人工智能基礎(chǔ)與應(yīng)用課件

AI遇見應(yīng)用興趣引領(lǐng)未來人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目一初探人工智能目錄教學(xué)目標(biāo)教學(xué)要求內(nèi)容概覽相關(guān)知識(shí)1.1.1機(jī)器能思考嗎？ 1.1.2人工智能的發(fā)展歷程1.1.3人工智能的產(chǎn)業(yè)結(jié)構(gòu)1.1.4人工智能砸了誰的飯碗練習(xí)與思考 人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目一初探人工智能1.掌握人工智能發(fā)展以及與其他新技術(shù)的關(guān)系2.了解人工智能的發(fā)展歷程3.了解人工智能的產(chǎn)業(yè)結(jié)構(gòu)、代表企業(yè)及人才培養(yǎng)要求4.思考人工智能可能替代哪些崗位、催生哪些就業(yè)機(jī)會(huì)【教學(xué)目標(biāo)】1.知識(shí)點(diǎn)AI發(fā)展歷程AI產(chǎn)業(yè)結(jié)構(gòu)人工智能訓(xùn)練師2.技能點(diǎn)理解人工智能的發(fā)展目標(biāo)及與其他新技術(shù)的相互關(guān)系3.重難點(diǎn)通過本單元的學(xué)習(xí)，重點(diǎn)了解人工智能的產(chǎn)業(yè)結(jié)構(gòu)、具體應(yīng)用及對(duì)應(yīng)的人才培養(yǎng)層次；難點(diǎn)是拓展學(xué)習(xí)人工智能訓(xùn)練師誕生的職業(yè)背景，理解其崗位能力要求和數(shù)據(jù)標(biāo)注及訓(xùn)練的重要性。【教學(xué)要求】【內(nèi)容概覽】人工智能產(chǎn)業(yè)的基礎(chǔ)人工智能產(chǎn)業(yè)的核心人工智能產(chǎn)業(yè)的延伸項(xiàng)目一初探人工智能1.1.3人工智能的產(chǎn)業(yè)結(jié)構(gòu)基礎(chǔ)支撐層（基礎(chǔ)層）技術(shù)驅(qū)動(dòng)層（技術(shù)層）場(chǎng)景應(yīng)用層（應(yīng)用層）1.1.4人工智能砸了誰的飯碗你的職業(yè)未來會(huì)消失嗎？“人工智能訓(xùn)練師”——你準(zhǔn)備好了嗎？1.1.2人工智能的發(fā)展歷程1950s-1980s：AI起步期1980s-1990s：專家系統(tǒng)推廣1.1.1機(jī)器能思考嗎人工智能是什么？使機(jī)器具備以下能力：能聽、會(huì)說、能看、能思考、會(huì)學(xué)習(xí)、會(huì)行動(dòng)、能應(yīng)變?nèi)斯ぶ悄馨l(fā)展階段第一層次：計(jì)算智能第二層次：感知智能第三層次：認(rèn)知智能2000s-至今：深度學(xué)習(xí)-AI新熱潮計(jì)算硬件（AI芯片、傳感器等）其他支撐技術(shù)（大數(shù)據(jù)、云計(jì)算和5G）數(shù)據(jù)算法和平臺(tái)感知智能：圖像識(shí)別、生物識(shí)別、語音識(shí)別等行業(yè)應(yīng)用場(chǎng)景（如“AI+”制造、交通、安防、醫(yī)療、物流、零售等）AI消費(fèi)級(jí)終端產(chǎn)品（如智能汽車、機(jī)器人、無人機(jī)、可穿戴設(shè)備等）認(rèn)知智能：機(jī)器學(xué)習(xí)、智能問答、知識(shí)圖譜等培養(yǎng)目標(biāo)：持續(xù)訓(xùn)練機(jī)器更“懂”人，通“人”性，更好地為人服務(wù)能力劃分：智能產(chǎn)品應(yīng)用、數(shù)據(jù)分析、業(yè)務(wù)理解、智能訓(xùn)練人工智能替代職業(yè)的概率排名及特點(diǎn)高端研究型人才研究型、應(yīng)用型人才應(yīng)用型、技術(shù)技能型人才人才需求非技術(shù)類“新職位”，“人工智能+專業(yè)應(yīng)用”的新崗位“云”“物”“大”“智”物聯(lián)網(wǎng)：對(duì)接真實(shí)的物理世界，獲取海量數(shù)據(jù)；云計(jì)算：為海量數(shù)據(jù)提供強(qiáng)大的承載能力；大數(shù)據(jù)：對(duì)海量數(shù)據(jù)進(jìn)行挖掘和分析，實(shí)現(xiàn)數(shù)據(jù)到信息的轉(zhuǎn)換；人工智能：對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)，對(duì)信息進(jìn)行理解，最終實(shí)現(xiàn)數(shù)據(jù)到知識(shí)和智能的轉(zhuǎn)換。如果用人體來比喻，物聯(lián)網(wǎng)是人體的神經(jīng)網(wǎng)絡(luò)，大數(shù)據(jù)是流動(dòng)的血液，云計(jì)算是心臟，人工智能則是掌控的大腦。【相關(guān)知識(shí)】艾智訊AI小課堂：一起來了解“云”“物”“大”“智”

【相關(guān)知識(shí)】（點(diǎn)擊播放視頻?）人工智能是什么？人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能與人類智能相似的方式做出反應(yīng)的智能機(jī)器。概括來說，就是研究如何使機(jī)器具備以下能力：能聽（語音識(shí)別、機(jī)器翻譯等）；會(huì)說（語音合成、人機(jī)對(duì)話等）；能看（圖像識(shí)別、文字識(shí)別）；能思考（人機(jī)對(duì)弈、定理證明等）；會(huì)學(xué)習(xí)（機(jī)器學(xué)習(xí)、知識(shí)表示等）；會(huì)行動(dòng)（機(jī)器人、自定駕駛汽車等）；能應(yīng)變（認(rèn)知智能、自主行動(dòng)）。一、機(jī)器能思考嗎？人工智能的研究領(lǐng)域包括語音識(shí)別、圖像識(shí)別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、知識(shí)圖譜、腦機(jī)互動(dòng)等等。一、機(jī)器能思考嗎？

人工智能擬人能力圖人工智能的智能水平人工智能像“人”一樣，其智能水平也在逐步發(fā)展，從低到高可劃分為計(jì)算智能、感知智能、認(rèn)知智能三個(gè)階段。第一層次：計(jì)算智能——機(jī)器像人類一樣會(huì)計(jì)算、傳遞信息，例如神經(jīng)網(wǎng)絡(luò)、遺傳算法等，各種棋類游戲、專家系統(tǒng)體現(xiàn)的就是計(jì)算智能。第二層次：感知智能——機(jī)器能聽會(huì)說、能看會(huì)認(rèn)，像語音助手、人臉識(shí)別、看圖搜圖和無人駕駛等。第三層次：認(rèn)知智能——機(jī)器能理解會(huì)思考，主動(dòng)采取行動(dòng)，這是人工智能領(lǐng)域?qū)＜覀冋谂Φ姆较颍热缥④浶”途哂蟹浅３跫?jí)的理解語意的能力。一、機(jī)器能思考嗎？人工智能的智能水平三種智能水平的行業(yè)應(yīng)用特點(diǎn)：第一種類型，信息完全輸入的狀況。在這種狀況下，機(jī)器得到輸入，就可以充分準(zhǔn)確的得到相應(yīng)的輸出。像實(shí)時(shí)語音轉(zhuǎn)寫，人臉識(shí)別、圖像識(shí)別等技術(shù)，“輸入”即可以得到“輸出”，在這一領(lǐng)域機(jī)器將來可以完全替代人工。第二種類型，是僅僅有輸入還不夠，還需要知識(shí)積累，需要思維判斷的工作。這一領(lǐng)域是人和機(jī)器耦合的，比如機(jī)器人可以回答孩子的問題，教孩子知識(shí)，和孩子玩耍，但不能完全代替父母陪伴孩子、和孩子實(shí)時(shí)交流等。這種場(chǎng)景下：機(jī)器無法完全替代人工，而是輔助人，人機(jī)耦合進(jìn)行工作。第三種類型，沒有信息輸入，而是主要靠創(chuàng)意，靠想象力的工作。今天的機(jī)器可以作圖、作曲、寫詩，但更多還是模仿，讓機(jī)器具備思考的能力、主動(dòng)創(chuàng)作的能力目前還很難做到。這是人工智能發(fā)展的未來趨勢(shì)之一，因此需要?jiǎng)?chuàng)意和想象力的工作是機(jī)器無法取代的。

