人工智能的產(chǎn)生與發(fā)展

第1章

人工智能的產(chǎn)生與發(fā)展第1章人工智能的產(chǎn)生與發(fā)展1.1引言-激動人心的AI-2016 1.2人工智能的產(chǎn)生與發(fā)展 1.3認識人工智能的賦能 1.4人工智能、機器學習與深度學習1.5算法、算力、大數(shù)據(jù) 1.6人工智能的產(chǎn)業(yè)生態(tài) 1.7科技巨頭在AI領(lǐng)域的布局 1.8人工智能技術(shù)應用的學習路徑

1.1引言-激動人心的AI-2016人工智能（ArtificialIntelligence，AI）:通過計算機程序和模型模擬人類心智(Mind)

。標志：2016年3月AlphaGo以4：1戰(zhàn)勝李世石，標志著AI技術(shù)發(fā)展達到了一個新的高度和熱度。布局：谷歌、微軟、騰訊、阿里巴巴、百度、科大訊飛、曠視科技等宣布將AI作為他們下一步發(fā)展的戰(zhàn)略重心。重點領(lǐng)域：AI博弈、圖像識別、計算機視覺、語音處理、商業(yè)智能、自動駕駛、智能機器人等。1.1引言-激動人心的AI-20161.1.1無敵圍棋系統(tǒng)-AlphaGoAlphaGo是由谷歌旗下的的DeepMind公司的戴維·西爾弗、艾佳·黃和杰、米斯·哈薩比斯與他們的團隊開發(fā)的一款基于人工智能的圍棋程序。發(fā)展歷程：AlphaGoAlphaGo-MasterAlphaGo-ZeroAlphaZero

1.1引言-激動人心的AI-20161.1.2計算機視覺的“世界杯”-ILSVRC

圖像識別的典型場景：ImageNet是一個計算機視覺系統(tǒng)識別項目數(shù)據(jù)集（1500萬張圖片)。目的：通過設計和訓練相關(guān)的人工智能系統(tǒng)（算法、模型），使其能夠從ImageNet的圖片中識別物體、場景，解決未來的計算機視覺（機器視覺）對物品、人和場景的直接辨認。1.1引言-激動人心的AI-2016ILSVRC(ImageNetLargeScaleVisualRecognitionChallenge)，即“ImageNet大規(guī)模視覺識別挑戰(zhàn)賽”，已經(jīng)成功舉辦七屆。任務：物體定位（識別）、物體檢測、視頻物體檢測。成績：

在ILSVRC-2017中，360公司AI團隊奪得了冠軍，“物體定位”任務第一，所有任務和場景中取得了全球前三。1.1引言-激動人心的AI-2016ILSVRC-2017中，中國的360公司AI團隊與新加坡國立大學合作奪得了冠軍。模型：“DPN雙通道網(wǎng)絡+基本聚合”物體識別錯誤率：2.25%（人類識別錯誤率5.1%）。物體識別錯誤率：1.1引言-激動人心的AI-20161.1.3計算機聽覺的實現(xiàn)-智能語音處理科大訊飛作為全球領(lǐng)先的智能語音技術(shù)提供商，在語音識別、語音合成、語義理解、機器翻譯、語音交互、口語評測等多項技術(shù)上取得了國際領(lǐng)先的成果。關(guān)鍵技術(shù)：語音合成語音識別語義理解1.1引言-激動人心的AI-20161.1.4人工智能的綜合應用-自動駕駛汽車ADAS基本原理：駕駛輔助系統(tǒng)（AdvancedDriverAssistantSystem，ADAS）利用車載傳感器（攝像機、雷達等）來感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠安全、可靠地在道路上行駛。1.1引言-激動人心的AI-20161.1.5中國新一代人工智能發(fā)展規(guī)劃出臺國務院于2017年7月8日印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，明確了我國新一代人工智能發(fā)展的戰(zhàn)略目標：到2020年，人工智能總體技術(shù)和應用與世界先進水平同步，人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟增長點，人工智能技術(shù)應用成為改善民生的新途徑；到2025年，人工智能基礎(chǔ)理論實現(xiàn)重大突破，部分技術(shù)與應用達到世界領(lǐng)先水平，人工智能成為我國產(chǎn)業(yè)升級和經(jīng)濟轉(zhuǎn)型的主要動力，智能社會建設取得積極進展；到2030年，人工智能理論、技術(shù)與應用總體達到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。1.2人工智能的產(chǎn)生與發(fā)展1.2.1人工智能的孕育與誕生1956年夏天，達特茅斯研討會：正式提出了“人工智能（ArtificialIntelligence，AI）”的概念，標志著人工智能正式誕生并且成為一個獨立領(lǐng)域。2006年AI創(chuàng)始人五十年后達特茅斯學院重聚(左起：摩爾，麥卡錫，明斯基，賽弗里奇，所羅門諾夫)1.2人工智能的產(chǎn)生與發(fā)展1.2.2人工智能的六十年歷程AI的產(chǎn)生與發(fā)展歷程1.2人工智能的產(chǎn)生與發(fā)展

