人工智能技術及應用

武昌首義學院第一期科研沙龍——人工智能技術及應用中心發(fā)言人：肖書浩“建設現(xiàn)代化經濟體系，必須把發(fā)展經濟的著力點放在實體經濟上，把提高供給體系質量作為主攻方向，顯著增強我國經濟質量優(yōu)勢。加快建設制造強國，加快發(fā)展先進制造業(yè)，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經濟深度融合，在中高端消費、創(chuàng)新引領、綠色低碳、共享經濟、現(xiàn)代供應鏈、人力資本服務等領域培育新增長點、形成新動能。支持傳統(tǒng)產業(yè)優(yōu)化升級，加快發(fā)展現(xiàn)代服務業(yè)，瞄準國際標準提高水平。促進我國產業(yè)邁向全球價值鏈中高端，培育若干世界級先進制造業(yè)集群?！秉S廣斌Guang-BinHuang新加坡南洋理工大學電子電氣工程學院教授黃廣斌.普適智能和普適學習:智能革命和智能經濟的引擎.全球架構師峰會2017（深圳）.原百度首席科學家吳恩達：人工智能將和電力一樣具有顛覆性！“就像100年前電的發(fā)明改變了所有行業(yè)、農業(yè)、制造業(yè)、鐵路、通信等等,我覺得人工智能就像100年前的電力,也能為幾乎所有行業(yè)帶來巨大改變?！逼杖A永道最近發(fā)布了一份名為“探索AI革命”的全球AI報告，強調人工智能如何增強企業(yè)的能力，其價值潛力何等巨大，甚至比自動化的價值潛力更大。

報告認為，到2030年，AI將為全球經濟貢獻高達15.7萬億美元，比中國和印度目前經濟產值的總和還多。AI帶來最大經濟收益的國家將是中國（2030年GDP增長26%）和北美（14.5%），相當于10.7萬億美元，占全球經濟影響的近70%。Gartner公布2018年十大戰(zhàn)略科技發(fā)展趨勢，AI將成主戰(zhàn)場1、人工智能基本概念2、人工智能的前世今生3、人工智能技術發(fā)展路線圖3.1機器學習3.2深度學習3.3強化學習3.4元學習4、人工智能技術應用4.1AI在醫(yī)療領域的應用4.2AI在自動駕駛領域的應用4.3文本分析技術在社會學領域的應用5、本團隊科研項目介紹5.1機器視覺應用5.2機器學習應用5.3VR/AR應用6、人工智能技術學習資源1、人工智能基本概念AI:ArtificialIntelligence人工智能ML:MachineLearning機器學習DL:DeepLearning深度學習BigData大數(shù)據(jù)ParallelComputing并行計算人工智能VS認知計算IBM:Watson

“生物智能”指的是生物體所具有的智能“人工智能”仍脫胎于人類的智能行為，是模仿人類的思考方式“機器智能”直接以機器的“理解方式”為出發(fā)點，努力追求機器的“獨立智能”“強人工智能”指真正能推理（Reasoning）和解決問題（Problem_solving）的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的

“弱人工智能”指看起來像是智能的，但是并不真正擁有智能，也不會有自主意識

“感知人工智能”具備感知能力（視覺，聽覺等）

“認知人工智能”具備認知能力的智能“通用人工智能”（ArtificialGeneralIntelligence，AGI），是指在不特別編碼知識與應用區(qū)域的情況下，應對多種甚至泛化問題的人工智能技術。這個技術雖然冷門并遙遠，但其實也有不少學術機構與企業(yè)在做，一般被認為是人工智能技術的未來發(fā)展方向。人工智能，機器智能，生物智能弱人工智能，強人工智能感知人工智能，認知人工智能，通用人工智能概念只是概念，要真正了解人工智能還是要看算法！2、人工智能的前世今生神經網(wǎng)絡的誕生1943年，美國的心理學家W.S.McCulloch和數(shù)學家W.A.Pitts在論文《神經活動中所蘊含思想的邏輯活動》中，提出了一個非常簡單的神經元模型，即M－P模型。該模型將神經元當作一個功能邏輯器件來對待，從而開創(chuàng)了神經網(wǎng)絡模型的理論研究?！叭斯ぶ悄堋庇辛嗣?956年夏季，以麥卡賽（達特茅斯學院）、明斯基（哈佛大學）、羅切斯特（IBM）和申農（貝爾電話實驗室）等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，并首次提出了“人工智能”這一術語，它標志著“人工智能（ArtificialIntelligence,AI）”這門新興學科的正式誕生?！癇ACKPROP”的到來反向傳播（backpropagation）有時縮寫為“backprop”，反向傳播是機器學習歷史上最重要的一種算法。1969年，它的理念首次被提出，盡管它在上世紀80年代中期才成為機器學習的主流。反向傳播的作用是在產生的輸出與所期望的輸出不匹配時允許神經網(wǎng)絡調整其隱藏層。簡而言之，這意味著人類可以通過在網(wǎng)絡犯錯時進行糾正來訓練他們的網(wǎng)絡。當這完成后，backprop就會修改神經網(wǎng)絡中的不同連接，以確保它在下次遇到同樣的問題時得出正確的答案。與計算機交談你有沒有想過，亞馬遜的Alexa、谷歌的GoogleAssistant、蘋果的Siri，等等，它們都是什么?早在20世紀60年代中期，麻省理工學院人工智能實驗室的一位教授發(fā)明了一個名叫

