人工智能導論-課件 第1章 人工智能的前世今生

《人工智能概論》第一章人工智能概述課程簡介智創(chuàng)未來，未來已來。這是一個人工智能的時代。發(fā)明了圍棋的堯生活于公元前約2300年，而在四千多年之后，AlphaGo在圍棋項目上戰(zhàn)勝了人類頂尖棋手，宣告在圍棋項目上機器智能已超越了人類智能。當古老的中華傳統(tǒng)文化與現(xiàn)代的人工智能技術不期而遇，發(fā)生碰撞，會產(chǎn)生什么樣的火花呢？讓我們進入《人工智能概論》課程，來一探究竟吧！課程學習方法理論掌握人工智能的概念、理論基礎與應用概況。建議非相關專業(yè)學生以重點掌握人工智能的概念與各國產(chǎn)業(yè)應用為主，相關專業(yè)學生可以對基礎理論進行深入學習。實踐掌握人工智能工具的應用與基礎人工智能技術。建議非相關專業(yè)學生以掌握人工智能工具的應用為重點，相關專業(yè)學生可以對相關技術如編程語言、神經(jīng)網(wǎng)絡模型等進行深入學習。課程考試目錄三人工智能應用概況一人工智能內(nèi)涵二人工智能理論基礎人工智能內(nèi)涵一情景導入同學們，說說你身邊的人工智能？情景導入什么是人工智能？人工智能內(nèi)涵圖靈（1912-1954），英國數(shù)學家、邏輯學家，被稱為計算機科學之父，人工智能之父。1950年在論文《機器能思考么？》中提出了圖靈測試，一種用于判定機器是否具有智能的試驗方法，如下：提問者和回答者分開，提問者通過一些裝置（鍵盤）向機器隨意提問。多次測試，如果有超過30%的提問者認為回答問題的是人而不是機器，那么這臺機器就通過了測試，具有了人工智能。人工智能內(nèi)涵學術界的觀點約翰·麥卡錫使一部機器的反應方式像一個人在行動時所依據(jù)的智能；制造智能機器的科學與工程，特別是智能計算機程序；尼爾斯·尼爾森人工智能是關于知識的學科—怎樣表示知識以及怎樣獲得知識并使用知識的學科；帕特里克·溫斯頓人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。人工智能內(nèi)涵廣義人工智能人工智能指通過計算機實現(xiàn)人的頭腦思維所產(chǎn)生的效果，是對能夠從環(huán)境中獲取感知并執(zhí)行行動的智能體的描述和構(gòu)建人工智能產(chǎn)業(yè)人工智能產(chǎn)業(yè)的構(gòu)建包括數(shù)據(jù)資源、計算引擎、算法、技術、基于人工智能算法和技術進行研發(fā)及拓展應用的企業(yè)以及應用領域人工智能技術人工智能技術是人類在利用和改造機器的過程中所掌握的物質(zhì)方法、手段和只是等各種活動方式的總和人工智能概念及界定人工智能內(nèi)涵定義我們通常講的人工智能指向人工智能技術，指利用技術學習人、模擬人，乃至超越人類智能的綜合能力；即通過機器實現(xiàn)人的頭腦思維，使其具備感知、決策與行動力。形象來說，人工智能可理解為由不同音符組成的音樂，而不同音符是由不同的樂器所奏響的，最終實現(xiàn)傳遞演奏者內(nèi)心所想與頭腦所思的效果。具體包括使用機器幫助、代替甚至部分超越人類實現(xiàn)認知、識別、分析、決策等功能的技術手段。舉例如自然語言處理、語音識別、計算機視覺、機器智能技術、通過圖靈測試的智能等等。人工智能內(nèi)涵A通過視覺、聽覺、觸覺等感官活動，接受并理解文字、圖像、聲音、語言等各種外界信息，這就是認識和理解外界環(huán)境的能力。C通過教育、訓練和學習過程，日益豐富自身的知識和技能，這就是學習的能力。