一、機(jī)器能思考嗎？人工智能的發(fā)展歷程可分為三段時(shí)期、6個(gè)階段。第一階段：人工智能起步期1956—1980s1956達(dá)特茅斯會(huì)議標(biāo)志AI誕生1957神經(jīng)網(wǎng)絡(luò)Perceptron被羅森布拉特發(fā)明；1964年，首臺(tái)聊天機(jī)器人誕生1970受限于計(jì)算能力，人工智能進(jìn)入第一個(gè)寒冬第二階段：專家系統(tǒng)推廣1980s—1990s1980卡耐基梅隆大學(xué)推進(jìn)第一個(gè)名為XCON的專家系統(tǒng)，具有一套強(qiáng)大的知識(shí)庫和推理能力，可以模擬人類專家來解決特定領(lǐng)域問題，從此，機(jī)器學(xué)習(xí)開始興起20世紀(jì)80年代中-90年代中，專家系統(tǒng)應(yīng)用有限，且經(jīng)常在常識(shí)性問題上出錯(cuò)，人工智能迎來第二個(gè)寒冬二、人工智能的發(fā)展歷程第三階段：深度學(xué)習(xí)2000s—至今1997IBM的“深藍(lán)”戰(zhàn)勝國際象棋冠軍，成為人工智能史上的一個(gè)重要里程碑2006Hinton提出“深度學(xué)習(xí)”的神經(jīng)網(wǎng)絡(luò)2012Google無人駕駛汽車上路，人工智能迎來爆發(fā)式增長的新高潮近十年來，隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)飛速發(fā)展，大幅跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，實(shí)現(xiàn)了從“不能用、不好用”到“可以用”的技術(shù)突破?？傮w趨勢(shì)：人工智能的發(fā)展歷程曲折起伏，高峰與低谷交替出現(xiàn)。未來隨著人工智能核心技術(shù)的突破，將不斷改善提升現(xiàn)有的局限性，向各行各業(yè)快速滲透融合，這是人工智能驅(qū)動(dòng)第四次技術(shù)革命的最主要表現(xiàn)方式。二、人工智能的發(fā)展歷程人工智能的產(chǎn)業(yè)鏈劃分概覽三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)基礎(chǔ)支撐層（基礎(chǔ)層）——人工智能產(chǎn)業(yè)的基礎(chǔ)主要是研發(fā)硬件及軟件，為人工智能提供數(shù)據(jù)及算力支撐。主要包括物質(zhì)基礎(chǔ)：即計(jì)算硬件（AI芯片、傳感器）、計(jì)算系統(tǒng)技術(shù)（大數(shù)據(jù)、云計(jì)算和5G通信）、數(shù)據(jù)（數(shù)據(jù)采集、標(biāo)注和分析）和算法模型。傳感器負(fù)責(zé)收集數(shù)據(jù)，AI芯片（GPU、FPGA、ASIC等）負(fù)責(zé)運(yùn)算，算法模型負(fù)責(zé)訓(xùn)練數(shù)據(jù)。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)技術(shù)驅(qū)動(dòng)層（技術(shù)層）——人工智能產(chǎn)業(yè)的核心主要包括圖像識(shí)別、文字識(shí)別、語音識(shí)別、生物識(shí)別等應(yīng)用技術(shù)，主要用于讓機(jī)器完成對(duì)外部世界的探測(cè)，即看懂、聽懂、讀懂世界，進(jìn)而才能夠做出分析判斷、采取行動(dòng)，讓更復(fù)雜層面的智慧決策、自主行動(dòng)成為可能。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)場(chǎng)景應(yīng)用層（應(yīng)用層）——人工智能產(chǎn)業(yè)的延伸，專注行業(yè)應(yīng)用主要面向AI與傳統(tǒng)產(chǎn)業(yè)的深度融合，實(shí)現(xiàn)不同行業(yè)應(yīng)用場(chǎng)景的解決方案（如“AI+”制造、家居、金融、教育、交通、安防、醫(yī)療、物流、零售等領(lǐng)域）和AI消費(fèi)級(jí)終端產(chǎn)品（如智能汽車、智能機(jī)器人、智能無人機(jī)、智能家居設(shè)備、可穿戴設(shè)備等）。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)人工智能產(chǎn)業(yè)結(jié)構(gòu)圖三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)人工智能應(yīng)用正在以場(chǎng)景化、碎片化的方式涌現(xiàn)預(yù)計(jì)2030年，我國人工智能核心產(chǎn)業(yè)規(guī)模超過1萬億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元！——國務(wù)院《新一代人工智能發(fā)展規(guī)劃》三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)中國人工智能產(chǎn)業(yè)結(jié)構(gòu)概覽中國人工智能企業(yè)多集中在應(yīng)用層，技術(shù)層和基礎(chǔ)層企業(yè)占比相對(duì)較??；從技術(shù)類型分布來看，涉及機(jī)器學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算和機(jī)器人技術(shù)的企業(yè)較多，整體分布相對(duì)均勻。在應(yīng)用技術(shù)方面，以語音識(shí)別、機(jī)器視覺為代表的人工智能技術(shù)快速成熟，已達(dá)到規(guī)?；a(chǎn)業(yè)實(shí)用水平。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)中國人工智能產(chǎn)業(yè)結(jié)構(gòu)概覽全球科技競(jìng)爭(zhēng)進(jìn)入敏感時(shí)期，產(chǎn)品出口、系統(tǒng)軟件采購、芯片進(jìn)口等多方面都可能面臨挑戰(zhàn)，這對(duì)以應(yīng)用開發(fā)見長、基礎(chǔ)層支撐積累較淺的國內(nèi)企業(yè)帶來壓力，但同時(shí)也形成了倒逼產(chǎn)業(yè)鏈上游企業(yè)發(fā)展的動(dòng)力。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)人工智能產(chǎn)業(yè)的人才需求結(jié)構(gòu)AI產(chǎn)業(yè)鏈分為:基礎(chǔ)層、技術(shù)層、應(yīng)用層。AI產(chǎn)業(yè)鏈以算力驅(qū)動(dòng)，場(chǎng)景為王。未來各行各業(yè)的應(yīng)用需要大量的技術(shù)技能型人才認(rèn)識(shí)人工智能、參與到場(chǎng)境訓(xùn)練與應(yīng)用中。三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)動(dòng)力市場(chǎng)的變化勞動(dòng)者面臨職業(yè)替代風(fēng)險(xiǎn)對(duì)人才培養(yǎng)模式和體系提出了變革要求“物信融合”時(shí)代教育面臨的挑戰(zhàn)AI、5G、VR等新技術(shù)勢(shì)不可擋，未來的教育教學(xué)模式如何變革？技術(shù)真的能奏效嗎？教學(xué)方法和教學(xué)內(nèi)容如何提升？如何讓所有從事和參與教育的人享受教育生活，讓以教師為中心的學(xué)習(xí)向以學(xué)生為中心的學(xué)習(xí)轉(zhuǎn)變，享受學(xué)習(xí)過程，讓所有的人真正成為他自己。人工智能時(shí)代的到來倒逼未來教育的發(fā)展，同時(shí)技術(shù)更迭與教育倫理需做好有效銜接和平衡。技術(shù)驅(qū)動(dòng)——未來已來010203“物信融合”背景下教育發(fā)展面臨的挑戰(zhàn):三、人工智能的產(chǎn)業(yè)結(jié)構(gòu)2019政府工作報(bào)告：“打造工業(yè)互聯(lián)網(wǎng)平臺(tái)，拓展‘智能+’，為制造業(yè)轉(zhuǎn)型升級(jí)賦能”“深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，培育新一代信息技術(shù)、高端裝備、生物醫(yī)藥、新能源汽車、新材料等新興產(chǎn)業(yè)集群，壯大數(shù)字經(jīng)濟(jì)?！薄陡叩葘W(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》教技〔2018〕3號(hào)1.加快人工智能領(lǐng)域?qū)W科建設(shè)。2.加強(qiáng)人工智能領(lǐng)域?qū)I(yè)建設(shè)。推進(jìn)“新工科”建設(shè)，到2020年建設(shè)100個(gè)“人工智能+X”復(fù)合特色專業(yè)。3.加強(qiáng)人工智能領(lǐng)域人才培養(yǎng)。4.構(gòu)建人工智能多層次教育體系。教育部：人才先行人工智能（AI）政策支持情況政策導(dǎo)向人工智能（AI）技術(shù)的應(yīng)用，加大對(duì)人工智能人才（技術(shù)應(yīng)用）的培養(yǎng)力度勢(shì)在必行?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》國發(fā)〔2017〕35號(hào)第一步，到2020年人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步，人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟(jì)增長點(diǎn)。第二步，到2025年人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破，部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平。第三步，到2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。國務(wù)院：戰(zhàn)略布局《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》工信部科[2017]315號(hào)——人工智能重點(diǎn)產(chǎn)品規(guī)模化發(fā)展，智能網(wǎng)聯(lián)汽車技術(shù)水平大幅提升，智能服務(wù)機(jī)器人實(shí)現(xiàn)規(guī)?；瘧?yīng)用?！斯ぶ悄苷w核心基礎(chǔ)能力顯著增強(qiáng)，智能傳感器技術(shù)產(chǎn)品實(shí)現(xiàn)突破——智能制造深化發(fā)展，復(fù)雜環(huán)境識(shí)別、新型人機(jī)交互等人工智能技術(shù)在關(guān)鍵技術(shù)裝備中加快集成應(yīng)用。工信部：積極部署四、人工智能砸了誰的飯碗你的職業(yè)未來會(huì)消失嗎？人工智能的本質(zhì)：是將人們從簡(jiǎn)單、機(jī)械的勞動(dòng)中解放出來，有效地提高效率與質(zhì)量、節(jié)約時(shí)間，降低人力與業(yè)務(wù)成本。從社會(huì)分工來看，最先被取代的是很多簡(jiǎn)單的工作、易于自動(dòng)化的內(nèi)部工作。如：依靠訓(xùn)練即可掌握的技能；重復(fù)性勞動(dòng)，熟練即可的工作；。典型的如生產(chǎn)工、裝配工、流水線作業(yè)等。非自動(dòng)化工作，如：創(chuàng)意、設(shè)計(jì)、發(fā)明、溝通協(xié)調(diào)等，對(duì)勞動(dòng)力的需求將會(huì)上升，并在企業(yè)內(nèi)外部創(chuàng)造出一些新的工作機(jī)會(huì)。從本質(zhì)上說，人工智能將帶來的是一種勞動(dòng)力的轉(zhuǎn)型，將改變?nèi)藗兊墓ぷ餍再|(zhì)，重塑未來的勞動(dòng)力。四、人工智能砸了誰的飯碗你的職業(yè)未來會(huì)消失嗎？（數(shù)據(jù)來源：牛津大學(xué)、麥肯錫、普華永道、創(chuàng)新工場(chǎng)研究報(bào)告）人工智能替代職業(yè)的概率排名情況四、人工智能砸了誰的飯碗什么是“人工智能訓(xùn)練師”？2020年3月，人社部向社會(huì)發(fā)布了未來緊需的16個(gè)新職業(yè)，其中人工智能訓(xùn)練師名列其中，這是人工智能的第一個(gè)非技術(shù)類新職位，更是一個(gè)面向行業(yè)應(yīng)用的新崗位?！叭斯ぶ悄苡?xùn)練師”，是阿里巴巴率先提出，被形象的稱為“機(jī)器人飼養(yǎng)員”。其目的就是讓AI更“懂”人，通“人”性，更好地為人們服務(wù)。具體定義：是指使用智能訓(xùn)練軟件，在人工智能產(chǎn)品實(shí)際使用過程中進(jìn)行數(shù)據(jù)庫管理、算法參數(shù)設(shè)置、人機(jī)交互設(shè)計(jì)、性能測(cè)試跟蹤及其他輔助作業(yè)的人員。四、人工智能砸了誰的飯碗人工智能訓(xùn)練師產(chǎn)業(yè)的背景行業(yè)背景：隨著人工智能技術(shù)的不斷變革，人工智能正在加快與各行各業(yè)深度融合，加快產(chǎn)業(yè)智能化進(jìn)程。AI+傳統(tǒng)產(chǎn)業(yè)已是大勢(shì)所趨，未來對(duì)人才培養(yǎng)的倒逼、企業(yè)崗位的變化以及職業(yè)能力的要求將出現(xiàn)巨大改變。崗位需求：人工智能的應(yīng)用需要大量數(shù)據(jù)的支撐，而在各行各業(yè)獲取到的原始數(shù)據(jù)無法直接用于模型訓(xùn)練，這需要專業(yè)的標(biāo)注和加工后才能使用，但如果標(biāo)注人員不懂行業(yè)具體的應(yīng)用場(chǎng)境，對(duì)數(shù)據(jù)的理解和標(biāo)注質(zhì)量差異很大，將導(dǎo)致整體標(biāo)注工作的效率和效果都不夠理想。因此，“人工智能訓(xùn)練師”應(yīng)運(yùn)而生，這不是一個(gè)人工智能技術(shù)職位，而是“人工智能+專業(yè)應(yīng)用”的新崗位。四、人工智能砸了誰的飯碗人工智能訓(xùn)練師需要具備什么能力？人工智能訓(xùn)練師從智能產(chǎn)品應(yīng)用、數(shù)據(jù)分析、業(yè)務(wù)理解、智能訓(xùn)練等維度劃分五個(gè)等級(jí)，包括：（1）標(biāo)注和加工圖片、文字、語音等業(yè)務(wù)的原始數(shù)據(jù)；（2）設(shè)計(jì)人工智能產(chǎn)品的交互流程和應(yīng)用解決方案；（3）分析提煉專業(yè)領(lǐng)域特征，訓(xùn)練和評(píng)測(cè)人工智能產(chǎn)品相關(guān)算法、功能和性能；（4）監(jiān)控、分析、管理人工智能產(chǎn)品應(yīng)用數(shù)據(jù)；（5）調(diào)整、優(yōu)化人工智能產(chǎn)品參數(shù)和配置。其核心目標(biāo)就是通過分析需求和相關(guān)數(shù)據(jù)，完成數(shù)據(jù)標(biāo)注規(guī)則的制定，最終實(shí)現(xiàn)提高數(shù)據(jù)標(biāo)注工作的質(zhì)量和效率，讓智能更懂人類，更好地為人類服務(wù)。【練習(xí)與思考】選擇題：1.人工智能的智能水平從低到高怎么發(fā)展？A.認(rèn)知智能—感知智能—計(jì)算智能B.感知智能—計(jì)算智能—認(rèn)知智能C.計(jì)算智能—認(rèn)知智能—感知智能D.認(rèn)知智能—計(jì)算智能—感知智能2.人工智能的其他支撐技術(shù)包括哪些？（多選題）A.云計(jì)算B.大數(shù)據(jù)C.物聯(lián)網(wǎng)D.5G通信3.以下哪項(xiàng)不屬于人工智能的技術(shù)驅(qū)動(dòng)層內(nèi)容？A.圖像識(shí)別B.語音識(shí)別C.AI芯片D.知識(shí)圖譜【練習(xí)與思考】選擇題：4.以下哪項(xiàng)內(nèi)容不屬于人工智能的應(yīng)用層范圍？A.AI+金融B.AI+無人駕駛C.AI+教育D.智能芯片5.以下哪項(xiàng)是人工智能未來可替代的職業(yè)？（多選題）A.財(cái)務(wù)類人員B.流水線工人C.電話銷售員D.心理學(xué)家判斷題：1.人工智能的發(fā)展是曲折起伏的，有低谷也有高潮，一直沿著這種趨勢(shì)不斷前進(jìn)。2.人工智能訓(xùn)練師要求具備人工智能技術(shù)背景，是一個(gè)人工智能技術(shù)崗位?！揪毩?xí)與思考】討論題：1.讓學(xué)生想一想，人工智能從會(huì)學(xué)習(xí)、會(huì)行動(dòng)到能思考、能應(yīng)變，兩種不同的智能水平可能帶來的人類工作、生活的巨大變化，我們和機(jī)器怎么協(xié)同共處？2.讓學(xué)生結(jié)合自己所學(xué)的專業(yè)，查閱相關(guān)行業(yè)資料，思考該行業(yè)未來需要人工智能訓(xùn)練師嗎？在哪些具體工作領(lǐng)域有需求？【練習(xí)與思考】客觀題答案選擇題：1.C2.ABCD3.C4.D5.ABC判斷題：1.對(duì)2.錯(cuò)（是一個(gè)非人工智能技術(shù)類職位）人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目一初探人工智能AI遇見應(yīng)用興趣引領(lǐng)未來AI遇見應(yīng)用興趣引領(lǐng)未來人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目二認(rèn)知人工智能