ELIZA的計算機心理治療師，它可以通過文本的方式與用戶進行看似智能的對話。自動駕駛汽車來了世界上第一輛自動駕駛汽車是谷歌開發(fā)的嗎?不對。早在1986年，德國聯(lián)邦國防軍大學的研究人員就成功地在空曠的街道上駕駛了一輛自動駕駛的奔馳車，配有攝像機和智能傳感器。幾年后，卡內基梅隆大學的一名研究人員DeanPomerleau開發(fā)了一輛自動駕駛的龐蒂亞克運輸小貨車，從賓夕法尼亞州匹茲堡到加州圣地亞哥行駛了2797英里。用今天的標準來看，它的技術相當原始，但它證明了自動駕駛可以實現(xiàn)。人腦與電腦的決戰(zhàn)1997年是人工智能的一年，因為IBM的“深藍”超級計算機在國際象棋比賽中擊敗了人類象棋世界冠軍GarryKasparov。這是一場人類大腦和機器大腦的決戰(zhàn)。盡管無疑“深藍”處理信息的速度比Kasparov更快，但真正的問題是，它是否會思考策略？事實證明它是可以的！這一結果盡管可能并沒有證明AI除了在有明確定義的規(guī)則的問題上表現(xiàn)出色之外，在其他問題是否也表現(xiàn)出色，但這仍是人工智能領域向前邁進的一大步。AI打敗圍棋世界冠軍2016年3月，谷歌DeepMind的AlphaGo在四場比賽中擊敗了圍棋世界冠軍李世乭（LeeSedol）。全世界有6000萬觀眾觀看了這場比賽。這是一個具有里程碑意義的事件，因為圍棋中可能的落子位置數(shù)目比宇宙的原子總數(shù)還要多。這是人工智能迄今為止最驚人的成就。視覺大名鼎鼎的ImageNet，2017年是最后一屆。AI最新進展（在一些數(shù)據(jù)集上的表現(xiàn)）CIFAR-10數(shù)據(jù)庫包含了6萬張32X32的彩色圖像，有10個類型，每個類型有6000張圖片。共有5萬張訓練圖像和1萬張測試圖像視覺視覺問答數(shù)據(jù)集COCO視覺抽象策略游戲（計算機象棋程序）語音識別翻譯對話：聊天機器人與智能體閱讀理解目前大部分人工智能還只是停留在“感知”層面，屬于“感知人工智能”，正在向“認知人工智能”發(fā)展

其算法只能用于特定領域，不具備通用性。還不是“通用人工智能”

還只是“弱人工智能”，遠未達到“強人工智能”的要求3、人工智能技術發(fā)展路線圖MachineLearning(ML)DeepLearning(DL)ReinforcementLearning(RL)MetaLearningArtificialGeneralIntelligence(AGI)ArtificialIntelligence(AI)AlphaGo圖像分類簡單分類LearningtoLearn需要特征設計需要標記數(shù)據(jù)需要明確回報典型應用必備條件3.1機器學習（MachineLearning）一個機器學習的實驗Talkischeap,Showmethecode.-LinusTorvalds//svm.cpp:定義控制臺應用程序的入口點。//#include"stdafx.h"#include"opencv2/opencv.hpp"usingnamespacecv;usingnamespacecv::ml;usingnamespacestd;Matimg,image;MattargetData,backData;boolflag=true;stringwdname="image";voidon_mouse(intevent,intx,inty,intflags,void*ustc);//鼠標取樣本點voidgetTrainData(Mat&train_data,Mat&train_label);//生成訓練數(shù)據(jù)voidsvm();//svm分類intmain(intargc,char**argv){

stringpath="citrus_fruits_04.png";//"peppers.png"

//stringpath="image1.bmp";

img=imread(path);

img.copyTo(image);

if(img.empty())

{

cout<<"Imageloaderror";

return0;

}

namedWindow(wdname);

setMouseCallback(wdname,on_mouse,0);

for(;;)

{

imshow("image",img);

intc=waitKey(0);

if((c&255)==27)

{

cout<<"Exiting...\n";

break;

}

if((char)c=='c')

{

flag=false;

}

if((char)c=='q')

{

destroyAllWindows();

break;

}

}

svm();

return0;}voidon_mouse(intevent,intx,inty,intflags,void*ustc)//鼠標在圖像上取樣本點，按q鍵退出{

if(event==CV_EVENT_LBUTTONDOWN)

{

Pointpt=Point(x,y);

Vec3bpoint=img.at<Vec3b>(y,x);

Mattmp=(Mat_<float>(1,3)<<point[0],point[1],point[2]);

if(flag)

{

targetData.push_back(tmp);//加入正樣本矩陣

circle(img,pt,2,Scalar(0,255,255),-1,8);/

}

else

{

backData.push_back(tmp);//加入負樣本矩陣

circle(img,pt,2,Scalar(255,0,0),-1,8);

}

imshow(wdname,img);

}}voidgetTrainData(Mat&train_data,Mat&train_label)