人工智能大事記：1942年美國科幻巨匠阿西莫夫提出“機器人三定律”。1956年人工智能的誕生。1965年興起研究“有感覺”的機器人。1968年世界第一臺智能機器人誕生。2002年家用機器人誕生。2014年機器人首次通過圖靈測試。2016年AlphaGo打敗人類。1.3認識人工智能的賦能1.3.1人工智能賦能實現(xiàn)人工智能賦能的主要研究領(lǐng)域與實現(xiàn)技術(shù)1.3認識人工智能的賦能1.3.2記憶能力-知識表示與知識圖譜知識表示=結(jié)構(gòu)模型+處理機制。知識表示方法：邏輯表示法、產(chǎn)生式表示法、框架表示、面向?qū)ο蟮谋硎痉椒?、?/p>

知識庫是基于知識的系統(tǒng)（或?qū)＜蚁到y(tǒng)）具有智能性。知識庫技術(shù)包括知識的組織、管理、維護、優(yōu)化等技術(shù)。知識庫有兩種含義：一種是指專家系統(tǒng)設計所應用的規(guī)則集合，不存在共享問題；另一種是指具有特定領(lǐng)域、可共享的知識庫。如：自動駕駛服務。1.3認識人工智能的賦能1.3.3推理能力-自動推理與專家系統(tǒng)人工智能在獲取了一定人類知識的基礎(chǔ)上，還必須模仿人的推理能力，得到新知識，或者直接利用舊知識解決問題。專家系統(tǒng)