的基礎(chǔ)支撐目錄教學(xué)目標(biāo)教學(xué)要求內(nèi)容概覽相關(guān)知識(shí)2.1.1人工智能的核心驅(qū)動(dòng)力 2.1.2人工智能的其他支撐技術(shù) 2.1.3了解人工智能的數(shù)據(jù)服務(wù)

練習(xí)與思考 人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目二認(rèn)知人工智能的基礎(chǔ)支撐1.學(xué)習(xí)人工智能的核心驅(qū)動(dòng)力——算力、算法、數(shù)據(jù)，以及相互間的關(guān)系2.概要了解人工智能的其他支撐技術(shù)——物聯(lián)網(wǎng)、云計(jì)算、5G及相互間的賦能3.數(shù)據(jù)作為AI算法“燃料”的重要性以及采集、標(biāo)注及分析的基本流程【教學(xué)目標(biāo)】1.知識(shí)點(diǎn)人工智能芯片的分類及特點(diǎn)認(rèn)知物聯(lián)網(wǎng)和AIoT，以及云計(jì)算、5G的概念及應(yīng)用人工智能數(shù)據(jù)服務(wù)的采集、標(biāo)注及統(tǒng)計(jì)分析2.重難點(diǎn)通過本單元的學(xué)習(xí)，厘清機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之間的關(guān)系及重點(diǎn)應(yīng)用領(lǐng)域；了解AIoT這一高頻詞的出現(xiàn)背景，思考人工智能技術(shù)與物聯(lián)網(wǎng)在實(shí)際行業(yè)應(yīng)用中的落地融合；深刻理解數(shù)據(jù)、算法模型及場(chǎng)境應(yīng)用的流程及相互關(guān)系，由此學(xué)習(xí)人工智能數(shù)據(jù)服務(wù)的相關(guān)內(nèi)容?！窘虒W(xué)要求】【內(nèi)容概覽】燃料加速器發(fā)動(dòng)機(jī)項(xiàng)目二認(rèn)知人工智能的基礎(chǔ)支撐2.1.3了解人工智能的數(shù)據(jù)服務(wù)數(shù)據(jù)采集數(shù)據(jù)標(biāo)注數(shù)據(jù)分析2.1.2人工智能的其他支撐技術(shù)物聯(lián)網(wǎng)和AIoTAIoT“萬物智聯(lián)”云計(jì)算2.1.1人工智能的核心驅(qū)動(dòng)力算力人工智能的基礎(chǔ)硬件層，為算法提供基礎(chǔ)計(jì)算能力涵蓋：GPU、CPU、FPGA和各種各樣的ASIC專用芯片物聯(lián)網(wǎng)“萬物互聯(lián)”5G提供快速安全的云計(jì)算與數(shù)據(jù)存儲(chǔ)服務(wù)，讓用戶可以使用網(wǎng)絡(luò)上的龐大計(jì)算資源與數(shù)據(jù)中心性能目標(biāo)被監(jiān)測(cè)的各種物理量、影音圖文信息、生產(chǎn)生活記錄等通過數(shù)據(jù)標(biāo)注員借助標(biāo)記工具，對(duì)人工智能學(xué)習(xí)數(shù)據(jù)進(jìn)行加工的一種行為典型分析步驟：探索性數(shù)據(jù)分析、模型選定分析、推斷分析數(shù)據(jù)標(biāo)注的類型：圖像標(biāo)注、語音標(biāo)注、文本標(biāo)注、視頻標(biāo)注等數(shù)據(jù)算法數(shù)據(jù)來源大數(shù)據(jù)特點(diǎn)與人工智能的關(guān)系規(guī)模性、高速性、多樣性、價(jià)值稀疏性相互促進(jìn)，大數(shù)據(jù)要求AI不斷提高計(jì)算能力，同時(shí)也在不斷訓(xùn)練著AI機(jī)器學(xué)習(xí)深度學(xué)習(xí)讓機(jī)器像人一樣的學(xué)習(xí)和思考——從已知數(shù)據(jù)中獲得規(guī)律，并對(duì)未知進(jìn)行預(yù)測(cè)學(xué)習(xí)方式分類：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)讓算法自動(dòng)從數(shù)據(jù)中獲取特征，而不是像機(jī)器學(xué)習(xí)人為提取特征主要應(yīng)用方向圖像識(shí)別：圖像分類、物體檢測(cè)、圖像分割、圖像回歸語音識(shí)別：語音識(shí)別、聲紋識(shí)別、語音合成自然語言處理：情感分析、神經(jīng)機(jī)器翻譯、自然語言推理典型應(yīng)用場(chǎng)景在線視頻、4K/8K業(yè)務(wù)、車聯(lián)網(wǎng)、無人駕駛、遠(yuǎn)程醫(yī)療、智慧城市等圖像、聲音等媒體數(shù)據(jù)；動(dòng)作、姿態(tài)等行為數(shù)據(jù)；位置、天氣等環(huán)境數(shù)據(jù)實(shí)現(xiàn)物體與物體、環(huán)境與狀態(tài)信息之間實(shí)時(shí)共享AI+IoT，人工智能技術(shù)與物聯(lián)網(wǎng)在實(shí)際行業(yè)應(yīng)用中的落地融合與人工智能的關(guān)系人工智能的基礎(chǔ)計(jì)算平臺(tái)，人工智能的能力集成到千萬應(yīng)用中的便捷途徑高數(shù)據(jù)速率、減少延遲、節(jié)省能源、降低成本、提高系統(tǒng)容量和大規(guī)模設(shè)備連接人工智能的核心驅(qū)動(dòng)力人工智能的核心驅(qū)動(dòng)力包括：大數(shù)據(jù)、算法、算力。大數(shù)據(jù)可以比作人工智能的燃料，算法是發(fā)動(dòng)機(jī)，算力則是支撐發(fā)動(dòng)機(jī)高速運(yùn)轉(zhuǎn)的加速器。三者相輔相成，數(shù)據(jù)量的上漲、運(yùn)算力的提升和深度學(xué)習(xí)算法的出現(xiàn)才能極大地促進(jìn)人工智能行業(yè)的發(fā)展?！鞠嚓P(guān)知識(shí)】人工智能三要素大數(shù)據(jù)——這是讓計(jì)算機(jī)獲得智能的鑰匙，具有三大特征：體量大、多維度、全面性；算法——如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等，就是讓計(jì)算機(jī)通過大量的數(shù)據(jù)具備學(xué)習(xí)能力；算力——每個(gè)聰明的人工智能系統(tǒng)背后都有一套強(qiáng)大的硬件系統(tǒng)，用于計(jì)算處理大數(shù)據(jù)和執(zhí)行先進(jìn)算法的能力。一、人工智能的核心驅(qū)動(dòng)力（一）人工智能的“加速器”——算力什么是算力？算力是人工智能的基礎(chǔ)硬件層，為算法提供基礎(chǔ)計(jì)算能力。涵蓋：GPU、CPU、FPGA和各種各樣的ASIC專用芯片。芯片的發(fā)展歷程？傳統(tǒng)計(jì)算機(jī)芯片為CPU,但這種傳統(tǒng)計(jì)算架構(gòu)無法支撐深度學(xué)習(xí)的大規(guī)模并行計(jì)算需求。GPU（圖像處理器）作為應(yīng)對(duì)圖像處理需求而出現(xiàn)的芯片，其海量數(shù)據(jù)并行運(yùn)算的能力與深度學(xué)習(xí)需求不謀而合，因此，被最先引入深度學(xué)習(xí)。GPU的優(yōu)點(diǎn)：讓并行計(jì)算成為可能，對(duì)數(shù)據(jù)處理規(guī)模、數(shù)據(jù)運(yùn)算速度帶來了指數(shù)級(jí)的增長。和使用傳統(tǒng)雙核CPU在運(yùn)算速度上的差距最大會(huì)達(dá)到近七十倍，解決了制約計(jì)算機(jī)視覺發(fā)展的主要瓶頸。一、人工智能的核心驅(qū)動(dòng)力（一）人工智能的“加速器”——算力人工智能芯片的發(fā)展路徑兩種發(fā)展路徑：一種是延續(xù)傳統(tǒng)計(jì)算架構(gòu)，加速硬件計(jì)算能力，主要以3種類型的芯片為代表，即GPU、FPGA、ASIC，但CPU依舊發(fā)揮著不可替代的作用；另一種是采用類腦神經(jīng)結(jié)構(gòu)來提升計(jì)算能力，以IBMTrueNorth芯片為代表。一、人工智能的核心驅(qū)動(dòng)力種類傳統(tǒng)芯片類腦芯片CPUGPUDSPFPGAASIC特征邏輯控制、串行運(yùn)算等通用計(jì)算3D圖像處理、密集型并行運(yùn)算實(shí)現(xiàn)各種數(shù)字信號(hào)處理算法半定制IC、可編程芯片計(jì)算能力和效率可根據(jù)算法需要定制模擬人腦進(jìn)行異步、并行和分布式信息處理領(lǐng)域云端/終端推理云端訓(xùn)練端側(cè)推理云端/終端推理訓(xùn)練&推理端側(cè)推理企業(yè)英特爾英偉達(dá)ImaginationCEVA