{

intm=targetData.rows;

intn=backData.rows;

cout<<"正樣本數(shù)：:"<<m<<endl;

cout<<"負樣本數(shù)："<<n<<endl;

vconcat(targetData,backData,train_data);//合并所有的樣本點，作為訓練數(shù)據(jù)

train_label=Mat(m+n,1,CV_32S,Scalar::all(1));//初始化標注

for(inti=m;i<m+n;i++)

train_label.at<int>(i,0)=-1;}voidsvm()

{

Mattrain_data,train_label;

getTrainData(train_data,train_label);//獲取鼠標選擇的樣本訓練數(shù)據(jù)

Ptr<SVM>svm=SVM::create();

svm->setType(SVM::C_SVC);

svm->setKernel(SVM::LINEAR);

Ptr<TrainData>tData=TrainData::create(train_data,ROW_SAMPLE,train_label);

svm->train(tData);

Vec3bcolor(0,0,0);

//ShowthedecisionregionsgivenbytheSVM

for(inti=0;i<image.rows;++i)

for(intj=0;j<image.cols;++j)

{

Vec3bpoint=img.at<Vec3b>(i,j);//取出該坐標處的像素值

MatsampleMat=(Mat_<float>(1,3)<<point[0],point[1],point[2]);

floatresponse=svm->predict(sampleMat);/

if((int)response!=1)

image.at<Vec3b>(i,j)=color;//將背景設置為黑色

}

imshow("SVMSimpleExample",image);

waitKey(0);}機器學習方法之一SVM原理傳統(tǒng)專家系統(tǒng)到機器學習的轉變：基于規(guī)則到基于數(shù)據(jù)的轉變！Opprentice:基于機器學習的實用自動異常檢測清華大學裴丹等一個工程實例：監(jiān)督學習2015.8PV:PageView#SR：slowresponsesSRT：the80thpercentileofsearchresponsetimeKPI（關鍵指標）異常04095039964x6464x64Data：已知？預測Task：C:\DevelopProjects\MyPythonCode\plot_multioutput_face_completion.py64x6464x64…………同一個人不同角度的照片監(jiān)督學習（SupervisedLearning）0409502993003992047,2048traintest北京故宮北京故宮，全名北京故宮博物院，舊稱為紫禁城，位于北京中軸線的中心，是中國明、清兩代24位皇帝的皇家宮殿，是中國古代漢族宮廷建筑之精華，無與倫比的建筑杰作，也是世界上現(xiàn)存規(guī)模最大、保存最為完整的木質結構古建筑之一。它有大小宮殿七十多座，房屋九千余間，以太和、中和、保和三大殿為中心。北京故宮由明成祖朱棣永樂四年（公元1406年）開始建設，以南京故宮為藍本營建，到明代永樂十八年（公元1420年）建成，占地面積約為72萬平方米，建筑面積約為15萬平方米，它是一座長方形城池，東西寬七百五十三米，南北長九百六十一米。周圍筑有十米多高的城墻，并有一條寬五十二米的護城河環(huán)繞，構成了“城中之城”。宮殿建筑均是木結構、黃琉璃瓦頂、青白石底座。故宮被譽為世界五大宮之首（北京故宮、法國凡爾賽宮、英國白金漢宮、美國白宮和俄羅斯克里姆林宮），已被列為世界文化遺產、全國重點文物保護單位、國家AAAAA級旅游景區(qū)。2014年11月23日，北京故宮吉祥物首度對外亮相，該吉祥物源自中國傳統(tǒng)的吉祥龍鳳形象，分別為龍“壯壯”和鳳“美美”。2015年6月13日，故宮博物院試行限流8萬人次和實名制售票。2015年10月11日，故宮博物院正式對觀眾開放慈寧宮區(qū)域、午門雁翅樓區(qū)域、東華門等新的區(qū)域，使故宮的開放面積由目前的52%增加至65%，帶給觀眾更加完整豐富的參觀體驗。[1]

001~4005A景區(qū)401~600動物鸚鵡鸚鵡是鸚形目（學名：Psittaciformes）眾多羽毛艷麗、愛叫的鳥。典型的攀禽，對趾型足，兩趾向前兩趾向后，適合抓握，鳥喙強勁有力，可以食用硬殼果。羽色鮮艷，常被作為寵物飼養(yǎng)。它們以其美麗的羽毛，善學人語技能的特點，更為人們所欣賞和鐘愛。分布在溫、亞熱、熱帶的廣大地域。種類非常繁多，有2科、82屬、358種，是鳥綱最大的科之一。主要分布于熱帶森林中。中文文本聚類：C:\DevelopProjects\pythonkmeans非監(jiān)督學習：中文文本聚類(UnsupervisedLeaning)801~1000國家阿富汗阿富汗斯坦伊斯蘭共和國（普什圖語：??????????????????????），簡稱阿富汗斯坦，是亞洲中部的內陸國家，實行總統(tǒng)共和制。[1]阿富汗位于西亞、南亞和中亞交匯處，北接土庫曼斯坦、烏茲別克斯坦和塔吉克斯坦，東北突出的狹長地帶與中國接壤，東和東南與巴基斯坦毗鄰，西與伊朗交界。[2]阿富汗國土的五分之三交通不便。屬大陸性氣候，全年干燥少雨。[2]它與大部分毗鄰的國家有著民族、宗教、語言以及地理上一定程度的關聯(lián)。601~800人物董璇董璇，中國內地女演員，出生于黑龍江省牡丹江市，畢業(yè)于北京電影學院表演系本科2000級。2003年主演電視劇《雪花女神龍》、《貍貓換太子》，兩部電視劇相繼熱播，位列同時段收視冠軍[1]。2004年主演張元導演電視劇處女作《閃》[2]。2005年被香港導演王晶選中，出演《八大豪俠》中的玉女神醫(yī)“扁素問”。在“2007中國風尚榜年”頒獎禮上，董璇獲得“年度風尚新人”大獎。2008年憑借出演顧長衛(wèi)導演電影《立春》里的小張老師，獲得第十八屆金雞獎最佳女配提名。2009年參演電影《建國大業(yè)》《建黨偉業(yè)》。2011年出演電影版《奮斗》，片中飾演女一號夏琳一角[3]。2013年出演于正改編版《神雕俠侶》，飾演角色“林朝英”[4]；參演電視劇《慢慢地陪著你走》，劇中搭檔吳鎮(zhèn)宇并飾演女主角[5]。文檔0文檔999關鍵詞0關鍵詞17899…51005110…5430544054515460…5660567156805690570057115720…586058715880……6042605260616072…62226232624162526262…63226332634163526362…64926502651165226532…70427052706170727082……7232724172527262…733273417352…744274517462…750275117522…7732774177517762…7822783178427853786278727882789279017912…