B通過人腦的生理與心理活動以及有關的信息處理過程，將感性知識抽象為理性知識，并能對事物運行的規(guī)律進行分析、判斷和推理，這就是提出概念、建立方法，進行演繹和歸納推理、作出決策的能力。D對不斷變化的外界環(huán)境條件（如干擾、刺激等外界作用）能靈活地作出正確地反應，這就是自適應能力。人工智能內(nèi)涵弱人工智能（WeakAI），也稱人工狹義智能（ANI），是無意識的，專注于一個具體的任務。例如，語音識別、圖像識別和翻譯，是擅長單個方面的人工智能。強人工智能（StrongAI），也稱人工廣義智能（AGI），意味著機器具有將智能用于處理任何問題的能力，是AI研究的主要目標。強人工智能能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經(jīng)驗中學習等操作。超人工智能（SuperAI），也稱人工超級智能（ASI），是一個假定的智能體，擁有遠超人類大腦的智能，人工智能將打破人腦受到的維度限制，其所觀察和思考的內(nèi)容，人腦已經(jīng)無法理解，人工智能將形成一個新的社會。人工智能內(nèi)涵即問即答谷歌公司研發(fā)推出能戰(zhàn)勝圍棋世界冠軍的人工智能AlphaGo是否屬于強人工智能？人工智能內(nèi)涵人工智能與大數(shù)據(jù)、云計算的最大的區(qū)別是，互聯(lián)網(wǎng)及新興技術改造的是傳統(tǒng)行業(yè)，是應用層的創(chuàng)新，但人工智能改變的卻是互聯(lián)網(wǎng)本身。全新交互方式自進化去節(jié)點化人工智能內(nèi)涵人工智能帶來的則是真正意義上的用戶交互層上的革命，真正解放了人類的雙手，讓語音交互、圖像識別、自然語言理解等成為新的傳遞媒介和對話窗口。而每一次交互方式上的重大變革，都會摧毀舊有的產(chǎn)業(yè)，孕育全新的產(chǎn)業(yè)，出現(xiàn)顛覆性的產(chǎn)業(yè)變化。全新的交互方式人工智能內(nèi)涵人工智能依托于互聯(lián)網(wǎng)海量數(shù)據(jù)的積累以及數(shù)據(jù)挖掘、自然語言處理、語音交互、圖像識別、深度機器學習及用戶建模等方面的技術積淀，這些為人工智能的迅猛發(fā)展提供了成長養(yǎng)料。同樣一年的發(fā)展期，人工智能的應用和成長速度是指數(shù)級別的，遠遠超過了過去互聯(lián)網(wǎng)所出現(xiàn)的電商、社交等技術的線性成長速度。人工智能是站在有著深厚積淀的巨人肩膀上的創(chuàng)新，具有自進化特性，所以其成長、普及速度也會遠遠超過傳統(tǒng)互聯(lián)網(wǎng)的各個領域。自進化阿爾法狗再進化:無師自通學3天擊敗老狗(顫抖吧人類)人工智能內(nèi)涵去節(jié)點化即“所說即所得”，人工智能將使用門檻降到了0。就如小孩剛剛降生，首先最早學會的就是說話，而不是讀書、寫字一樣。人工智能以對話為主要的交互方式，更像是身體器官的自然延伸，而不像計算機、手機，還得依靠雙手、眼睛和腦力，這一改變使其使用門檻幾乎為零，讓用戶獲取服務變得更加簡單便捷，真正實現(xiàn)了“所說即所得”。就如蘋果手機的觸控體驗給智能手機產(chǎn)業(yè)帶來的革命一樣，人工智能以對話為主的看似傻瓜式的改變，預期也會引發(fā)互聯(lián)網(wǎng)的一場顛覆革命。