中星微Xilinx

深鑒科技谷歌

寒武紀(jì)IBM傳統(tǒng)芯片及類腦芯片硬件信息比較什么是算法模型？算法是人工智能的發(fā)動(dòng)機(jī)，有了算法，有了被訓(xùn)練的數(shù)據(jù)，經(jīng)過多次訓(xùn)練，經(jīng)過模型評(píng)估和算法人員不斷調(diào)整后，會(huì)獲得訓(xùn)練模型。有了好的算法模型，人工智能業(yè)務(wù)要求的基礎(chǔ)功能才能得以實(shí)現(xiàn)。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法人工智能的算法理論人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系：人工智能是目標(biāo)，機(jī)器學(xué)習(xí)是重要實(shí)現(xiàn)手段之一，深度學(xué)習(xí)則源于機(jī)器學(xué)習(xí)的一個(gè)技術(shù)方向——人工神經(jīng)網(wǎng)絡(luò)。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法什么是機(jī)器學(xué)習(xí)？讓計(jì)算機(jī)具有像人一樣的學(xué)習(xí)和思考能力，即從已知數(shù)據(jù)中獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的技術(shù)。在這整個(gè)過程中，最關(guān)鍵的是數(shù)據(jù)。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法機(jī)器學(xué)習(xí)的分類3種學(xué)習(xí)方式的分類：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)（SupervisedLearning）：簡(jiǎn)單理解為“跟老師學(xué)”，即在有老師的環(huán)境下，學(xué)生從老師那里獲得做對(duì)或做錯(cuò)的反饋。其學(xué)習(xí)結(jié)果為函數(shù)，以概率函數(shù)、代數(shù)函數(shù)或人工神經(jīng)網(wǎng)絡(luò)為函數(shù)模型無監(jiān)督學(xué)習(xí)（UnsupervisedLearning）：簡(jiǎn)單理解為“自學(xué)標(biāo)評(píng)”，即沒有老師的環(huán)境下，學(xué)生自己學(xué)習(xí)，一般有既定標(biāo)準(zhǔn)評(píng)價(jià)，或者無評(píng)價(jià)。采用聚類方法，學(xué)習(xí)結(jié)果為類別。強(qiáng)化學(xué)習(xí)（ReinforcementLearning）：簡(jiǎn)單理解為“自學(xué)自評(píng)”，即沒有老師的環(huán)境下，學(xué)生對(duì)問題答案自我評(píng)價(jià)，以統(tǒng)計(jì)和動(dòng)態(tài)規(guī)劃技術(shù)為指導(dǎo)的一種學(xué)習(xí)方法。什么是機(jī)器學(xué)習(xí)？——什么是監(jiān)督學(xué)習(xí)這是最簡(jiǎn)單、最直接的一種機(jī)器學(xué)習(xí)方式。類似高考前所做的練習(xí)題是有標(biāo)準(zhǔn)答案的，在做題的過程中，我們可以通過對(duì)照答案，來分析問題找出方法。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法什么是機(jī)器學(xué)習(xí)？——什么是非監(jiān)督學(xué)習(xí)也稱為無監(jiān)督學(xué)習(xí)，就是所做的練習(xí)題沒有標(biāo)準(zhǔn)答案，換句話說，你也不知道自己做的是否正確，沒有參照。由于這種方式能夠幫助克服很多實(shí)際應(yīng)用中獲取監(jiān)督數(shù)據(jù)的困難，因此一直是人工智能發(fā)展的一個(gè)重要研究方向。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法什么是機(jī)器學(xué)習(xí)？——什么是強(qiáng)化學(xué)習(xí)這是一種非常強(qiáng)大的學(xué)習(xí)方式，其目標(biāo)就是要獲得一個(gè)策略去指導(dǎo)行動(dòng)。比如在圍棋博弈中，這個(gè)策略可以根據(jù)盤面形勢(shì)指導(dǎo)每一步應(yīng)該在哪里落子；在股票交易中，這個(gè)策略會(huì)告訴我們應(yīng)該在什么時(shí)候買入、什么時(shí)候賣出。具體案例：2016年擊敗圍棋世界冠軍李世石九段的阿爾法狗，其令世人震驚的博弈能力就是通過強(qiáng)化學(xué)習(xí)訓(xùn)練出來的。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法什么是深度學(xué)習(xí)？這是機(jī)器學(xué)習(xí)比較熱門的一個(gè)方向，其本身是神經(jīng)網(wǎng)絡(luò)算法的衍生。深度學(xué)習(xí)是讓算法自動(dòng)從數(shù)據(jù)中獲取特征，而不是像從前的機(jī)器學(xué)習(xí)方法，人為的去提取特征。深度學(xué)習(xí)通過構(gòu)建一個(gè)多層的表示學(xué)習(xí)結(jié)構(gòu)，使用一系列非線性變換操作，從原始數(shù)據(jù)中提取簡(jiǎn)單的特征進(jìn)行組合，從而獲得更高層、更抽象的表示。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的差異其最大的不同在于深度學(xué)習(xí)不需要人為的做特征工程，而是可以通過算法直接獲取特征。這使機(jī)器學(xué)習(xí)向“全自動(dòng)數(shù)據(jù)分析”又前進(jìn)了一步。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法什么是深度學(xué)習(xí)？——深度學(xué)習(xí)的主要應(yīng)用方向1.圖像處理領(lǐng)域圖像分類（物體識(shí)別）：整幅圖像的分類或識(shí)別。物體檢測(cè)：檢測(cè)圖像中物體的位置進(jìn)而識(shí)別物體。圖像分割：對(duì)圖像中的特定物體按邊緣進(jìn)行分割。圖像回歸：預(yù)測(cè)圖像中物體組成部分的坐標(biāo)。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法2.語音識(shí)別領(lǐng)域語音識(shí)別：將語音識(shí)別為文字。聲紋識(shí)別：識(shí)別是哪個(gè)人的聲音。語音合成：根據(jù)文字合成特定人的語音。什么是深度學(xué)習(xí)？——深度學(xué)習(xí)的主要應(yīng)用方向3.自然語言處理領(lǐng)域語言模型：根據(jù)前一個(gè)單詞預(yù)測(cè)下一個(gè)單詞。情感分析：分析文本體現(xiàn)的情感（正負(fù)向、正負(fù)中或多態(tài)度類型）。神經(jīng)機(jī)器翻譯：基于統(tǒng)計(jì)語言模型的多語種互譯。神經(jīng)自動(dòng)摘要：根據(jù)文本自動(dòng)生成摘要。機(jī)器閱讀理解：通過閱讀文本回答問題、完成選擇題或完型填空。自然語言推理：根據(jù)一句話（前提）推理出另一句話（結(jié)論）。一、人工智能的核心驅(qū)動(dòng)力（二）人工智能的“發(fā)動(dòng)機(jī)”——算法認(rèn)識(shí)數(shù)據(jù)對(duì)人工智能的重要性數(shù)據(jù)集的豐富性和大規(guī)模性對(duì)算法訓(xùn)練尤為重要。實(shí)現(xiàn)精準(zhǔn)視覺識(shí)別的第一步，就是獲取海量而優(yōu)質(zhì)的應(yīng)用場(chǎng)景數(shù)據(jù)。以人臉識(shí)別為例，訓(xùn)練該算法模型的圖片數(shù)據(jù)量至少應(yīng)為百萬級(jí)別。大數(shù)據(jù)的來源社交網(wǎng)絡(luò)用戶數(shù)據(jù)·科學(xué)儀器獲取數(shù)據(jù)·移動(dòng)通信記錄數(shù)據(jù)傳感器檢測(cè)數(shù)據(jù)·飛機(jī)飛行記錄數(shù)據(jù)醫(yī)療數(shù)據(jù)：放射影像數(shù)據(jù)，疾病數(shù)據(jù)·商務(wù)數(shù)據(jù)：刷卡消費(fèi)數(shù)據(jù)，網(wǎng)購交易數(shù)據(jù)信息量越來越大、維度越來越多，從圖像、聲音等媒體數(shù)據(jù)，到動(dòng)作、姿態(tài)、軌跡等人類行為數(shù)據(jù)，再到地理位置、天氣等環(huán)境數(shù)據(jù)……一、人工智能的核心驅(qū)動(dòng)力（三）人工智能的“燃料”——數(shù)據(jù)大數(shù)據(jù)的特點(diǎn)規(guī)模性（Volume，耗費(fèi)大量存儲(chǔ)、計(jì)算資源）；高速性（Velocity，增長迅速、急需實(shí)時(shí)處理）；多樣性（Variety，來源廣泛、形式多樣）；價(jià)值稀疏性（Value，價(jià)值總量大、知識(shí)密度低）。大數(shù)據(jù)與人工智能的關(guān)系一方面，大數(shù)據(jù)要求人工智能不斷提高其計(jì)算能力；另一方面，大數(shù)據(jù)也在不斷地訓(xùn)練著人工智能，使結(jié)果更加精準(zhǔn)。一、人工智能的核心驅(qū)動(dòng)力（三）人工智能的“燃料”——數(shù)據(jù)沒有數(shù)據(jù)的人工智能是無法前行的。情景驅(qū)動(dòng)的人工智能應(yīng)用，對(duì)企業(yè)的數(shù)據(jù)處理能力提出迫切要求。企業(yè)不僅需要采集數(shù)據(jù)，還需要利用深度學(xué)習(xí)將這些數(shù)據(jù)轉(zhuǎn)化為人工智能的“知識(shí)”。在每一個(gè)轉(zhuǎn)化環(huán)節(jié)，都需要能讀懂和識(shí)別數(shù)據(jù)背后信息的“AI+專業(yè)”應(yīng)用人才。一、人工智能的核心驅(qū)動(dòng)力總結(jié)什么是物聯(lián)網(wǎng)？狹義：指通過信息傳感設(shè)備按約定的協(xié)議把任何物品與互聯(lián)網(wǎng)連接起來進(jìn)行信息交換，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。這些傳感設(shè)備包括：射頻識(shí)別(RFID)、紅外線感應(yīng)器、全球定位系統(tǒng)、激光掃描器、氣體感應(yīng)器等。廣義：打造“物物相連的互聯(lián)網(wǎng)”，指通過多種信息技術(shù)的結(jié)合，實(shí)現(xiàn)物體與物體之間、環(huán)境以及狀態(tài)信息之間實(shí)時(shí)的共享，以及智能化的收集、傳遞、處理、執(zhí)行。二、人工智能的其他支撐技術(shù)（一）認(rèn)知物聯(lián)網(wǎng)和AIoT物聯(lián)網(wǎng)與人工智能有什么關(guān)系？什么是AIoT？“AIoT”即“AI+IoT”，指的是人工智能技術(shù)與物聯(lián)網(wǎng)在實(shí)際行業(yè)應(yīng)用中的落地融合。物聯(lián)網(wǎng)的最終目的是要解決具體場(chǎng)景的實(shí)際應(yīng)用，賦予物聯(lián)網(wǎng)一個(gè)“大腦”；AI通過對(duì)歷史和實(shí)時(shí)數(shù)據(jù)的深度學(xué)習(xí)，能夠更準(zhǔn)確的判斷用戶習(xí)慣，使設(shè)備做出符合用戶預(yù)期的行為，變得更加智能。人工智能也需要物聯(lián)網(wǎng)這個(gè)重要的平臺(tái)來完成落地應(yīng)用。AI的數(shù)據(jù)只有IoT能夠源源不斷的提供，IoT提供的海量龐雜的數(shù)據(jù)可以讓AI快速的獲取知識(shí)，不斷訓(xùn)練。二、人工智能的其他支撐技術(shù)（一）認(rèn)知物聯(lián)網(wǎng)和AIoT物聯(lián)網(wǎng)與人工智能有什么關(guān)系？什么是AIoT？二、人工智能的其他支撐技術(shù)（一）認(rèn)知物聯(lián)網(wǎng)和AIoT因此只有兩者結(jié)合才能發(fā)揮出更大的作用，把應(yīng)用邊界不斷拓展，這也是產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展的核心訴求之一。什么是云計(jì)算二、人工智能的其他支撐技術(shù)（二）了解云計(jì)算從廣義上說，計(jì)算資源的共享池叫做“云”。其實(shí)質(zhì)是一個(gè)網(wǎng)絡(luò)，云計(jì)算把許多計(jì)算資源集合起來，通過軟件實(shí)現(xiàn)自動(dòng)化管理，只需要很少的人參與，就能讓資源被快速提供。核心概念就是以互聯(lián)網(wǎng)為中心，在網(wǎng)站上提供快速且安全的云計(jì)算服務(wù)與數(shù)據(jù)存儲(chǔ)，讓每一個(gè)使用互聯(lián)網(wǎng)的人都可以使用網(wǎng)絡(luò)上的龐大計(jì)算資源與數(shù)據(jù)中心。云計(jì)算的特點(diǎn)和應(yīng)用二、人工智能的其他支撐技術(shù)（二）了解云計(jì)算計(jì)算能力作為一種商品，可以無限擴(kuò)展，只要按使用量付費(fèi)就可以；可以在互聯(lián)網(wǎng)上流通，可以方便地取用，且價(jià)格較為低廉。較為簡(jiǎn)單的云計(jì)算技術(shù)服務(wù)，包括最為常見的網(wǎng)絡(luò)搜索引擎和網(wǎng)絡(luò)郵箱。其他的如存儲(chǔ)云、醫(yī)療云、金融云、教育云等等，也已廣泛地應(yīng)用在行業(yè)及生活中。云計(jì)算與人工智能的關(guān)系二、人工智能的其他支撐技術(shù)（二）了解云計(jì)算云計(jì)算不僅是人工智能的基礎(chǔ)計(jì)算平臺(tái)，也是人工智能的能力集成到千萬應(yīng)用中的便捷途徑。作為IT基礎(chǔ)設(shè)施，它是人工智能與大數(shù)據(jù)之間的橋梁。人工智能的自我學(xué)習(xí)需要海量數(shù)據(jù)用于訓(xùn)練。而云計(jì)算支撐了人工智能和大數(shù)據(jù)這些計(jì)算存儲(chǔ)密集型任務(wù)，它是幫助獲得海量真實(shí)大數(shù)據(jù)的重要方式。什么是5G？二、人工智能的其他支撐技術(shù)（三）走近第五代移動(dòng)通信技術(shù)（5G）5G：第五代移動(dòng)通信系統(tǒng)，也是繼1G、2G、3G和4G系統(tǒng)之后的延伸。1G：語音通話，20世紀(jì)80年代；2G：消息傳遞，20世紀(jì)90年代；3G：多媒體、文本、互聯(lián)網(wǎng)，20世紀(jì)90年代末至21世紀(jì)初；4G：實(shí)時(shí)數(shù)據(jù)，包括車載導(dǎo)航、視頻共享，2008年推出。從模擬通信到數(shù)字通信，從文字傳輸、圖像傳輸又到視頻傳輸，移動(dòng)通信技術(shù)極大地改變了我們的生活。而前四代移動(dòng)通信網(wǎng)絡(luò)技術(shù)，只是專注于移動(dòng)通信，而5G在此基礎(chǔ)上還包括了工業(yè)互聯(lián)網(wǎng)和人工智能等諸多應(yīng)用場(chǎng)景。

5G的特點(diǎn)二、人工智能的其他支撐技術(shù)（三）走近第五代移動(dòng)通信技術(shù)（5G）其性能目標(biāo)是高數(shù)據(jù)速率、減少延遲、節(jié)省能源、降低成本、提高系統(tǒng)容量和大規(guī)模設(shè)備連接。5G的到來，更高的速率、更大的帶寬、更低的延遲成為可能。