001~4005A景區(qū)401~600動物601~800人物801~1000國家…860386118623…941394219433……401~600動物801~1000國家601~800人物

001~4005A景區(qū)AnalyzeQualityofLifeinU.S.CitiesUsingPCA(MatlabHelp)Data：Thedataincludesratingsfor9differentindicatorsofthequalityoflifein329U.S.cities.

Theseareclimate,housing,health,crime,transportation,education,arts,recreation,andeconomics.Foreachcategory,ahigherratingisbetter.Forexample,ahigherratingforcrimemeansalowercrimerate.1329132919非監(jiān)督學習(UnsupervisedLeaning)：PCALabelPropagation1）Smoothness平滑假設：相似的數(shù)據(jù)具有相同的label。2）Cluster聚類假設：處于同一個聚類下的數(shù)據(jù)具有相同label。3）Manifold流形假設：處于同一流形結構下的數(shù)據(jù)具有相同label。半監(jiān)督學習(Semi-supervisedLeaning)3.2深度學習（DeepLearning）SuccessivemodellayerslearndeeperintermediaterepresentationsConvolutionalNeuralNetworks（CNN）CNN卷積運算（Convolution）⊙=ReLu(RectifiedLinearUnits)激活函數(shù)池化運算（MAXPOOLING）CNNCNN網(wǎng)絡訓練“深度學習”缺乏嚴密的數(shù)學理論“信息瓶頸”理論揭示深度學習本質希伯來大學計算機科學家和神經學家NaftaliTishby等人提出了一種叫做“信息瓶頸”的理論深度學習先驅GeoffreyHinton在看完Tishby的柏林演講寫道：“我還得聽上10,000次才能真正理解它，但如今聽一個演講，里面有真正原創(chuàng)的想法，而且可能解決重大的問題，真是非常罕見了。”DeepLearning:Theory,Algorithms,andApplications.Berlin,June2017Tishby認為，深度神經網(wǎng)絡根據(jù)一種被稱為“信息瓶頸”（informationbottleneck）的過程3.3強化學習（ReinforcementLearning）RulesofthegameareunknownLearndirectlyfrominteractivegame-playPickactionsonjoystick,seepixelsandscoresMazeExampleRewards:-1pertime-stepActions:N,E,S,WStates:Agent'slocation訓練結果：policyπ(s)foreachstatesArrowsrepresentpolicyπ(s)foreachstatesManyFacesofReinforcementLearning2017.7Nature550,354–359(19October2017)DeepMind最新的Nature論文——《不使用人類知識掌握圍棋》。迄今最強大的圍棋程序：不使用人類的知識摘要人工智能長期以來的一個目標是創(chuàng)造一個能夠在具有挑戰(zhàn)性的領域，以超越人類的精通程度學習的算法，“tabularasa”（譯注：一種認知論觀念，認為指個體在沒有先天精神內容的情況下誕生，所有的知識都來自于后天的經驗或感知）。此前，AlphaGo成為首個在圍棋中戰(zhàn)勝人類世界冠軍的系統(tǒng)。AlphaGo的那些神經網(wǎng)絡使用人類專家下棋的數(shù)據(jù)進行監(jiān)督學習訓練，同時也通過自我對弈進行強化學習。在這里，我們介紹一種僅基于強化學習的算法，不使用人類的數(shù)據(jù)、指導或規(guī)則以外的領域知識。AlphaGo成了自己的老師。我們訓練了一個神經網(wǎng)絡來預測AlphaGo自己的落子選擇和AlphaGo自我對弈的贏家。這種神經網(wǎng)絡提高了樹搜索的強度，使落子質量更高，自我對弈迭代更強。從“tabularasa”開始，我們的新系統(tǒng)AlphaGoZero實現(xiàn)了超人的表現(xiàn)，以100：0的成績擊敗了此前發(fā)表的AlphaGo。全新的強化學習：自己成為自己的老師AlphaGoZero