去節(jié)點化人工智能內(nèi)涵人工智能四種途徑像人一樣行動：圖靈測試像人一樣思考：認知建模（認知科學）合理地思考：“思維法則”（邏輯學）合理地行動：進程安排（agent）人工智能內(nèi)涵像人一樣行動：圖靈測試1自然語言處理（naturallanguageprocessing）：使之能成功地用人類語言交流；2知識表示（knowledgerepresentation）：存儲它知道的或聽到的信息；4機器學習（machinelearning）：適應新情況并進行檢測和預測；3自動推理（automatedreasoning）：運用存儲的信息來回答問題并推出新結(jié)論；5計算機視覺（computervision）：感知物體；6機器人學（robotics）：操縱和移動對象。人工智能內(nèi)涵像人一樣思考：認知建模內(nèi)省通過內(nèi)省捕獲人類自身的思維過程；心理實驗通過心理實驗觀察工作中的人類思維變化；腦成像通過腦成像觀察人類思考過程中的組織成分變化。認知科學人工智能內(nèi)涵像人一樣思考：認知建模認知科學掌握對于人腦的精確理解，才能把這樣的理論表示成計算機程序。如果該程序的輸入輸出行為匹配相應的人類行為，這就是程序的某些機制可以達成人腦運行效果的證據(jù)。認知科學（CognitiveScience）通過結(jié)合計算機模型和心理學實驗技術，來構(gòu)建一種精確且可測試的人類思維理論。在人工智能早期，不同途徑之間經(jīng)常出現(xiàn)混淆，如果一個算法能很好地完成一項任務，那么它是一個好模型，反之亦然。現(xiàn)代程序員將兩種主張區(qū)分開，促進了人工智能和認知科學的快速發(fā)展。通過將神經(jīng)生理學證據(jù)吸收到計算模型中，使得計算機視覺獲得了顯著進步，人工智能與認知科學相互豐富。人工智能內(nèi)涵合理地思考：“思維法則”1965邏輯學家為世界上各種對象及對象之間關系的陳述制訂了一種精確的表示法（類似于算術表示法，算術只是關于數(shù)的陳述的表示法）人工智能中的邏輯主義（logicist）流派希望通過這樣的程序來創(chuàng)建智能系統(tǒng)，此途徑被稱為“思維法則”的途徑。已有程序原則上可以求解用邏輯表示法描述的任何可解問題（如果不存在解，那么程序可能無限循環(huán)）19世紀1965年人工智能邏輯學人工智能內(nèi)涵合理地思考：“思維法則”邏輯學兩個障礙首先，獲取非格式化的知識并用邏輯表示法要求的形式術語來陳述是不容易的，特別是在知識不是百分之百肯定時；其次，在“原則上”可解一個問題與實際上解決該問題之間存在巨大的差別，甚至求解只有幾百條事實的問題就可耗盡任何計算機的計算資源。人工智能內(nèi)涵進程安排是進行運行操作的智能安排（英語的agent源于拉丁語的agere，意為“去做”）。所有計算機程序都在運行并處理任務，但是普通計算機不能感知環(huán)境、長期持續(xù)、適應變化并創(chuàng)建與追求目標。進程安排能實現(xiàn)更多功能：自主操作進行合理安排，當存在不確定性時，為實現(xiàn)最佳期望結(jié)果而重新規(guī)劃任務。合理地行動：進程安排（agent）人工智能內(nèi)涵合理性的標準在數(shù)學上定義明確且完全通用，可被“解決并取出”來生成可證實現(xiàn)了合理性的進程安排設計。另一方面，人類行為可以完全適應特定環(huán)境，并且可以很好地定義為人類做的所有事情的總和。所以，研究合理進程安排的一般原則以及用于構(gòu)造這樣的進程安排的部件將是使用的一個重點。因為在現(xiàn)實中，盡管問題可以被簡單地陳述，但是在試圖求解問題時各種各樣的難題往往就會出現(xiàn)。