5G能實(shí)現(xiàn)什么場(chǎng)景？二、人工智能的其他支撐技術(shù)（三）走近第五代移動(dòng)通信技術(shù)（5G）國際電信聯(lián)盟無線電通信局定義了5G的三大典型應(yīng)用場(chǎng)境：增強(qiáng)型移動(dòng)寬帶：主要面向虛擬現(xiàn)實(shí)（VR）/增強(qiáng)現(xiàn)實(shí)（AR）,以及在線視頻4K/8K等高帶寬需求業(yè)務(wù)；超可靠低時(shí)延通信：主要面向車聯(lián)網(wǎng)與自動(dòng)駕駛、遠(yuǎn)程外科手術(shù)、智能電網(wǎng)、無人機(jī)等時(shí)延敏感的業(yè)務(wù)；海量大規(guī)模連接物聯(lián)網(wǎng)：主要面向智慧城市、智能交通等高連接密度需求的業(yè)務(wù)。什么是人工智能數(shù)據(jù)服務(wù)？三、了解人工智能的數(shù)據(jù)服務(wù)即：為AI算法訓(xùn)練及優(yōu)化提供的數(shù)據(jù)采集、清洗、信息抽取、標(biāo)注等服務(wù)，這對(duì)于人工智能縱深到細(xì)分行業(yè)和場(chǎng)境應(yīng)用至關(guān)重要。三、了解人工智能的數(shù)據(jù)服務(wù)人工智能數(shù)據(jù)服務(wù)包括以下步驟：1.數(shù)據(jù)采集又稱數(shù)據(jù)獲取。被采集數(shù)據(jù)可以是被監(jiān)測(cè)的各種物理量，如溫度、濕度、水位等，也可以是各類影音圖文信息。2.數(shù)據(jù)標(biāo)注包括：語音標(biāo)注、圖像標(biāo)注、文本標(biāo)注、視頻標(biāo)注等種類。標(biāo)記的基本形式有：標(biāo)注畫框、3D畫框、文本轉(zhuǎn)錄、圖像打點(diǎn)、目標(biāo)物體輪廓線等。3.數(shù)據(jù)分析指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論。通常包含以下三個(gè)步驟：探索性數(shù)據(jù)分析——模型選定分析——推斷分析三、了解人工智能的數(shù)據(jù)服務(wù)人工智能數(shù)據(jù)服務(wù)——什么是圖像標(biāo)注？圖像標(biāo)注和視頻標(biāo)注可統(tǒng)一稱為圖像標(biāo)注，因?yàn)橐曨l也是由圖像連續(xù)播放組成，1秒鐘的視頻包含25幀圖像，每1幀都是1張圖像。現(xiàn)實(shí)應(yīng)用場(chǎng)景：人臉識(shí)別以及自動(dòng)駕駛車輛識(shí)別等。圖形的數(shù)據(jù)標(biāo)注需要相對(duì)復(fù)雜的過程。圖像包括形態(tài)、目標(biāo)點(diǎn)、結(jié)構(gòu)劃分等，數(shù)據(jù)標(biāo)注人員需要對(duì)不同的目標(biāo)標(biāo)記物用不同的顏色進(jìn)行輪廓標(biāo)記，然后對(duì)相應(yīng)的輪廓打標(biāo)簽，用標(biāo)簽來概述輪廓內(nèi)的內(nèi)容，以便讓模型能夠識(shí)別圖像的不同標(biāo)記物。三、了解人工智能的數(shù)據(jù)服務(wù)人工智能數(shù)據(jù)服務(wù)是深度學(xué)習(xí)技術(shù)催生出來的新職業(yè)，而數(shù)據(jù)標(biāo)注員從事的是人工智能時(shí)代的信息處理工作。當(dāng)技術(shù)的進(jìn)步大幅提升了數(shù)據(jù)處理的效率，人的作用將從原來的重復(fù)勞動(dòng)變成監(jiān)督和輔助機(jī)器學(xué)習(xí)，職業(yè)要求和內(nèi)涵也將發(fā)生重大變化。未來展望：隨著算法需求越來越旺盛，由機(jī)器持續(xù)學(xué)習(xí)人工標(biāo)注，提升預(yù)標(biāo)注和自動(dòng)標(biāo)注能力對(duì)人工的替代率將成趨勢(shì)。當(dāng)技術(shù)大幅進(jìn)步，數(shù)據(jù)標(biāo)注師如何變成人工智能訓(xùn)練師，新技術(shù)在取代人力的同時(shí)也帶來了新的職業(yè)路徑和新的職業(yè)要求?？偨Y(jié)【練習(xí)與思考】選擇題：1.人工智能的核心驅(qū)動(dòng)力包括以下哪些要素？（多選題）A.算法B.數(shù)據(jù)C.算力D.物聯(lián)網(wǎng)2.以下哪個(gè)要素被稱為人工智能的發(fā)動(dòng)機(jī)？A.算力B.數(shù)據(jù)C.云計(jì)算D.算法3.人工智能與機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的包含關(guān)系是什么？A.人工智能>深度學(xué)習(xí)>機(jī)器學(xué)習(xí)B.深度學(xué)習(xí)>機(jī)器學(xué)習(xí)>人工智能C.機(jī)器學(xué)習(xí)>深度學(xué)習(xí)>人工智能D.人工智能>機(jī)器學(xué)習(xí)>深度學(xué)習(xí)【練習(xí)與思考】選擇題：4.機(jī)器學(xué)習(xí)的分類方式有以下哪些？（多選題）A.監(jiān)督學(xué)習(xí)B.強(qiáng)化學(xué)習(xí)C.深度學(xué)習(xí)D.無監(jiān)督學(xué)習(xí)5.5G能實(shí)現(xiàn)以下哪些性能目標(biāo)？（多選題）A.減少延遲B.降低成本C.實(shí)現(xiàn)大規(guī)模設(shè)備連接D.高數(shù)據(jù)速率6.以下哪些應(yīng)用場(chǎng)境屬于5G的典型應(yīng)用？(多選題)A.無人駕駛B.車聯(lián)網(wǎng)C.在線視頻D.8K業(yè)務(wù)7.大數(shù)據(jù)有哪些特點(diǎn)？（多選題）A.多樣性B.高速性C.規(guī)模性D.價(jià)值稀疏性【練習(xí)與思考】選擇題：8.人工智能的數(shù)據(jù)服務(wù)包括哪些步驟？(多選題)A.數(shù)據(jù)標(biāo)注B.數(shù)據(jù)采集C.數(shù)據(jù)分析D.數(shù)據(jù)清洗判斷題：1.作為組成人工智能的核心驅(qū)動(dòng)力之一，算力被比作人工智能的燃料。2.算力涵蓋GPU、CPU、FPGA和各種各樣的ASIC專用芯片。3.深度學(xué)習(xí)的主要應(yīng)用方向包括了圖像識(shí)別、語音識(shí)別、自然語言處理等?！揪毩?xí)與思考】討論題：1.小組合作任務(wù)：將班級(jí)學(xué)生分成若干個(gè)小組，各小組就生活中的實(shí)際案例進(jìn)行數(shù)據(jù)采集、并完成標(biāo)注及分析，最終輸出專題報(bào)告。2.深度學(xué)習(xí)和傳統(tǒng)機(jī)器學(xué)習(xí)相比，具有哪些優(yōu)勢(shì)？互聯(lián)網(wǎng)時(shí)代，網(wǎng)購已經(jīng)深入千家萬戶，結(jié)合本節(jié)學(xué)習(xí)內(nèi)容思考深度學(xué)習(xí)在京東、美團(tuán)、淘寶等網(wǎng)購平臺(tái)有哪些用武之地？【練習(xí)與思考】客觀題答案選擇題：1.ABC2.D3.B4.ABD5.ABCD6.ABCD7.ABCD8.ABC判斷題：1.錯(cuò)2.對(duì)3.對(duì)人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目二認(rèn)知人工智能的基礎(chǔ)支撐AI遇見應(yīng)用興趣引領(lǐng)未來AI遇見應(yīng)用興趣引領(lǐng)未來人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能

的應(yīng)用技術(shù)任務(wù)一視覺智能——機(jī)器如何識(shí)字、看人人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)目錄教學(xué)目標(biāo)教學(xué)要求內(nèi)容概覽相關(guān)知識(shí)3.1.1圖像識(shí)別技術(shù)的原理及應(yīng)用 3.1.2人臉識(shí)別技術(shù)及應(yīng)用 3.1.3OCR文字識(shí)別技術(shù)及應(yīng)用練習(xí)與思考 人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)任務(wù)一視覺智能——機(jī)器如何識(shí)字、看人1．掌握?qǐng)D像識(shí)別、人臉識(shí)別、文字識(shí)別的含義2．理解圖像識(shí)別、人臉識(shí)別、文字識(shí)別的原理、技術(shù)流程、應(yīng)用及發(fā)展趨勢(shì)3．進(jìn)行圖像識(shí)別、人臉識(shí)別、文字識(shí)別的實(shí)訓(xùn)【教學(xué)目標(biāo)】1.知識(shí)點(diǎn)圖像識(shí)別、視頻識(shí)別、人臉識(shí)別、行為識(shí)別、文字識(shí)別的概念和技術(shù)流程2.技能點(diǎn)掌握?qǐng)D像識(shí)別、人臉識(shí)別、文字識(shí)別的實(shí)訓(xùn)操作3.重難點(diǎn)通過本項(xiàng)目的學(xué)習(xí)，重點(diǎn)理解視覺智能包括哪些應(yīng)用技術(shù)，過去的計(jì)算機(jī)視覺和現(xiàn)在的視覺智能有什么區(qū)別和聯(lián)系，思考在生活和行業(yè)方面有哪些具體應(yīng)用？從“看得見”到“看得清楚、看得明白”之間，需要我們?cè)趺慈ビ?xùn)練機(jī)器？同時(shí)，結(jié)合每個(gè)任務(wù)后的實(shí)訓(xùn)項(xiàng)目進(jìn)一步思考，嘗試拓展更多實(shí)訓(xùn)任務(wù)?！窘虒W(xué)要求】【內(nèi)容概覽】任務(wù)一視覺智能——機(jī)器如何識(shí)字、看人3.1.3OCR文字識(shí)別技術(shù)及應(yīng)用什么是OCR識(shí)別OCR識(shí)別的智能化OCR識(shí)別的應(yīng)用3.1.2人臉識(shí)別技術(shù)及應(yīng)用是圖像識(shí)別的一個(gè)應(yīng)用場(chǎng)景，也叫做人像識(shí)別、面部識(shí)別，即基于人的臉部特征信息進(jìn)行身份識(shí)別3.1.1圖像識(shí)別技術(shù)及應(yīng)用什么是圖像識(shí)別？技術(shù)流程：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別基于深度學(xué)習(xí)技術(shù)，將圖片上的文字、符號(hào)智能識(shí)別出來并變?yōu)榭删庉嫷奈谋緝?yōu)點(diǎn)：識(shí)別效率和準(zhǔn)確率高、識(shí)別圖像質(zhì)量寬容度高通用文字識(shí)別、卡證文字識(shí)別、票據(jù)文字識(shí)別、場(chǎng)景文字識(shí)別、其他文字識(shí)別（圖片數(shù)字、印章檢測(cè)、表格文字、圖片二維碼等）識(shí)別流程：圖像輸入、圖像預(yù)處理、版面分析、字符切割、字符特征提取、字符識(shí)別、后處理校正圖像識(shí)別的技術(shù)流程圖像識(shí)別的應(yīng)用信息的獲取、預(yù)處理、特征抽取和選擇、分類器設(shè)計(jì)和分類決策應(yīng)用領(lǐng)域：公共安全、生物、工業(yè)、農(nóng)業(yè)、交通、醫(yī)療等延展介紹：視頻識(shí)別及視頻中的行為識(shí)別圖像處理：圖像采集、圖像增強(qiáng)、圖像復(fù)原、圖像編碼與壓縮、圖像分割圖像識(shí)別：統(tǒng)計(jì)法、模板匹配法和神經(jīng)網(wǎng)絡(luò)法等【相關(guān)知識(shí)】計(jì)算機(jī)視覺應(yīng)用場(chǎng)景圖像識(shí)別是人工智能行業(yè)應(yīng)用的一個(gè)重要方向，也是機(jī)器學(xué)習(xí)最熱門的領(lǐng)域之一。其目的是為了讓計(jì)算機(jī)代替人類去處理大量的物理信息，解決人類無法識(shí)別或者識(shí)別率特別低的信息。圖像識(shí)別的發(fā)展經(jīng)歷三個(gè)階段：文字識(shí)別、數(shù)字圖像處理與識(shí)別、物體識(shí)別。圖像識(shí)別通過分類并提取重要特征并排除多余的信息來識(shí)別圖像。圖像的內(nèi)容通常是用圖像特征進(jìn)行描述，包括：顏色特征、紋理特征、形狀特征及局部特征點(diǎn)等。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（一）什么是圖像識(shí)別？