得到這樣的結果，是利用了一種新的強化學習方式，在這個過程中，AlphaGoZero成為自己的老師。這個系統(tǒng)從一個對圍棋游戲完全沒有任何知識的神經網(wǎng)絡開始。這個更新后的神經網(wǎng)絡又將與搜索算法重新組合，進而創(chuàng)建一個新的、更強大的AlphaGoZero版本，再次重復這個過程。在每一次迭代中，系統(tǒng)的性能都得到一點兒的提高，自我對弈的質量也在提高，這就使得神經網(wǎng)絡的預測越來越準確，得到更加強大的AlphaGoZero版本。這種技術比上一版本的AlphaGo更強大，因為它不再受限于人類知識的局限。相反，它可以從一張白紙的狀態(tài)開始，從世界上最強大的圍棋玩家——AlphaGo自身——學習。3.4元學習（MetaLearning）MetaLearning=LearningtoLearnMetaLearning是實現(xiàn)通用人工智能的關鍵MetaLearning的現(xiàn)狀：百花齊放基于記憶Memory的方法基本思路：既然要通過以往的經驗來學習，那么是不是可以通過在神經網(wǎng)絡上添加Memory來實現(xiàn)呢？2016.5利用Attention注意力機制的方法基本思路：人的注意力是可以利用以往的經驗來實現(xiàn)提升的，比如我們看一個性感圖片，我們會很自然的把注意力集中在關鍵位置。那么，能不能利用以往的任務來訓練一個Attention模型，從而面對新的任務，能夠直接關注最重要的部分。2014.6基于預測梯度的方法借鑒LSTM的方法面向RL的MetaLearning方法通過訓練一個好的basemodel的方法，并且同時應用到監(jiān)督學習和增強學習利用WaveNet的方法預測Loss的方法……從上面的分析可以看出，MetaLearning方興未艾，各種神奇的idea層出不窮，但是真正的殺手級算法還未出現(xiàn)，非常期待未來的發(fā)展！4、人工智能技術應用100家AI初創(chuàng)公司Gartner2017技術成熟度曲線（TheHypeCycle）AI影響評分從1-5（1是最低的影響，5最高）普華永道最近發(fā)布了一份名為“探索AI革命”的全球AI報告。發(fā)布了“AI影響指數(shù)”，對最容易受到AI影響的行業(yè)進行了排名，其中醫(yī)療和汽車并列第一位。4.1AI在醫(yī)療領域的應用《美國醫(yī)學會雜志》，谷歌：糖尿病視網(wǎng)膜病變的定級《DevelopmentandValidationofaDeepLearningAlgorithmforDetectionofDiabeticRetinopathyinRetinalFundusPhotographs》,發(fā)表于2016年12月的美國醫(yī)學會期刊JAMA上。作者使用12.8萬張的眼底照片訓練了模型，主要的測試數(shù)據(jù)是來自4997名病人的9963張眼底照片集EyePACS-1。敏感度為90.3%時特異度為98.1%，敏感度為97.5%時特異度為93.4%。2016.12《自然》，斯坦福：兩種皮膚病變的診斷《Dermatologist-levelclassificationofskincancerwithdeepneuralnetworks》,發(fā)表于2017年1月的Nature期刊。作者使用12.9萬張含有兩千多種病灶的臨床皮膚照片訓練出模型，在分類上皮癌變和黑色素瘤兩種目標的任務上與21位皮膚病專家的表現(xiàn)一致。與病理結果比較，作者分別測試了200-1000+張照片，獲得的敏感度與特異度繪制的ROC曲線的AUC均大于0.94(AUC是曲線下面積，敏感度和特異度均逼近100%時，AUC逼近1)。2017.1阿里巴巴：耐心埋下棋子伺機而動ET醫(yī)療大腦診斷結果阿里在醫(yī)療方面的布局為建立醫(yī)療子公司阿里健康，投資醫(yī)療影像大數(shù)據(jù)平臺萬里云以及推出大數(shù)據(jù)健康管理平臺、“ET醫(yī)療大腦”和“DoctorYou”。雖然都為影像診斷平臺，但是“ET醫(yī)療大腦”是由阿里云基于其平臺數(shù)據(jù)而研發(fā)的。“DoctorYou”是以其子公司阿里健康為載體，基于萬里云醫(yī)學影像大數(shù)據(jù)云平臺而研發(fā)。DoctorYou遠程影像診斷CT肺結節(jié)功能騰訊：潛藏已久