但是，合理進程安排途徑在復雜環(huán)境中不可行，因為計算要求太高。合理地行動：進程安排（agent）合理進程安排的途徑與其他途徑相比有兩個優(yōu)點。首先，它比“思維法則”的途徑更普遍，因為正確的推理只是實現(xiàn)合理性的幾種可能的機制之一。其次，它比其他基于人類行為或人類思維的途徑更經(jīng)得起科學發(fā)展的檢驗。優(yōu)點人工智能內(nèi)涵即問即答構(gòu)建人工智能時通過基于人是如何思考的這一途徑來建模，這一途徑被稱為什么？習題人工智能具有以下哪些特征（）A.全新交互方式B.自進化C.去節(jié)點化D.自動化多選題習題實現(xiàn)人工智能的途徑有（）A.圖靈測試B.認知建模C.“思維法則”D.合理進程安排多選題習題通過語音助手添加日程安排1.打開個人手機；2.根據(jù)不同品牌的手機，喚醒語音助手；3.請語音助手添加下周日程安排；4.對比通過語音助手添加日程安排與手動添加日程安排的異同。實訓題人工智能理論基礎二人工智能內(nèi)涵人工智能的目標是研發(fā)出模擬人類學習、思考、決策、行動的機器，這是一個極其復雜的過程，需要掌握大部分相關學科的知識。自然科學類社會科學類人工智能理論基礎數(shù)學神經(jīng)科學計算機科學控制論大數(shù)據(jù)1自然科學類人工智能理論基礎數(shù)學數(shù)學學科在人工智能領域需要回答的問題有：什么是能導出有效結(jié)論的形式化規(guī)則？什么可以被計算？我們?nèi)绾斡貌淮_定的信息來推理？布爾邏輯設計了命題邏輯，一階邏輯在布爾邏輯基礎上，引入了對象與關系，歐幾里得（Euclid）算法開辟了算法先河。邏輯斯蒂文?庫克（StevenCook）和理查德?卡普（RichardKarp）開創(chuàng)的NP—完全（NP-completeness）理論，為不易處理和計算的問題提供了解決辦法。算法數(shù)學對人工智能的第三大貢獻是概率（probability）理論。貝葉斯的規(guī)則構(gòu)成了人工智能系統(tǒng)中大多數(shù)用于不確定推理的現(xiàn)代方法的基礎。概率人工智能理論基礎神經(jīng)科學神經(jīng)科學提供有關人類大腦如何工作以及神經(jīng)元如何響應特定事件的信息。這一學科基礎使AI科學家能夠開發(fā)編程模型，使其像人腦一樣工作。深度學習和強化學習就是神經(jīng)科學的應用。超級計算機個人計算機人腦計算單元104個CPU，1012個晶體管4個CPU，109晶體管1011個神經(jīng)元存儲單元1014比特RAM1011比特RAM1011個神經(jīng)元1015比特磁盤1013比特磁盤1014個神經(jīng)元周波時間10-9秒10-9秒10-3秒操作數(shù)/秒101510101017存儲更新次數(shù)/秒101410101014人腦與計算機性能對比人工智能內(nèi)涵即問即答神經(jīng)科學為人工智能解決了哪些問題？神經(jīng)元細胞髓鞘神經(jīng)末梢細胞體神經(jīng)元模型稱為M-P模型，也稱為神經(jīng)網(wǎng)絡的一個處理單元輸入（前一層的輸出）權(quán)重閾值輸出激活函數(shù)人工智能理論基礎計算機科學人工智能需要精密的計算機實現(xiàn)大規(guī)模的計算，同時需要軟件編程實現(xiàn)操作系統(tǒng)、編程語言和程序設計。