圖像識(shí)別過程圖像識(shí)別過程分為圖像處理和圖像識(shí)別兩個(gè)部分。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（一）什么是圖像識(shí)別？

圖像識(shí)別過程1.圖像處理分為模擬圖像處理和數(shù)字圖像處理。其目的是去除干擾、噪聲，將原始圖像進(jìn)行特征提取，主要包括圖像采集、圖像增強(qiáng)、圖像復(fù)原、圖像編碼與壓縮和圖像分割。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（一）什么是圖像識(shí)別？環(huán)節(jié)內(nèi)容圖像采集主要借助于攝像機(jī)、掃描儀、數(shù)碼相機(jī)等設(shè)備經(jīng)過采樣數(shù)字化得到的圖像,也包括一些動(dòng)態(tài)圖像,并可以將其轉(zhuǎn)為數(shù)字圖像,與文字、圖形、聲音一起存儲(chǔ)。圖像提取是將一個(gè)圖像變換為適合計(jì)算機(jī)處理的形式的第一步。圖像增強(qiáng)為突出圖像中想抓取的部分,必須對(duì)圖像進(jìn)行改善,以緩解圖像在成像、采集、傳輸?shù)冗^程中，質(zhì)量或多或少造成的退化。通過圖像增強(qiáng),減少圖像中的干擾和噪聲,改變?cè)瓉韴D像的亮度、色彩分布、對(duì)比度等參數(shù),為后期的圖像分析和圖像理解奠定基礎(chǔ)。圖像復(fù)原為提取比較清晰的圖像，減少在獲取圖像時(shí)環(huán)境噪聲的影響、運(yùn)動(dòng)造成的圖像模糊、光線的強(qiáng)弱等原因使得圖像模糊,需要對(duì)圖像進(jìn)行恢復(fù)。主要采用濾波方法,從降質(zhì)的圖像恢復(fù)原始圖。另一種特殊技術(shù)是圖像重建,該技術(shù)是從物體橫剖面的一組投影數(shù)據(jù)建立圖像。圖像編碼與壓縮為快速方便地在網(wǎng)絡(luò)環(huán)境下傳輸圖像或視頻,必須對(duì)圖像進(jìn)行編碼和壓縮。如靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG,針對(duì)圖像的分辨率、色彩等進(jìn)行規(guī)范。由于視頻可被看作是一幅幅不同的但有緊密相關(guān)的靜態(tài)圖像的時(shí)間序列,因此動(dòng)態(tài)視頻的單幀圖像壓縮可以應(yīng)用靜態(tài)圖像的壓縮標(biāo)準(zhǔn)。圖像編碼壓縮技術(shù)可以緩解數(shù)據(jù)量和存儲(chǔ)器容量問題、提高圖像傳輸速度、縮短處理時(shí)間。圖像分割技術(shù)圖像分割是把圖像分成一些互不重疊而又具有各自特征的子區(qū)域,每一區(qū)域是像素的一個(gè)連續(xù)集,這里的特性可以是圖像的顏色、形狀、灰度和紋理等。圖像分割對(duì)圖像中的目標(biāo)、背景進(jìn)行標(biāo)記、定位,然后把目標(biāo)從背景中分離出來。目前,圖像分割的方法主要有基于區(qū)域特征的分割方法、基于相關(guān)匹配的分割方法和基于邊界特征的分割方法。在實(shí)際的圖像中需根據(jù)景物條件的不同選擇適合的圖像分割方法。圖像分割為進(jìn)一步的圖像識(shí)別、分析和理解奠定了基礎(chǔ)。

圖像識(shí)別過程2.圖像識(shí)別將經(jīng)過處理的圖像進(jìn)行特征提取和分類，這就是圖像識(shí)別。通常有幾種常用的識(shí)別方法：統(tǒng)計(jì)法、模板匹配法和神經(jīng)網(wǎng)絡(luò)法。統(tǒng)計(jì)法——該方法是對(duì)研究的圖像進(jìn)行大量的統(tǒng)計(jì)分析，找出其中的規(guī)律并提取反映圖像本質(zhì)特點(diǎn)的特征來進(jìn)行圖像識(shí)別。缺點(diǎn)：當(dāng)特征數(shù)量激增，給特征提取造成困難，分類也難以實(shí)現(xiàn)。模板匹配法——即把已知物體的模板與圖像中所有未知物體進(jìn)行比較，如果某一未知物體與該模板匹配，則該物體被檢測(cè)出來，并被認(rèn)為是與模板相同的物體。缺點(diǎn)：雖然簡(jiǎn)單方便，但應(yīng)用有很大的限制，識(shí)別率過多地依賴于已知物體的模板，如果已知物體的模板產(chǎn)生變形，會(huì)導(dǎo)致錯(cuò)誤的識(shí)別。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（一）什么是圖像識(shí)別？

圖像識(shí)別過程2.圖像識(shí)別神經(jīng)網(wǎng)絡(luò)法——指用神經(jīng)網(wǎng)絡(luò)算法對(duì)圖像進(jìn)行識(shí)別的方法。目前深度學(xué)習(xí)模型已應(yīng)用于一般圖像的識(shí)別和理解，不僅大大提升了圖像識(shí)別的準(zhǔn)確性，也避免了抽取人工特征時(shí)的時(shí)間消耗。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)側(cè)重于模擬和實(shí)現(xiàn)人的認(rèn)知過程中的感知過程、形象思維、分布式記憶和自學(xué)習(xí)自組織過程。神經(jīng)網(wǎng)絡(luò)的特征：具有容錯(cuò)性強(qiáng)、獨(dú)特的聯(lián)想記憶及自組織、自適應(yīng)和自學(xué)習(xí)能力,特別適合處理信息模糊或不精確問題。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（一）什么是圖像識(shí)別？舉例：垃圾郵件的判斷圖像識(shí)別的技術(shù)流程分以下幾步：信息的獲取、預(yù)處理、特征抽取和選擇、分類器設(shè)計(jì)和分類決策。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（二）圖像識(shí)別的技術(shù)流程信息獲取通過傳感器，將光或聲音等信息轉(zhuǎn)化為電信息。即獲取研究對(duì)象的基本信息并通過某種方法將其轉(zhuǎn)變?yōu)闄C(jī)器能夠認(rèn)識(shí)的信息。預(yù)處理指圖像處理中的去噪、平滑、變換等的操作，從而加強(qiáng)圖像的重要特征。特征抽取和選擇特征抽取：利用某種方法，研究各式各樣的圖像，獲取圖像所具有的本身特征特征選擇：從抽取的特征中，選擇對(duì)本次識(shí)別有用的特征分類器設(shè)計(jì)通過訓(xùn)練而得到一種識(shí)別規(guī)則，通過此識(shí)別規(guī)則可以得到一種特征分類，使圖像識(shí)別技術(shù)能夠得到高識(shí)別率。分類決策在特征空間中對(duì)被識(shí)別對(duì)象進(jìn)行分類，從而更好地識(shí)別所研究的對(duì)象具體屬于哪一類。視頻監(jiān)控、人臉檢測(cè)和識(shí)別等都是圖像識(shí)別最廣泛的應(yīng)用。從場(chǎng)境上，公共安全、生物、工業(yè)、農(nóng)業(yè)、交通、醫(yī)療等均有廣泛應(yīng)用。存在的局限：圖像識(shí)別技術(shù)在應(yīng)用上還只是起著導(dǎo)盲犬性質(zhì)的指引作用，需要通過人工添加標(biāo)簽或注釋，幫助機(jī)器來理解圖片。未來的技術(shù)將朝著能夠具有人一樣的視覺、能夠理解圖像內(nèi)容的人工智能發(fā)展。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（三）圖像識(shí)別的應(yīng)用視頻識(shí)別及視頻中的行為識(shí)別是圖像識(shí)別技術(shù)的重要應(yīng)用。視頻就是由圖像連續(xù)播放形成的（1秒鐘的視頻包含25幀圖像，每1幀都是1張圖像），視頻識(shí)別中一個(gè)重要內(nèi)容是視頻理解，主要包括：視頻結(jié)構(gòu)化分析：即是對(duì)視頻進(jìn)行幀、超幀、鏡頭、場(chǎng)景、故事等分割，從而在多個(gè)層次上進(jìn)行處理和表達(dá)。目標(biāo)檢測(cè)和跟蹤：如車輛跟蹤，多是應(yīng)用在交通安防領(lǐng)域。人物識(shí)別：識(shí)別出視頻中出現(xiàn)的人物。動(dòng)作識(shí)別：識(shí)別出視頻中人物的動(dòng)作。視頻中的行為識(shí)別是計(jì)算機(jī)視覺研究中的重要領(lǐng)域，將人的活動(dòng)進(jìn)行拆分并進(jìn)行識(shí)別。一、圖像識(shí)別技術(shù)的原理及應(yīng)用（三）圖像識(shí)別的應(yīng)用

什么是人臉識(shí)別？人臉識(shí)別是圖像識(shí)別的一個(gè)應(yīng)用場(chǎng)景，通常也叫做人像識(shí)別、面部識(shí)別。人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)。人臉識(shí)別技術(shù)的主要流程人臉圖像采集及檢測(cè)人臉圖像預(yù)處理人臉圖像特征提取匹配與識(shí)別。二、人臉識(shí)別技術(shù)及應(yīng)用人臉識(shí)別技術(shù)的主要流程（1）人臉圖像采集及檢測(cè)人臉圖像采集：通過攝像鏡頭采集，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。人臉檢測(cè)：主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置、大小和特征。其目的就是把其中有用的信息挑出來，并利用這些特征實(shí)現(xiàn)檢測(cè)。（2）人臉圖像預(yù)處理基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并最終服務(wù)于特征提取的過程。包括人臉對(duì)準(zhǔn)，人臉圖像的光線補(bǔ)償，灰度變換、直方圖均衡化、歸一化（取得尺寸一致，灰度取值范圍相同的標(biāo)準(zhǔn)化人臉圖像），中值濾波（圖片的平滑操作以消除噪聲）以及銳化等。二、人臉識(shí)別技術(shù)及應(yīng)用人臉識(shí)別技術(shù)的主要流程（3）人臉圖像特征提取也稱人臉表征，是對(duì)人臉進(jìn)行特征建模的過程?？墒褂玫奶卣魍ǔ７譃橐曈X特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。（4）匹配與識(shí)別提取的人臉特征值數(shù)據(jù)與數(shù)據(jù)庫中存貯的特征模板進(jìn)行搜索匹配，通過設(shè)定一個(gè)閾值，將相似度與這一閾值進(jìn)行比較，來對(duì)人臉的身份信息進(jìn)行判斷。二、人臉識(shí)別技術(shù)及應(yīng)用人臉識(shí)別技術(shù)的應(yīng)用范圍企業(yè)、住宅安全和管理：如人臉識(shí)別門禁考勤系統(tǒng)，人臉識(shí)別防盜門等電子護(hù)照及身份證公安、司法和刑偵自助服務(wù)信息安全：如計(jì)算機(jī)登錄、電子政務(wù)和電子商務(wù)等其他類似常見技術(shù)還有指紋識(shí)別、手掌幾何學(xué)識(shí)別、虹膜和視網(wǎng)膜識(shí)別等，也廣泛地應(yīng)用于身份認(rèn)證等場(chǎng)境，比如簽證應(yīng)用、身份識(shí)別、打卡應(yīng)用等。二、人臉識(shí)別技術(shù)及應(yīng)用OCR，全稱OpticalCharacterRecognition，光學(xué)字符識(shí)別。利用該識(shí)別技術(shù)，OCR文字識(shí)別可以代替人工錄入，將圖片上的文字、符號(hào)識(shí)別出來并變?yōu)榭删庉嫷奈谋?。人工智能時(shí)代的OCR，又被稱為文字識(shí)別技術(shù)，它是基于深度學(xué)習(xí)技術(shù)，將紙張、圖片等載體上的文字內(nèi)容，智能識(shí)別成為可編輯的文本。三、OCR文字識(shí)別技術(shù)及應(yīng)用（一）什么是OCR識(shí)別？1.智能OCR的優(yōu)點(diǎn)為什么會(huì)出現(xiàn)智能OCR？——深度學(xué)習(xí)技術(shù)進(jìn)入視覺識(shí)別領(lǐng)域，一種全新的基于深度學(xué)習(xí)的OCR流程被提出來。優(yōu)點(diǎn)：從單字識(shí)別進(jìn)化到整行識(shí)別，文字識(shí)別準(zhǔn)確率大幅提升；極大提升對(duì)識(shí)別圖像質(zhì)量的寬容度，可以有效識(shí)別光照不均、圖像模糊、復(fù)雜背景等低質(zhì)量圖像；無需掃描儀或高拍儀、手機(jī)、平板等移動(dòng)設(shè)備拍攝的照片，都可以用于識(shí)別。甚至，手寫字體的識(shí)別不再是“噩夢(mèng)”。三、OCR文字識(shí)別技術(shù)及應(yīng)用（二）AI時(shí)代，OCR識(shí)別的蛻變