順勢而上騰訊首款AI醫(yī)療產品“覓影”主要應用于早期食管癌的篩查，合作醫(yī)院的醫(yī)療團隊采取雙盲隨機方法對數(shù)十萬張食管內鏡檢查圖片進行分類、評分標注后交給騰訊覓影進行處理。該軟件通過深度學習和圖像處理技術從內鏡圖片中篩選出帶有可疑食管癌信息的圖片，并給醫(yī)生反饋出診斷結果。食管癌的病變判別模型百度：遭遇重挫進入瓶頸期百度大腦于2016年推出，它的設計理念是利用計算機技術來模擬人腦。據(jù)百度介紹，百度大腦能達到2-3歲孩子的智力水平，由神經網(wǎng)絡、數(shù)十萬服務器和大數(shù)據(jù)三部分組成，具備語音識別、圖像處理和自然語言處理能能力。IBM：反其道而行最早實現(xiàn)商業(yè)模式IBM這個“老大哥”不僅最早入局醫(yī)療行業(yè)，其布局方式也與阿里、谷歌等公司完全相反：先推出醫(yī)療產品，然后開始頻繁的與其他醫(yī)療機構合作。IBM旗下的超級計算機Watson是目前最成功的案例。Watson在2012年通過了美國職業(yè)醫(yī)師資格考試，目前，提供乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥的診斷服務。IBMWatson可以在17秒內閱讀3469本醫(yī)學專著，248000篇論文，69種治療方案，61540次試驗數(shù)據(jù)，106000份臨床報告。通過海量汲取醫(yī)學知識，包括300多份醫(yī)學期刊、200多種教科書及近1000萬頁文字，IBMWatson在短時間內迅速成為腫瘤專家，為患者在藥物選擇和用藥方面提供建議，同時給出完整的治療方案。谷歌：低頭走路的同時也不忘仰望天空谷歌在醫(yī)療行業(yè)也已經深耕數(shù)年，不僅成立AI健康醫(yī)療子公司DeepMindHealth和Verily、建立健康管理平臺GoogleFit、投資23andMe等醫(yī)療公司，還曾發(fā)布過過兩款幾近科幻的醫(yī)療概念產品。雖然截止到目前，這兩款產品還沒有實際落地，但大膽的想法為AI醫(yī)療行業(yè)產品的研發(fā)帶來很多靈感。

一款產品是，2014年推出的監(jiān)測血糖隱形眼鏡。這款隱形眼鏡通過鑲嵌在鏡片內部的芯片，測量佩戴者的淚水中中的葡萄糖含量，以此來判斷佩戴者血糖水平。谷歌的另外一款“腦洞大開”的產品則是“納米顆粒抗癌機器人”，其配合其他設備隨著血液在人體中流動，偵測病變細胞并反饋人體的健康數(shù)據(jù)，對癌癥進行早期診斷和治療。手持機器人裝置LiftwareLevel微軟：深耕藥物研發(fā)、醫(yī)療穿戴設備骨傳導耳機微軟在醫(yī)療行業(yè)的布局分別為投資并購醫(yī)療公司、推出智能可穿戴設備、研發(fā)軟件及數(shù)據(jù)平臺。2016年微軟開始研發(fā)微軟AI醫(yī)療項目Hanover，該項目涉及開發(fā)計算方法推動癌癥治療、采用機器學習和圖像處理技術幫助放射醫(yī)生了解腫瘤擴展過程。