計算機工程與人工智能相互促進，人工智能反向進入主流計算機科學，推動分時、交互式解釋器、使用窗口和鼠標的個人計算機、快速開發(fā)環(huán)境、鏈表數(shù)據(jù)類型、自動存儲管理以及符號化、函數(shù)式、說明性和面向?qū)ο缶幊痰年P鍵概念等領域的進步與發(fā)展。人工智能理論基礎控制論控制論描述了事物如何在自己的控制下運作。它是人類、動物和機器的工作控制和相互溝通的科學研究?？刂普撛谌斯ぶ悄茴I域需要回答人工智能如何在其自身控制下運轉(zhuǎn)的問題。現(xiàn)代控制論其目標是設計能隨時最大化目標函數(shù)（ObjectiveFunction）的系統(tǒng)。這與關于人工智能的觀點大體一致：設計能最佳表現(xiàn)的系統(tǒng)。諾伯特?維納他認為，有目的的行為是由試圖最小化“誤差”——當前狀態(tài)與目標狀態(tài)之間的差距——的調(diào)節(jié)機制引起的。維納的著作《控制論》使公眾認識到人工制造智能機器的可能性。二者略有不同，微積分與矩陣代數(shù)是控制論的工具，而人工智能在此基礎上，還納入語言、視覺和規(guī)劃等內(nèi)容。人工智能理論基礎大數(shù)據(jù)大數(shù)據(jù)正在推動人工智能的快速發(fā)展，因為它提供了一個用于保存和查詢大量數(shù)據(jù)集的平臺。人工智能需要處理大量數(shù)據(jù)來訓練模型，不能將數(shù)據(jù)保存在一臺計算機中，而大數(shù)據(jù)技術就起了重要作用。同時大數(shù)據(jù)也提供分布式計算環(huán)境，可以在分布式系統(tǒng)上進行模型訓練，保障了人工智能模型訓練的數(shù)據(jù)量和效率。以手寫數(shù)字識別為例（人工智能領域的HelloWorld?。?！人工智能理論基礎哲學經(jīng)濟學倫理學心理學語言學2社會科學類人工智能理論基礎哲學人工智能的研究目的，是在人造機器上通過模擬人類的智能行為，最終實現(xiàn)機器智能。要做到這一點，就必須對“什么是智能”這個問題做出回答。正是人工智能研究者在哲學層面上對于“智能”的不同理解，使得人工智能在技術實踐層面產(chǎn)生了不同流派。一臺機器能聰明地行動嗎？它能像人類一樣解決問題嗎？形式規(guī)則可用于推出有效的結(jié)論嗎？思想如何從物理的大腦中產(chǎn)生？知識來自何方？ABCDE知識如何導致行動？人工智能理論基礎經(jīng)濟學經(jīng)濟學中決策理論把概率理論和效用理論結(jié)合起來，為在不確定情況——即在概率描述能部分捕獲決策制定者環(huán)境的情況下做出（經(jīng)濟的或其他的）決策，提供了一個形式化且完整的框架。合理進程安排路徑運用了較多經(jīng)濟學和運籌學中的相關研究，人工智能研究者赫伯特?西蒙因其早期的工作在1978年獲得經(jīng)濟學諾貝爾獎，其工作指出：基于滿意度（satisfaction）的模型做出的“足夠好”的決策，而不是費力地計算最優(yōu)決策——更準確地描述了真實的人類行為。然而由于理性決策的復雜性，經(jīng)濟學在人工智能中的運用有限。經(jīng)濟學在人工智能領域回答的問題是：我們應該如何決策以便收益最大？當其他人不合作時我們應該如何做？當收益遙遙無期時我們應該如何做？人工智能理論基礎倫理學“人類如何看待人工智能，是機器設備還是生物？”“人工智能機器是否是思考的新物種？”“如果承認人工智能是新物種，那么人類如何與之共存？”……機器學習的進化速度驚人，連編寫圍棋AI程序的工作人員都不能理解機器學習進化的速度為何如此之快。