2.OCR技術(shù)的識(shí)別流程三、OCR文字識(shí)別技術(shù)及應(yīng)用（二）AI時(shí)代，OCR識(shí)別的蛻變序號(hào)步驟步驟內(nèi)容1圖像輸入采集所要識(shí)別的圖像，比如名片、身份證、護(hù)照、行駛證、駕駛證、公文、文檔等等2圖像預(yù)處理包含二值化、去噪、傾斜度矯正等3版面分析對(duì)將要識(shí)別的文檔分段、分行處理4字符切割定位出字符串的邊界，然后分別對(duì)字符串進(jìn)行單個(gè)切割5字符特征提取提取字符特征，為識(shí)別提供依據(jù)6字符識(shí)別將當(dāng)前字符提取的特征向量與特征模板庫進(jìn)行模板粗分類和模板細(xì)匹配，識(shí)別出字符7版面回復(fù)將識(shí)別結(jié)果按照原來的版面排班，輸出Word或pdf格式的文檔8后處理校正根據(jù)特定的語言上下文的關(guān)系，對(duì)識(shí)別結(jié)果進(jìn)行較正OCR識(shí)別：包含通用文字識(shí)別、卡證文字識(shí)別、票據(jù)文字識(shí)別、場(chǎng)景文字識(shí)別、以及其他文字（圖片數(shù)字、印章檢測(cè)、表格文字、圖片二維碼等）識(shí)別等幾大類型場(chǎng)景的識(shí)別。三、OCR文字識(shí)別技術(shù)及應(yīng)用（三）OCR識(shí)別的應(yīng)用

OCR識(shí)別的應(yīng)用場(chǎng)境智能OCR技術(shù)的身影已逐漸覆蓋到智慧城市、智慧金融、智能交通、智慧醫(yī)療等越來越多的領(lǐng)域，如：網(wǎng)絡(luò)信息安全企業(yè)根據(jù)網(wǎng)絡(luò)爬蟲網(wǎng)絡(luò)圖片，對(duì)照片上的文字識(shí)別剖析，進(jìn)而判斷其是不是帶有特殊顏色信息內(nèi)容；圖書館藏書的電子化，提高了效率和準(zhǔn)確度；物流行業(yè)，通過手寫體文字識(shí)別技術(shù)，自動(dòng)識(shí)別出運(yùn)單的收寄件人電話號(hào)碼和地址等字段，大幅提升運(yùn)單信息錄入效率和物流資源的調(diào)度匹配能力；身份證的管理和識(shí)別、發(fā)票識(shí)別、出生證明識(shí)別、不動(dòng)產(chǎn)登記識(shí)別等等。三、OCR文字識(shí)別技術(shù)及應(yīng)用（三）OCR識(shí)別的應(yīng)用【練習(xí)與思考】選擇題：1.以下哪些方法屬于圖像識(shí)別的方法？（多選題）A.模板匹配法B.神經(jīng)網(wǎng)絡(luò)法C.統(tǒng)計(jì)法D.知識(shí)圖譜2.以下哪個(gè)流程屬于圖像識(shí)別的正確流程？A.特征抽取選擇—分類決策—信息預(yù)處理B.信息預(yù)處理—分類決策—特征抽取選擇C.信息預(yù)處理—特征抽取選擇—分類決策D.分類決策—特征抽取選擇—信息預(yù)處理3.人臉識(shí)別包含以下哪些流程？（多選題）A.人臉圖像采集及檢測(cè)B.人臉圖像特征提取C.人臉圖像預(yù)處理D.人臉圖像匹配與識(shí)別【練習(xí)與思考】選擇題：4.以下哪些均屬于人物身份確認(rèn)的常見技術(shù)？（多選題）A.指紋識(shí)別B.人臉識(shí)別C.手掌幾何學(xué)識(shí)別D.虹膜和視網(wǎng)膜識(shí)別5.人工智能OCR識(shí)別帶來哪些優(yōu)點(diǎn)？(多選題)A.識(shí)別效率提升B.識(shí)別的圖像質(zhì)量寬容度低C.識(shí)別的準(zhǔn)確率高D.手寫字體也很容易識(shí)別【練習(xí)與思考】選擇題：6.OCR識(shí)別可應(yīng)用于以下哪些場(chǎng)境？（多選題）A.文字識(shí)別B.票據(jù)識(shí)別C.圖片二維碼識(shí)別D.圖片數(shù)字判斷題：1.神經(jīng)網(wǎng)絡(luò)算法的提升對(duì)于人工智能技術(shù)的應(yīng)用有著重要推動(dòng)作用。2.視頻識(shí)別是圖像識(shí)別技術(shù)的重要應(yīng)用之一。3.OCR識(shí)別不能用于印章檢測(cè)的識(shí)別?！揪毩?xí)與思考】討論題：1.談一談，列舉你身邊的圖像識(shí)別、人臉識(shí)別、文字識(shí)別應(yīng)用案例，試想還有哪些改進(jìn)或創(chuàng)新之處。2.想一想，視覺智能相關(guān)技術(shù)在哪些方面已超越人類，進(jìn)而影響到了傳統(tǒng)的就業(yè)崗位，又在哪些方面現(xiàn)階段甚至很長一段時(shí)間內(nèi)還不能代替人類的角色？【練習(xí)與思考】客觀題答案選擇題：1.ABC2.C3.ABCD4.ABCD5.ACD6.ABCD判斷題：1.對(duì)

2.對(duì)3.錯(cuò)任務(wù)二聽覺智能——機(jī)器如何“聞聲識(shí)人”人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)目錄教學(xué)目標(biāo)教學(xué)要求內(nèi)容概覽相關(guān)知識(shí)3.2.1什么是語音識(shí)別技術(shù)？ 3.2.2語音識(shí)別技術(shù)的應(yīng)用 3.2.3聲紋識(shí)別：讓語音識(shí)別更加隱秘練習(xí)與思考 人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)任務(wù)二聽覺智能——機(jī)器如何“聞聲識(shí)人”1.理解并掌握語音識(shí)別技術(shù)的含義及應(yīng)用領(lǐng)域2.了解聲紋識(shí)別與語音識(shí)別的區(qū)別與聯(lián)系3.進(jìn)行語音識(shí)別的項(xiàng)目實(shí)訓(xùn)【教學(xué)目標(biāo)】1.知識(shí)點(diǎn)語音識(shí)別語音特征提取人機(jī)對(duì)話系統(tǒng)的角色演進(jìn)聲紋識(shí)別2.技能點(diǎn)掌握語音識(shí)別為文本、文本識(shí)別為語音的雙向?qū)嵱?xùn)操作3.重難點(diǎn)本任務(wù)的重點(diǎn)是理解語音識(shí)別、聲紋識(shí)別技術(shù)的含義、應(yīng)用領(lǐng)域及相互間的區(qū)別和聯(lián)系,語音如何轉(zhuǎn)變成文本的技術(shù)和流程。難點(diǎn)是通過本任務(wù)的學(xué)習(xí)，深度思考語音識(shí)別、語義理解、自然語言生成這樣一個(gè)人機(jī)對(duì)話系統(tǒng)的演進(jìn)過程。【教學(xué)要求】【內(nèi)容概覽】任務(wù)二聽覺智能——機(jī)器如何“聞聲識(shí)人”3.2.3聲紋識(shí)別打造“專屬語音管家”，是未來智能語音識(shí)別領(lǐng)域的重點(diǎn)方向不僅會(huì)捕捉語音內(nèi)容，還會(huì)根據(jù)音波特點(diǎn)、生理特征等參數(shù)，自動(dòng)識(shí)別說話人的身份3.2.2語音識(shí)別技術(shù)的應(yīng)用語音輸入3.2.1什么是語音識(shí)別技術(shù)？目標(biāo)就是讓機(jī)器通過識(shí)別和理解把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令語音控制語音識(shí)別技術(shù)：特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)語音識(shí)別任務(wù)：孤立詞識(shí)別、連續(xù)語音識(shí)別、關(guān)鍵詞識(shí)別語音對(duì)話將語音識(shí)別成文字，提升用戶的效率，如微信語音轉(zhuǎn)換文字等通過語音控制設(shè)備，進(jìn)行相關(guān)操作，如智能音箱、智能汽車系統(tǒng)等根據(jù)用戶的語音實(shí)現(xiàn)交流與對(duì)話，對(duì)語義理解要求較高。如訂票系統(tǒng)、銀行服務(wù)等語音識(shí)別流程：輸入——編碼——解碼——輸出【相關(guān)知識(shí)】

語音識(shí)別技術(shù)語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。根據(jù)識(shí)別的對(duì)象不同，語音識(shí)別任務(wù)大體可分為3類，即孤立詞識(shí)別、連續(xù)語音識(shí)別和關(guān)鍵詞識(shí)別。一、什么是語音識(shí)別技術(shù)？

語音識(shí)別流程語音識(shí)別技術(shù)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三方面。其識(shí)別流程為：信號(hào)處理：聲音信號(hào)是連續(xù)的模擬信號(hào)，為了保證音頻不失真影響識(shí)別，要進(jìn)行降噪和過濾處理，保證讓計(jì)算機(jī)識(shí)別的是過濾后的語音信息；信號(hào)表征：對(duì)語音的內(nèi)容信息根據(jù)聲學(xué)特征進(jìn)行提取，并盡量對(duì)數(shù)據(jù)進(jìn)行壓縮，特征提取完成之后，就進(jìn)入了特征識(shí)別、字符生成環(huán)節(jié)；模式識(shí)別：從每一幀中找出當(dāng)前說的音素，由多個(gè)音素組成單詞，再由單詞組成文本句子。通過聲學(xué)模型識(shí)別音素、語言模型和詞匯模型識(shí)別單詞和句子。這樣，只要模型中涵蓋足夠的語料，即語音的大數(shù)據(jù)集，就能解決各種語音識(shí)別問題。整個(gè)流程下來，語音就能識(shí)別成文本了。一、什么是語音識(shí)別技術(shù)？

語音識(shí)別技術(shù)應(yīng)用領(lǐng)域概括起來，智能語音識(shí)別主要應(yīng)用于三個(gè)領(lǐng)域，這也是語音識(shí)別商業(yè)化發(fā)展的主要方向：1.語音輸入系統(tǒng)將語音識(shí)別成文字，提升用戶的效率，如微信語音轉(zhuǎn)換文字、訊飛輸入法等。2.語音控制系統(tǒng)通過語音控制設(shè)備，進(jìn)行相關(guān)操作，徹底解放雙手，例如智能音箱、智能汽車系統(tǒng)等。3.語音對(duì)話系統(tǒng)語音對(duì)話系統(tǒng)更為復(fù)雜，它將會(huì)根據(jù)用戶的語音實(shí)現(xiàn)交流與對(duì)話，保證回答的內(nèi)容準(zhǔn)確，對(duì)語義理解要求較高。在家庭機(jī)器服務(wù)員、賓館服務(wù)、訂票系統(tǒng)、銀行服務(wù)等方面，都將會(huì)起到非常重要的作用。二、語音識(shí)別技術(shù)的應(yīng)用

語音識(shí)別技術(shù)應(yīng)用場(chǎng)景在日常的工作生活中，語音識(shí)別已廣泛應(yīng)用。如醫(yī)療智能語音錄入系統(tǒng)、智能車載、智能穿戴、智能家居等。二、語音識(shí)別技術(shù)的應(yīng)用

什么是聲紋識(shí)別如果說語音識(shí)別的目的是提升效率，那么聲紋識(shí)別的目的則是進(jìn)行身份確認(rèn)與審查。相比較語音識(shí)別，聲紋識(shí)別最大的特點(diǎn)在于：智能系統(tǒng)不僅會(huì)捕捉語音內(nèi)容，還會(huì)根據(jù)音波特點(diǎn)、說話人的生理特征等參數(shù)，自動(dòng)識(shí)別說話人的身份。因?yàn)槊總€(gè)人發(fā)出的聲紋圖譜會(huì)與其他人不同，聲紋識(shí)別正是通過比對(duì)說話人在相同音素上的發(fā)聲來判斷是否為同一個(gè)人，從而實(shí)現(xiàn)“聞聲識(shí)人”的功能。三、聲紋識(shí)別：讓語音識(shí)別更加隱秘