=

知識庫

+

推理機一個專家系統(tǒng)應該具備以下三個要素：具備某個應用領(lǐng)域的專家級知識；能模擬專家的思維；能達到專家級的解題水平。1.3認識人工智能的賦能專家系統(tǒng)與傳統(tǒng)的計算機程序的主要區(qū)別1.3認識人工智能的賦能1.3.4規(guī)劃能力-智能規(guī)劃智能規(guī)劃(IntelligentPlanning)是人工智能模仿人的規(guī)劃能力。應用場景包括：航空航天自主控制、機器人動作規(guī)劃、生產(chǎn)調(diào)度、物流調(diào)度、導航路徑優(yōu)化、網(wǎng)絡安全、軍事對抗等。1.3認識人工智能的賦能1.3.5感知能力-圖像與視覺人工智能在視覺方面的研究與應用主要分為：數(shù)字圖像處理（DigitalImageProcessing）、計算機視覺（ComputerVision,CV）、機器視覺（MachineVision,MV）。數(shù)字圖像處理方法和技術(shù)包括：去噪、增強、復原、分割、變換、重建、提取特征、識別（場景、物體、動作、形態(tài)等）等。數(shù)字圖像的基本應用：美顏相機、遙感圖、氣象云圖、金相圖分析、醫(yī)學影像圖等。1.3認識人工智能的賦能計算機視覺是對目標進行：分割、分類、識別、跟蹤、判別、決策等功能的人工智能技術(shù)。計算機視覺應用領(lǐng)域：人臉識別、智能監(jiān)控、圖像識別、駕駛輔助/智能駕駛、三維圖像視覺、工業(yè)視覺檢測、醫(yī)療影像、文字識別。1.3認識人工智能的賦能1.3.6語言能力-自然語言處理自然語言處理（NaturalLanguageProcessing，NLP）。人工智能模仿人的聽覺能力主要分為語音識別、語義理解、語音輸入、語音交互、語音合成、機器翻譯。1.3認識人工智能的賦能1.3.7學習能力-機器學習人工智能模仿人類的綜合學習能力。實現(xiàn)方法：機器學習（MachineLearning，ML）。深度學習是模仿人的學習能力解決數(shù)據(jù)分類、回歸、聚類和規(guī)則等學習問題，從數(shù)據(jù)中找出規(guī)律、提煉模型，應用模型對新的相似數(shù)據(jù)進行預測。機器學習的應用領(lǐng)域：圖像識別、語音識別、AlphaGo圍棋等。1.3認識人工智能的賦能1.3.8人工智能賦能實體經(jīng)濟1.4人工智能、機器學習與深度學習1.4.1人工智能的分類按智能的能力分：強人工智能（GeneralAI）弱人工智能（NarrowAI）按智能的方式分：計算智能：計算能力和存儲能力超強的智能認知智能：能聽會說人類的語言、看懂世界萬物的智能感知智能：能夠主動思考并采取行動的智能1.4人工智能、機器學習與深度學習1.4.2人工智能與機器智能“人工智能”：以“人”為中心定義的“智能”，通過計算機程序和模型模擬人類心智(Mind)能做的各種事情，如記憶、推理、感知、語言和學習等能力；“機器智能（MachineInteligence,MI）”：以“機器（機械）”為中心實現(xiàn)的“智能”，通過人工智能的相關(guān)技術(shù)賦予機器特定的智能，甚至一些超越人類的能力。1.4人工智能、機器學習與深度學習1.4.3人工智能與模式識別模式識別(PatternRecognition)：通過計算機采用數(shù)學的知識和方法來研究模式的自動處理及判讀，實現(xiàn)人工智能。在模式識別的過程中，信息處理實際上是機器對周圍環(huán)境及客體的識別過程，是對人參與智能識別的一個仿真。1.4人工智能、機器學習與深度學習1.4.4機器學習1.4人工智能、機器學習與深度學習機器學習基本原理：1.4人工智能、機器學習與深度學習1.4.5深度學習1.4人工智能、機器學習與深度學習一種多層卷積神經(jīng)元網(wǎng)絡模型LeNet-5示意圖1.5算法、算力、大數(shù)據(jù)1.5.1人工智能崛起的三大基石1.5算法、算力、大數(shù)據(jù)1.5.2計算能力云計算技術(shù)、高性能計算技術(shù)的發(fā)展，解決了“算力橫向擴展”的需求；服務器芯片處理能力和方式的發(fā)展解決了單臺服務器“算力縱向擴展”的需求。GPU（GraphicsProcessingUnit）、TPU（TensorProcessingUnit）、FPGA（Field-ProgrammableGateArray）1.5算法、算力、大數(shù)據(jù)1.5.3云存儲與大數(shù)據(jù)1.5算法、算力、大數(shù)據(jù)1.5.4深度學習算法1.6人工智能的產(chǎn)業(yè)生態(tài)1.6.1人工智能產(chǎn)業(yè)鏈的三層劃分1.6人工智能的產(chǎn)業(yè)生態(tài)1.6.2基礎(chǔ)層1.6人工智能的產(chǎn)業(yè)生態(tài)1.6.3技術(shù)層全球主流AI框架的認可度比較1.6人工智能的產(chǎn)業(yè)生態(tài)1.6.4應用層應用層按照對象不同，可分為消費級終端應用產(chǎn)品以及行業(yè)場景應用兩大類。消費級終端：智能機器人、智能無人機以及智能硬件。AI應用場景：智慧醫(yī)療、智慧教育、智慧金融、新零售、智慧安防、

智慧營銷、智慧城市等。1.7科技巨頭在AI領(lǐng)域的布局1.7.1國外巨頭在AI的布局谷歌

：TPU，基于TensorFlow的谷歌云平臺微軟：

開源了深度學習工具包CNTK，微軟認知服務Facebook：Torchnet，Pytorch，DeepText，F(xiàn)astText，DeepFace…IBM：類腦芯片TrueNorth，機器學習平臺SystemML，云平臺Bluemix亞馬遜蘋果1.7科技巨頭在AI領(lǐng)域的布局1.7.2中國巨頭在AI領(lǐng)域的布局