所以需要以倫理學的視角去審視人工智能的發(fā)展與進化，以及它對人類自身發(fā)展的影響。全球第一個擁有合法公民身份的機器人——索菲亞人工智能理論基礎心理學心理學使數(shù)據(jù)科學能夠理解大腦、行為和人，對于人工智能的研發(fā)起著重要的作用。美國認知科學的創(chuàng)建美國計算機建模的發(fā)展導致認知科學的創(chuàng)建，探討了計算機模型如何分別應用于處理記憶、語言和邏輯思維的心理學。唐納德?布羅德本特心理學家唐納德?布羅德本特《知覺與傳播》是把心理現(xiàn)象建模成信息處理的最早著作之一。目前心理學的觀點目前心理學中的觀點是“認知理論應該像計算機程序”，即認知理論應該描述詳細的信息處理機制，靠這個機制可以實現(xiàn)某種認知功能。人工智能理論基礎語言學現(xiàn)代語言學在計算機領域的運用被稱為計算語言學或自然語言處理。自然語言處理允許智能系統(tǒng)通過諸如英語之類的語言進行通信。自然語言處理經(jīng)驗是開發(fā)機器人工智能系統(tǒng)的必要條件。另外，人工智能學也需要一套適應于人工智能和知識工程領域的、具有符號處理和邏輯推理能力的計算機程序設計語言，能夠用它來編寫程序，求解非數(shù)值計算、知識處理、推理、規(guī)劃、決策等各種復雜問題。人工智能理論基礎自然科學類社會科學類數(shù)學：提供模型哲學：本質(zhì)神經(jīng)科學：深度及強度學習經(jīng)濟學：決策計算機科學：模擬與驗證倫理學：共存控制論：智能控制心理學：信號識別大數(shù)據(jù)：數(shù)據(jù)平臺語言學：人機交流人工智能學科是一個建立在廣泛學科研究基礎上的綜合學科，從這些學科的交集中產(chǎn)生，同時又將研究結(jié)果應用到這些學科中去，大大推動相關學科領域的發(fā)展，以巨大的應用潛力來推動科技的快速進步，形成技術爆發(fā)的“奇點”。相關學科為人工智能提供的理論與技術支持人工智能理論基礎人工智能在中文領域的應用及難點課堂拓展面對李清照的《如夢令》，人工智能在釋義類型的題目上可以正確作答，而當被問到，「這體現(xiàn)了詞人怎樣的情感」？或是「詞人最可能在什么樣的情境下有感而發(fā)」？機器就顯得捉襟見肘。從中文的語言特性上來看，機器的中文閱讀理解有著自身的獨特性和復雜性。常見的中文文體包括古詩詞、文言文、現(xiàn)代文和現(xiàn)代詩，其中現(xiàn)代文又分為小說、散文、議論文、說明文、新聞傳記等，且不說其中的詞語還可能包括成語、歇后語，典故。其中，文言文多由單字詞組成，現(xiàn)代白話文則以多字詞為主，字的含義也隨著時代更迭而變化。有研究者以成語為載體構(gòu)建了完形填空式的MRC數(shù)據(jù)集(ChID)，要求模型從幾個近義成語之間選出正確的一個，由于成語大多源于古文典籍，形式類似文言文，并常常帶有隱喻，讓機器在現(xiàn)代文的語境下去理解古文仍然是一個不小的難題。習題神經(jīng)科學為人工智能解決了哪些問題？（）A.如何用不確定的信息來推理？B.如何產(chǎn)生并存儲意識？C.知識如何導致行動？D.如何在自身控制下運轉(zhuǎn)？單選題人工智能應用概況三人工智能應用概況人工智能發(fā)展歷程1人工智能產(chǎn)業(yè)圖譜2各國人工智能應用概況3人工智能應用概況人工智能發(fā)展歷程1人工智能應用概況人工智能發(fā)展歷程1深度學習，蓬勃興起機器學習，迎來曙光知識表示，走出困境計算推理，奠定基礎4.03.02.01.0人工智能應用概況1956年，美國達特茅斯學院舉行第一次人工智能研討會，人工智能誕生的標志麥卡錫首次提出了“人工智能”概念，紐厄爾和西蒙則展示了編寫的邏輯理論機器。