聲紋識(shí)別的流程三、聲紋識(shí)別：讓語音識(shí)別更加隱秘【練習(xí)與思考】選擇題：1.根據(jù)識(shí)別的對(duì)象不同，語音識(shí)別任務(wù)大體可分為幾類？(多選題)A.孤立詞識(shí)別B.關(guān)鍵詞識(shí)別C.圖像識(shí)別D.連續(xù)語音識(shí)別2.以下哪個(gè)流程為語音識(shí)別的正確流程？A.語音輸入—解碼—文字輸出—編碼（特征提?。〣.編碼（特征提?。獯a—文字輸出—語音輸入C.文字輸出—語音輸入—編碼（特征提?。獯aD.語音輸入—編碼（特征提取）—文字輸出—解碼【練習(xí)與思考】選擇題：3.智能語音識(shí)別主要應(yīng)用于以下哪些領(lǐng)域？（多選題）A.醫(yī)療智能語音錄入系統(tǒng)B.智能車載C.智能穿戴D.智能家居判斷題：1.聲紋識(shí)別屬于智能語音識(shí)別系統(tǒng)之一。2.聲紋識(shí)別不僅會(huì)捕捉語音內(nèi)容，還能識(shí)別說話人的身份。【練習(xí)與思考】討論題：1.結(jié)合你身邊的語音識(shí)別技術(shù)應(yīng)用案例（如智能音箱、服務(wù)機(jī)器人），討論其工作原理和流程。2.想一想，目前的語音識(shí)別技術(shù)在哪些方面還有提升空間，未來有哪些應(yīng)用前景？【練習(xí)與思考】客觀題答案選擇題：1.ABD2.D3.ABCD判斷題：1.對(duì)

2.對(duì)

任務(wù)三認(rèn)知智能——機(jī)器如何懂語義、會(huì)思考人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)目錄教學(xué)目標(biāo)教學(xué)要求內(nèi)容概覽相關(guān)知識(shí)3.3.1認(rèn)知自然語言處理及應(yīng)用 3.3.2走近知識(shí)圖譜3.3.3數(shù)據(jù)智能推動(dòng)人機(jī)協(xié)同 練習(xí)與思考 人工智能基礎(chǔ)與應(yīng)用

項(xiàng)目三認(rèn)知人工智能的應(yīng)用技術(shù)任務(wù)三認(rèn)知智能——機(jī)器如何懂語義、會(huì)思考1.理解并掌握自然語言處理的含義及常見應(yīng)用2.初步學(xué)習(xí)知識(shí)圖譜的內(nèi)涵、體系及應(yīng)用3.了解數(shù)據(jù)智能的定義、發(fā)展目標(biāo)及數(shù)據(jù)中臺(tái)的意義【教學(xué)目標(biāo)】1.知識(shí)點(diǎn)自然語言處理的含義、應(yīng)用知識(shí)圖譜的定義知識(shí)圖譜的體系架構(gòu)及應(yīng)用數(shù)據(jù)智能的發(fā)展數(shù)據(jù)中臺(tái)和業(yè)務(wù)中臺(tái)的價(jià)值2.重難點(diǎn)通過本任務(wù)的學(xué)習(xí)，初步了解人工智能最高階的發(fā)展水平——認(rèn)知智能，包含了哪些重點(diǎn)技術(shù)、發(fā)展方向及應(yīng)用場(chǎng)境。本任務(wù)的重點(diǎn)是理解自然語言處理、知識(shí)圖譜、數(shù)據(jù)智能的定義及在工作生活中的應(yīng)用領(lǐng)域；難點(diǎn)是理解三者間的促進(jìn)關(guān)系、對(duì)人工智能技術(shù)水平發(fā)展的關(guān)鍵作用，并深度思考當(dāng)機(jī)器懂語義、會(huì)思考后，人和機(jī)器的關(guān)系可能會(huì)是什么樣?！窘虒W(xué)要求】【內(nèi)容概覽】任務(wù)三認(rèn)知智能——機(jī)器如何懂語義、會(huì)思考3.3.3數(shù)據(jù)智能推動(dòng)人機(jī)協(xié)同數(shù)據(jù)智能定義及數(shù)據(jù)中臺(tái)的價(jià)值3.3.2走近知識(shí)圖譜什么是知識(shí)圖譜？3.3.1認(rèn)知自然語言處理及應(yīng)用定義知識(shí)圖譜的體系架構(gòu)發(fā)展趨勢(shì)常見應(yīng)用知識(shí)圖譜的應(yīng)用把復(fù)雜的知識(shí)通過數(shù)據(jù)挖掘處理，實(shí)現(xiàn)客觀規(guī)律的歸納和總結(jié)知識(shí)抽取、知識(shí)表示、知識(shí)融合語義搜索、智能推薦、私人助理、知識(shí)存儲(chǔ)、數(shù)據(jù)校驗(yàn)、專家系統(tǒng)、客服機(jī)器人人類語言和機(jī)器語言之間的橋梁，使機(jī)器擁有能夠理解、處理、并使用人類語言的能力機(jī)器翻譯、情感分析、智能問答、個(gè)性化推薦、文本分類大規(guī)模語言數(shù)據(jù)的分析處理能力、人-機(jī)交互方式目標(biāo)是讓數(shù)據(jù)驅(qū)動(dòng)決策，讓機(jī)器具備推理等認(rèn)知能力發(fā)展進(jìn)程業(yè)務(wù)數(shù)據(jù)化（收集、監(jiān)測(cè)、洞察）-描述跟蹤業(yè)務(wù)智能化（決策、重塑）-改造提升細(xì)分：中臺(tái)（技術(shù)中臺(tái)、數(shù)據(jù)中臺(tái)、業(yè)務(wù)中臺(tái)）和應(yīng)用場(chǎng)景數(shù)據(jù)中臺(tái)價(jià)值是將數(shù)據(jù)資產(chǎn)化，為應(yīng)用打基礎(chǔ)應(yīng)用方式：數(shù)據(jù)集、數(shù)據(jù)模型、數(shù)據(jù)應(yīng)用【相關(guān)知識(shí)】自然語言處理與知識(shí)圖譜

什么是自然語言處理？自然語言處理的目標(biāo)是彌補(bǔ)人類交流(自然語言)與計(jì)算機(jī)理解(機(jī)器語言)之間的差距，最終實(shí)現(xiàn)計(jì)算機(jī)在理解自然語言上像人類一樣智能，使計(jì)算機(jī)擁有能夠理解、處理、并使用人類語言的能力。一、認(rèn)知自然語言處理及應(yīng)用

自然語言處理的常見應(yīng)用“機(jī)器翻譯”讓世界變成真正意義上的地球村，因其效率高、成本低滿足了全球各國多語言信息快速翻譯的需求?！扒楦蟹治觥笨梢詮拇罅繑?shù)據(jù)中識(shí)別和吸收相關(guān)信息，而且能夠判斷出一段文字所表達(dá)觀點(diǎn)和態(tài)度的正負(fù)面性。“智能問答”能夠指利用計(jì)算機(jī)自動(dòng)回答用戶所提出的問題。“個(gè)性化推薦”可以依據(jù)大數(shù)據(jù)和歷史行為記錄，學(xué)習(xí)用戶興趣愛好，實(shí)現(xiàn)對(duì)用戶意圖的精準(zhǔn)理解，實(shí)現(xiàn)精準(zhǔn)匹配?！拔谋痉诸悺蓖ㄟ^分析郵件中的文本內(nèi)容，能夠相對(duì)準(zhǔn)確地判斷郵件是否為垃圾郵件。一、認(rèn)知自然語言處理及應(yīng)用

自然語言處理的常見應(yīng)用電子商務(wù)背后的自然語言處理應(yīng)用分析用戶詞句個(gè)性化推薦情感分析智能問答一、認(rèn)知自然語言處理及應(yīng)用

自然語言處理的發(fā)展趨勢(shì)未來自然語言處理將朝著兩個(gè)互補(bǔ)式的方向發(fā)展：“大規(guī)模語言數(shù)據(jù)的分析處理能力”和“人-機(jī)交互方式”。1.大規(guī)模語言數(shù)據(jù)的分析處理能力：指的是建立在自然語言處理上對(duì)語言信息進(jìn)行獲取、分析、推理和整合的能力。一、認(rèn)知自然語言處理及應(yīng)用

自然語言處理的發(fā)展趨勢(shì)2.人-機(jī)交互方式：指的是將自然語言作為人與機(jī)器交互的自然接口和統(tǒng)一的交互方式。不同的機(jī)器，通常要使用不同的開發(fā)語言或方式，這嚴(yán)重影響了人們對(duì)機(jī)器的開發(fā)與使用。只有通過采用自然語言處理，才能讓機(jī)器具有理解人類語言的能力，從而實(shí)現(xiàn)建立在自然語言基礎(chǔ)上的人機(jī)交互?？偨Y(jié)：自然語言處理作為一門新興學(xué)科，其最終目標(biāo)是為了彌補(bǔ)人類交流（自然語言）與計(jì)算機(jī)理解（機(jī)器語言）之間的差距，最終實(shí)現(xiàn)計(jì)算機(jī)在理解自然語言上像人類一樣智能。一、認(rèn)知自然語言處理及應(yīng)用

什么是知識(shí)圖譜？知識(shí)圖譜(KnowledgeGraph)是一門典型的多學(xué)科融合，通過將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息科學(xué)等學(xué)科理論、方法與計(jì)量學(xué)、統(tǒng)計(jì)學(xué)等方法結(jié)合，并利用可視化的圖譜形象地展示出來。其核心目標(biāo)是把復(fù)雜的知識(shí)領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制顯示出來，揭示知識(shí)的動(dòng)態(tài)發(fā)展規(guī)律。知識(shí)圖譜，本質(zhì)上，是一種揭示實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)。二、走近知識(shí)圖譜

什么是知識(shí)圖譜？在信息的基礎(chǔ)上，建立實(shí)體之間的聯(lián)系，就能行成“知識(shí)”。知識(shí)圖譜是由一條條知識(shí)組成，每條知識(shí)表示為一個(gè)SPO三元組（Subject-Predicate-Object主謂賓，用來表示事物的一種方法和形式），而這個(gè)三元組集合可以抽象為一張圖。大量與之相關(guān)的實(shí)體信息會(huì)不斷關(guān)聯(lián)并結(jié)構(gòu)化地呈現(xiàn)出來，實(shí)現(xiàn)了數(shù)據(jù)圖譜化。二、走近知識(shí)圖譜

知識(shí)圖譜的體系架構(gòu)知識(shí)圖譜的體系架構(gòu)是指其構(gòu)建自身模式的結(jié)構(gòu)二、走近知識(shí)圖譜

知識(shí)圖譜的體系架構(gòu)共分為三個(gè)步驟：知識(shí)抽?。簭囊恍┕_的半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)中，抽取出可用的知識(shí)單元。知識(shí)單元主要包括實(shí)體抽取、關(guān)系抽取以及屬性抽取3個(gè)知識(shí)要素。知識(shí)表示：把知識(shí)客體中的知識(shí)因子與知識(shí)關(guān)聯(lián)起來，便于人們識(shí)別和理解知識(shí)，分為主觀知識(shí)表示和客觀知識(shí)表示兩種。知識(shí)融合：是高層次的知識(shí)組織，使來自不同知識(shí)源的知識(shí)在同一框架規(guī)范下進(jìn)行組織，實(shí)現(xiàn)數(shù)據(jù)、信息、經(jīng)驗(yàn)以及人的思想的融合，形成高質(zhì)量的知識(shí)庫。二、走近知識(shí)圖譜

知識(shí)圖譜的應(yīng)用包括：智能搜索、社交網(wǎng)絡(luò)，網(wǎng)上購物、新聞查詢等，知識(shí)圖譜已經(jīng)在我們的生活中、垂直行業(yè)應(yīng)用中發(fā)揮著日益重要的作用。二、走近知識(shí)圖譜

大數(shù)據(jù)的新篇章——數(shù)據(jù)智能數(shù)據(jù)智能的目標(biāo)是讓數(shù)據(jù)驅(qū)動(dòng)決策，讓機(jī)器具備推理等認(rèn)知能力。只有業(yè)務(wù)數(shù)據(jù)化進(jìn)程的完成，才能真正進(jìn)入到業(yè)務(wù)智能化，依靠數(shù)據(jù)去改變業(yè)務(wù)、指導(dǎo)決策