《人工智能基礎》課件-AI的前世今生：她從哪里來

AI的前世今生：她從哪里來——

4.1追本溯源：什么是AI人工智能2人工智能（ArtificialIntelligence），英文縮寫為AI，它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。人工智能3人工智能是利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應用系統(tǒng)?！度斯ぶ悄軜藴驶灼?018》人工智能4人工智能的概念很寬，種類也很多。通常，按照水平高低，人工智能可以分成三大類：弱人工智能強人工智能超人工智能4.1.1弱人工智能（WeakAI）5弱人工智能是指不能真正實現(xiàn)推理和解決問題的智能機器，這些機器表面看像是智能的，但是并不真正擁有智能，也不會有自主意識。迄今為止的人工智能系統(tǒng)都還是實現(xiàn)特定功能的專用智能，目前還是弱人工智能。4.1.1弱人工智能（WeakAI）6谷歌的AlphaGo和AlphaGoZero就是典型“弱人工智能”思考與討論7你還知道哪些弱人工智能的例子？4.1.2強人工智能（StrongAI）8強人工智能是指真正能思維的智能機器，并且認為這樣的機器是有知覺的和自我意識的，這類機器可分為類人與非類人兩大類。9“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機和其它信息處理機器創(chuàng)造的，其定義為：“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當?shù)某绦颍嬎銠C本身就是有思維的?！?.1.2強人工智能（StrongAI）強人工智能理論10強人工智能的爭論要點是：如果一臺機器的唯一工作原理就是轉(zhuǎn)換編碼數(shù)據(jù)，那么這臺機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是轉(zhuǎn)換數(shù)據(jù)，而數(shù)據(jù)本身是對某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實際事情之間的對應關(guān)系的前提下，機器不可能對其處理的數(shù)據(jù)有任何理解。11在超人工智能階段，人工智能已經(jīng)跨過“奇點”，其計算和思維能力已經(jīng)遠超人腦。此時的人工智能已經(jīng)不是人類可以理解和想象。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。4.1.3超人工智能（SuperAI）思考與討論12說一說你所期待的超人工智能時代？拓展視野13人工智能的研究目標：1．對智能行為有效解釋的理論分析。2．解釋人類智能。3．構(gòu)造智能的人工制品。