而馬文·明斯基提出的“智能機器能夠創(chuàng)建周圍環(huán)境的抽象模型，如果遇到問題，能夠從抽象模型中尋找解決方法”這一定義，成為后30年智能機器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基礎生理學知識和腦神經(jīng)元的功能；羅素和懷特海德的對命題邏輯的形式分析；以及圖靈的計算理論。計算推理，奠定基礎1.0人工智能應用概況1968MACSYMA系統(tǒng)1969DENDRAL程序20世紀70年代人工智能又從具體系統(tǒng)的研究逐漸回到一般研究，圍繞知識這一核心問題，人們在知識獲取、知識表示和知識推理等方面開始出現(xiàn)新的原理、方法、技術和工具。以E.A.Feigenbaum為代表的學者認為，知識是有智能的機器所必備的，于是在他們的倡導下，在20世紀70年代中后期，人工智能進入了“知識表示期”，E.A.Feigenbaum后來被稱為“知識工程”之父。知識表示，走出困境2.0人工智能由追求萬能、通用的一般研究轉(zhuǎn)入特定的具體研究，產(chǎn)生了以專家系統(tǒng)為代表的基于知識的各種人工智能系統(tǒng)人工智能應用概況198119892001偉博斯在神經(jīng)網(wǎng)絡反向傳播（BP）算法中具體提出多層感知機模型帶領機器學習進入了新時代。隨機森林出現(xiàn)于2001年，于AdaBoost算法同屬集成學習，雖然簡單，但在很多問題上效果卻出奇的好，因此現(xiàn)在還在被大規(guī)模使用。LeCun設計出了第一個真正意義上的卷積神經(jīng)網(wǎng)絡，用于手寫數(shù)字的識別，這是現(xiàn)在被廣泛使用的深度卷積神經(jīng)網(wǎng)絡的鼻祖。機器學習，迎來曙光3.0SVM代表了核技術的勝利，這是一種思想，通過隱式的將輸入向量映射到高維空間中，使得原本非線性的問題能得到很好的處理。而AdaBoost則代表了集成學習算法的勝利，通過將一些簡單的弱分類器集成起來使用居然能夠達到驚人的精度。人工智能應用概況20062012ImageNet大賽上CNN奪冠2016深度學習領域的三巨頭LeCun、Bengio、Hinton聯(lián)手在Nature上發(fā)表綜述對DeepLearning進行科普機器學習領域的泰斗Hinton和他的學生Salakhutdinov在頂尖學術刊物《Scince》上發(fā)表了一篇文章，開啟了深度學習在學術界和工業(yè)界的浪潮。深度學習，蓬勃興起4.020152014谷歌研發(fā)出20層的VGG模型。同年，DeepFace、DeepID模型橫空出世，在LFW數(shù)據(jù)庫上的人臉識別、人臉認證的正確率達到99.75%，幾乎超越人類。阿爾法狗打敗李世石。人工智能應用概況人工智能產(chǎn)業(yè)圖譜2人工智能應用概況人工智能產(chǎn)業(yè)圖譜2人工智能應用概況1）美國：美國領跑人工智能發(fā)展潮流，戰(zhàn)略層面高度重視人工智能應用概況3美國政府成立多個人工智能管理與指導部門A美國政府優(yōu)先對人工智能投資B美國開展并更新相關戰(zhàn)略計劃C人工智能應用概況2）歐洲：歐洲各國相繼出臺人工智能重大發(fā)展戰(zhàn)略人工智能應用概況325個歐洲國家簽署《加強人工智能合作宣言》，強調(diào)作為“歐洲數(shù)字化的