(jìng)賽官網(wǎng)天池競(jìng)賽官網(wǎng)

OpenAI官網(wǎng)百度文心一言/welcomeKatago網(wǎng)址https:///lightvector/katago線上課前導(dǎo)學(xué)任務(wù)調(diào)研課前自測(cè)頭腦風(fēng)暴根據(jù)自己的需求和偏好，嘗試下載一個(gè)人工智能工具產(chǎn)品，幫助自己進(jìn)行娛樂(lè)或內(nèi)容創(chuàng)作，例如翻譯、棋類對(duì)弈、繪畫(huà)、文案劇本創(chuàng)作、程序編寫(xiě)等等。嘗試自行開(kāi)發(fā)一個(gè)人工智能項(xiàng)目，運(yùn)行在自己的電腦上，例如通過(guò)攝像頭進(jìn)行人臉識(shí)別。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)通過(guò)前面的學(xué)習(xí)我們已經(jīng)對(duì)人工智能基礎(chǔ)概念和人工智能核心技術(shù)有了一定的了解，下面我們嘗試?yán)萌斯ぶ悄芗夹g(shù)做一些實(shí)際工作，包括使用已開(kāi)發(fā)完成的人工智能產(chǎn)品和自行開(kāi)發(fā)人工智能項(xiàng)目完成任務(wù)。人工智能使用和開(kāi)發(fā)的專業(yè)門檻都比較高，實(shí)際開(kāi)發(fā)人工智能項(xiàng)目需要的大量配套知識(shí)和技能，也不可能在本章有限篇幅內(nèi)講清楚，因此本節(jié)的主要目標(biāo)是通過(guò)使用一個(gè)實(shí)際人工智能產(chǎn)品和展示一個(gè)典型人工智能項(xiàng)目的開(kāi)發(fā)流程，加深對(duì)人工智能應(yīng)用和開(kāi)發(fā)的認(rèn)知理解。讀者如果想繼續(xù)學(xué)習(xí)掌握人工智能應(yīng)用開(kāi)發(fā)技能，需要閱讀更專業(yè)的書(shū)籍資料。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)1.下載安裝配置katago，進(jìn)行圍棋人機(jī)對(duì)弈；2.編寫(xiě)Python程序?qū)崿F(xiàn)一個(gè)人工智能分類項(xiàng)目。作為普通用戶，其實(shí)現(xiàn)在日常生活中已經(jīng)能夠接觸和使用到很多人工智能產(chǎn)品了，例如上網(wǎng)時(shí)會(huì)收到商家根據(jù)人工智能分析發(fā)送的推薦、手機(jī)上的翻譯App、AI自動(dòng)生成的字幕和語(yǔ)音、考勤使用的人臉識(shí)別、開(kāi)車時(shí)使用的輔助駕駛，等等?，F(xiàn)在已經(jīng)有很多人工智能產(chǎn)品開(kāi)放了使用接口給普通用戶，甚至開(kāi)源了算法和代碼，這樣我們就不用總是重復(fù)造輪子，可以直接使用已有的人工智能產(chǎn)品滿足自己的需求，或者以此為基礎(chǔ)改進(jìn)生成自己的人工智能項(xiàng)目。下面我們就以一個(gè)開(kāi)源的人工智能圍棋程序KataGo為例簡(jiǎn)單說(shuō)明人工智能產(chǎn)品的安裝使用，自從DeepMind公司公開(kāi)了AlphaGO的原理論文后，已出現(xiàn)了不少開(kāi)源的人工智能圍棋程序，其中目前使用最廣泛的是KataGo。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)1使用人工智能產(chǎn)品

可以下載KataGo的源碼自己研究，并根據(jù)自己的情況進(jìn)行個(gè)性化編譯。根據(jù)自己的圍棋水平和計(jì)算機(jī)GPU顯卡的檔次也可以選配不同的KataGo版本。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)1使用人工智能產(chǎn)品

普通用戶如果沒(méi)有自己的編譯和研究需求，也可以直接去下載適合自己計(jì)算機(jī)平臺(tái)的已編譯好的可執(zhí)行程序文件。

到地址/sanderland/katrain/releases上可以下載已編譯好并帶圖形界面的KataGo可執(zhí)行文件KaTrain。線下課中演練前情回顧任務(wù)驅(qū)動(dòng)演示講解鞏固小結(jié)鞏固小結(jié)典型工作環(huán)節(jié)1