在Hanover和俄勒岡衛(wèi)生科學大學癌癥研究所合作中，微軟利用機器學習幫助醫(yī)生處理藥品研究文件并預測用于抗擊急性骨髓性白血病的有效藥物組合。據(jù)稱，該藥物組合提高了患者一倍的存活率。在硬件方面，微軟推出了智能手環(huán)MicrosoftBand、針對盲人使用的3D音景技術的骨傳導耳機以及為弱視群體開發(fā)的腕帶AliceBand三款產品。MicrosoftBand手環(huán)配置了10個智能傳感器，可24小時實時檢測用戶心率、卡路里燃燒和睡眠質量等信息。AliceBand腕帶通過在用戶頭上佩戴的一個接收裝置，來接受城市建筑物上的傳感器發(fā)送的信息，進而為用戶指引道路。骨傳耳機采用3D音景谷傳導技術以及和智能手機進行配對，用戶可接受到建筑物發(fā)出的藍牙信號，在經過軟件系統(tǒng)分析處理轉換為3D提示音為盲人進行導航。4.2AI在自動駕駛領域的應用全自動駕駛的三大出發(fā)點真正驅動無人駕駛發(fā)展的是它帶來的安全性（交通效益）、高效性（社會效益）和交互體驗（人機關系）。安全性方面，有研究顯示，94%的交通意外是由人為操作失誤造成的，2013年全球車禍死亡人數(shù)達120萬，2016年美國道路死亡人數(shù)37461，2015年交通意外受傷人數(shù)240萬，近三分之二的人會卷入酒駕事故；社會效益方面，每年由于交通事故死亡造成的經濟損失達5940億美元，直接經濟損失占2770億美元，燃油消耗和交通耗時相關的支出達1600億美元；汽車交互方面，先來看駕駛者：全美有三百多萬年長的（40歲）、失明或視力較差的人；再看路人環(huán)境：79%的65歲以上老年人生活在有汽車的社區(qū)；生活效率來看，每年人均在交通上耗費的時間高達42個小時。綜上，自動駕駛的宗旨在于實現(xiàn)整個交通系統(tǒng)的高效性和安全性，減少車禍主要原因——人為操做失誤的發(fā)生，為年邁的、殘障的人士提供更為安全的社區(qū)環(huán)境，規(guī)劃路況以減少相關資源（石油）和時間的浪費。1、在哪兒？當汽車在道路上，不是GPS就能回答這個問題，它需要知道自己在三維空間中的坐標點、道路狀況、行駛限制，以及人行道、道路信號燈、交叉路口、停車標志等道路特性，也就是需要地圖和基于傳感器的實時道路信息。2、周圍有啥？汽車的傳感器需要不斷地掃描周邊的物體并進行辨認：行人、非機動車、機動車、交通信號、道路施工、障礙、各種路段（鐵路）、停車標志等。目前，汽車（無人駕駛）的視距是300米。3、接下來可能發(fā)生啥？這就需要軟件了解行人、機動車和非機動車的軌跡，結合道路規(guī)則和狀況信息，分析并預測相關的動態(tài)對象運動趨勢，考慮本車運動可能對周圍環(huán)境/行人帶來的影響。4、咋整？有了分析和預測模型，接下來就是決策，從多個可行的路線中尋求最優(yōu)解，考慮需要的轉向操作，精確軌跡、速度、車道等，并保持360度環(huán)境監(jiān)控，以保證能實時、安全的應對路況變化。因此，全自動駕駛，本質上就是對于基于傳感器、地圖等獲取的多種信息進行整合分析，技術核心在于硬件（傳感器套件）和軟件（分析、預測模型）。硬件：四類傳感器系統(tǒng)傳感器套件包括四個主要單元，激光、相機、雷達和輔助，以實現(xiàn)360度的300米視距，重構動態(tài)和靜態(tài)對象的3D圖像（行人、行駛中的自行車或其他交通工具、交通信號燈、建筑物、道路標志等）。軟件：能用且安全的汽車大腦有了傳感器提供的龐大信息，就能塑造實時道路圖像（不僅僅是衛(wèi)星地圖或在線地圖，包括有色的物理空間分布，以及物體移動速度、航向、加速度等），接下來就是通過軟件系統(tǒng)實現(xiàn)最優(yōu)駕駛決策了。軟件系統(tǒng)涉及路況信息理解（地形、道路、天氣、交通法規(guī)等）和行為預測（需要對不同的物體，如行人、各類機動車、各類非機動車等，進行不同的建模），需要根據(jù)以上信息，結合安全距離設置（為行人和車輛留下額外的誤差空間），求解可操作的駕駛行為（ODD），規(guī)劃行駛路徑和眼下的行駛速度、方向。自動駕駛視頻由前百度美研的主任架構師、百度無人車的首席架構師（T11級）JamesPeng（彭軍）和“樓教主”樓天城在2016年12月創(chuàng)辦的無人駕駛公司Pony.ai在無人駕駛技術上取得了一些不錯的進展。8字彎–超越人類極限的控制擁堵路段–像老司機一樣開車4.3AI在社會學研究方面的應用將文本分析用于社會學研究2017.9.21?Boththebrandandgeneralsentimentscoresarecenteredaround0.2.?Generalsentimentscoresaremorecloselycenteredaround0.2,whereasbrandsentimentscoresspreadsmoretowards1(positive)and-1(negative).Thisshowsthatuserstendtobemorepositiveornegativethanusualwheninteractingwithbrands.?Thereispositivecorrelation(ascomputedbyPearson’scorrelationcoefficient),0.7,betweenthesetwoscoresforallbrands.Thisshowsthatuserswhogenerallyexpressonesentimentclass(positive,negativeorneutral)intheirtweetstendtoexpressthatsamesentimenttowardbrands.?Thediagonalineachfigurecorrespondstouserswhosebrandsentimentscoreandgeneralsentimentscorearealmostthesame.Thisrepresentsasignificantproportionofallusers(about3.5%)whodonotpostmuchotherthanwheninteractingwithbrands.themostnegativeindustries：providingservicestocustomers,suchasAirlines,MailandShipping,andTelecommunications,mostpositiveindustries：manufacturingandsellingconsumergoods,suchasHouseholdappliances.Additionally,themostpolarizedindustriesaresurprisinglynotPoliticsandSports(asonemightexpect).5、本團隊科研項目介紹分方向內容機器視覺技術應用機器手引導、產品質量檢測機器學習技術應用計算機網(wǎng)絡運維領域故障診斷VR/AR技術應用機械設備操作培訓科研方向：人工智能技術應用研究姓名職責肖書浩團隊負責人何為“機器視覺技術應用”方向負責人張雅晶“VR/AR技術應用”方向負責人謝俊宏“機器學習技術應用”方向負責人團隊成員5.1機器視覺（MachineVision）應用客戶名稱：亞旭電子科技(江蘇)有限公司經費：15萬元研發(fā)時間：2016.6-2017.3現(xiàn)狀：已驗收結題視覺辨識系統(tǒng)研發(fā)項目目標開發(fā)一款用于亞旭流水線生產的機器手引導和產品品質檢測的機器視覺軟件為亞旭開發(fā)的軟件界面軟件在亞旭流水線上測試的情景5.2自然語言處理(NLP)與機器學習(ML)應用網(wǎng)絡運維數(shù)據(jù)分析與挖掘研究（預研）客戶名稱：湖南長沙美音網(wǎng)絡技術有限公司時間：2017.3-現(xiàn)在現(xiàn)狀：在研研究內容：大數(shù)據(jù)與機器學習與客戶達成長期合作協(xié)議，正在共同申報湖南省縱向項目健康管理（故障診斷）工業(yè)4.0先驅：勞斯萊斯發(fā)動機勞斯萊斯的大數(shù)據(jù)分析：引擎健康管理系統(tǒng)計算機網(wǎng)絡健康管理系統(tǒng)智能日志分析系統(tǒng)

基于文本分析的系統(tǒng)（NLP）

行業(yè)知識的表達與應用（KnowledgeBase）

大數(shù)據(jù)系統(tǒng)（BigData）IBMWaston認知計算架構IBMWatson是認知計算系統(tǒng)的杰出代表，被認為是人工智能歷史上的一個里程碑。它是一個通過自然語言處理和機器學習，從非結構化數(shù)據(jù)中揭示洞察的技術平臺。它包含信息分析，自然語言處理和機器學習領域的大量技術創(chuàng)新。新的LOGO表現(xiàn)出三項重要特質：理解、推理、學習。5.3虛擬現(xiàn)實與增強現(xiàn)實（VR/AR）應用機械設備虛擬拆裝實驗室6、人工智能技術學習資源AI學習與研究資源：深度學習庫與框架MATLABBerkeleyAIResearch(BAIR)

:Caffegoogle:tensorFlowFacebook:PyTorchMicrosoft:CNTK華盛頓大學和卡內基梅隆大學(CMU)（Amazon選用）：MxNet蒙特利爾大學的機器學習團隊（YoshuaBengio

是成員之一）：TheanoAI學習與研究資源：開發(fā)平臺語言1.Python2.C++3.Lisp4.Java5.Prolog6.JavaScript7.HaskellSebastianThrun：Udacity(優(yōu)達學城)創(chuàng)始人、斯坦福終身教授、GoogleX實驗室創(chuàng)始人YannLecun：FacebookAI實驗室負責人、紐約大學教授NandodeFreitas：牛津大學教授AndrewNg：斯坦福大學副教授、人工智能實驗室主任，Coursera聯(lián)合創(chuàng)始人，前百度首席科學家DaphneKoller：斯坦福大學教授、Coursera聯(lián)合創(chuàng)始人AdamCoates：百度硅谷AI實驗室主任JürgenSchmidhuber：瑞士人工智能實驗室IDSIA的科學事務主管GeoffreyHinton：多倫多大學計算機科學系教授、谷歌EngineeringFellowTerrySejnowski：索爾克研究所神經科學家MichaelJordan：加州大學伯克利分校教授PeterNorvig：谷歌公司研究總監(jiān)YoshuaBengio：蒙特利爾大學教授IanGoodfellow：谷歌大腦StaffResearchScientistAndrejKarpathy：特斯拉人工智能部門主管RichardSocher：Salesforce首席科學家、斯坦福計算機科學系副教授DemisHassabis：DeepMind創(chuàng)始人兼CEOChristopherManning：斯坦福大學計算機科學和語言學教授Fei-FeiLi（李飛飛）：斯坦福大學教授、谷歌云AI/ML首席科學家Fran?oisChollet：谷歌人工智能研究員、深度學習框架Keras的作者DanJurafsky：斯坦福大學計算機科學系和語言學系教授、語言學系主任OrenEtzioni：艾倫人工智能研究所CEOAI學習與研究資源：著名AI科學家OpenAI/Twitter(127Kfollowers)DeepMind/Twitter(80Kfollowers)GoogleResearch/Twitter(1.1Mfollowers)AWSAI/Twitter(1.4Mfollowers)FacebookAIResearch(noTwitter:)MicrosoftResearch/Twitter(341Kfollowers)BaiduResearch/Twitter(18Kfollowers)IntelAI/Twitter(2Kfollowers)AI2/Twitter(4.6Kfollowers)PartnershiponAI/Twitter(5Kfollowers)AI學習與研究資源：AI組織AI學習與研究資源：AI視頻課程Coursera—機器學習（MachineLearning）授課：AndrewNg/learn/machine-learning#syllabusCoursera—機器學習神經網(wǎng)絡（NeuralNetworksforMachineLearning）授課：GeoffreyHinton/learn/neural-networksUdacity—機器學習導論（IntrotoMachineLearning）授課：SebastianThrun/courses/ud120Udacity—機器學習（MachineLearning）授課：GeorgiaTech/course/machine-learning--ud262Udacity—深度學習（DeepLearning）授課：VincentVanhoucke/course/deep-learning--ud730機器學習（MachineLearning）授課：mathematicalmonk/playlist?list=PLD0F06AA0D2E8FFBA給程序員的機器學習實踐課程（PracticalDeepLearningForCoders）授課：JeremyHoward&RachelThomashttp://course.fast.ai/start.htmlStanfordCS231n—面向視覺識別的卷積神經網(wǎng)絡（ConvolutionalNeuralNetworksforVisualRecognition）(Winter2016)授課：李飛飛、JustinJohnson&SerenaYeung/StanfordCS224n—深度學習與自然語言處理（NaturalLanguageProcessingwithDeepLearning）(Winter2017)授課：ChrisManning&RichardSocher/class/cs224n/哈佛深度NLP課程（OxfordDeepNLP2017）授課：PhilBlunsometal./oxford-cs-deepnlp-2017/lectures強化學習（ReinforcementLearning）授課：DavidSilverhttp://www.cs.ucl.ac.uk/staff/d.silver/web/Teaching.htmlPython實踐機器學習教程（PracticalMachineLearningTutorialwithPython）授課：sentdex