AI的前世今生：她從哪里來——

4.2一波三折：AI發(fā)展三次浪潮15人工智能的起源161950年，馬文·明斯基與同學鄧恩·埃德蒙一起，建造了世界上第一臺神經(jīng)網(wǎng)絡計算機，被看做是人工智能的一個起點。1956年夏天，美國達特茅斯學院舉行了歷史上第一次人工智能研討會，被認為是人工智能誕生的標志。4.2.1理論的革新——人工智能的第一次高潮期17在研究人工智能的初期,受到顯著成果和樂觀精神驅(qū)使的很多美國大學，如：麻省理工大學、卡內(nèi)基梅隆大學、斯坦福大學和愛丁堡大學，都很快建立了人工智能項目及實驗室,同時他們獲得來自APRA（美國國防高級研究計劃署）等政府機構(gòu)提供的大批研發(fā)資金。4.2.1理論的革新——人工智能的第一次高潮期181959年，德沃爾與美國發(fā)明家約瑟夫·英格伯格聯(lián)手制造出第一臺工業(yè)機器人，成立了世界上第一家機器人制造工廠——Unimation公司。第一代機器人更像“機器”，通過計算機控制一個自由度很高的機械，反復重復人類教授的動作，并對外界環(huán)境沒有任何感知。4.2.1理論的革新——人工智能的第一次高潮期191965年，約翰·霍普金斯大學應用物理實驗室研制出Beast機器人。Beast能通過聲納系統(tǒng)、光電管等裝置，根據(jù)環(huán)境校正自己的位置。隨后開始興起研究“有感覺”的機器人，這意味著人工智能的研發(fā)又向前邁進了一步。人工智能第一次低谷期20計算機性能不足問題的復雜性數(shù)據(jù)嚴重缺失人工智能面臨的技術(shù)瓶頸拓展視野21圖靈與圖靈測試：有一臺機器和一個人，都被放置在黑屋子里，測試員不知道哪個屋子是機器哪個屋子是人。然后由測試員就開始問問題，一直問到他能判斷哪個屋子里是機器，哪個屋子里是人，那這個測試就完成了。當測試員把所有能夠想出來的問題都問完了，他還判斷不出來哪個是機器哪個是人，這個機器就具有智能了。4.2.2思維的轉(zhuǎn)變——人工智能的第二次高潮期22從1980年到1987年，由于引入了“知識”，人工智能迎來了第二次發(fā)展高潮。在人工智能專家費根·鮑姆的帶領下，人工智能開辟了一個新的領域——專家系統(tǒng)。4.2.2思維的轉(zhuǎn)變——人工智能的第二次高潮期23所謂“專家系統(tǒng)”就是利用計算機化的知識進行自動推理，從而模仿領域?qū)＜医鉀Q問題。典型的專家系統(tǒng)的例子：卡內(nèi)基梅隆大學為數(shù)字設備公司設計的名為“X-CON”的專家系統(tǒng)；IBM研發(fā)的“沃森”機器人。人工智能第二次低谷期24人工智能再次陷入低谷，這次遭遇低谷的主要原因還是技術(shù)本身的實現(xiàn)程度支撐不起足夠多的應用。思考與討論25談一談你對沃森機器人的了解。4.2.3技術(shù)的融合——人工智能的第三次高潮期261997年，比爾﹒蓋茨的豪宅完全按照智能住宅的概念建造。4.2.3技術(shù)的融合——人工智能的第三次高潮期271997年，IBM深藍以3.5:2.5戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫成為首個在標準比賽時限內(nèi)擊敗國際象棋世界冠軍的電腦系統(tǒng)。4.2.3技術(shù)的融合——人工智能的第三次高潮期282018年韓國平昌冬奧會閉幕式上的“北京八分鐘”智能機器人與演員共舞驚艷了全世界。世界各國都開始重視人工智能的發(fā)展29美國：《為人工智能的未來做好準備》；英國：《人工智能：未來決策制定的機遇和影響》；法國：《國家人工智能戰(zhàn)略》；德國頒布全國第一部自動駕駛的法律；石油大國阿聯(lián)酋將人工智能確立為國家戰(zhàn)略；中國：《新一代人工智能發(fā)展規(guī)劃》《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018-2020年）》。世界各國都開始重視人工智能的發(fā)展302019年人工智能連續(xù)第三年寫入政府工作報告，并且首次提出了“智能+”。政府工作報告提出，打造工業(yè)互聯(lián)網(wǎng)平臺，拓展“智能+”，為制造業(yè)轉(zhuǎn)型升級賦能。2019年5月16日，國際人工智能與教育大會在北京召開。國家主席習近平向大會致賀信。與前兩次的浪潮的明顯不同31前兩次人工智能浪潮主要是由學術(shù)界提出問題，并在勸說、游說政府和投資人投錢，基本停留在市場宣傳層面；這次人工智能浪潮是以解決問題為目的，投資人已主動向熱點領域的學術(shù)項目和創(chuàng)業(yè)項目投錢，已上升到商業(yè)模式層面。思考與討論321.說一說你使用的手機是什么品牌的，具有什么功能，有哪些人工智能的功能？2.談談你對第三次人工智能浪潮的想法。實踐任務33使用清華大學自然語言處理與社會人文計算實驗室開發(fā)的“九歌——計算機詩詞創(chuàng)作系統(tǒng)”進行集句詩、絕句、藏頭詩、詞創(chuàng)作。AI的前世今生：她從哪里來——

4.3重獲新生：AI應用現(xiàn)狀35人工智能有三要素：數(shù)據(jù)、算力、算法。人工智能高速發(fā)展主要取決于以下三個原因：一、計算力的增長；二、海量數(shù)據(jù)的積累；三、算法的進步和優(yōu)化。4.3.1計算力的增長36計算能力的限制曾經(jīng)是人工智能研究跌入低谷的原因。隨著摩爾定律的發(fā)展，計算能力逐步得到解放。CPU性能飛速提升，被最初用來訓練深度學習。擁有出色的浮點計算性能的GPU更適合做深度學習訓練。4.3.1計算力的增長37GPU相比CPU擁有更高的訓練速度批處理大小CPU訓練時間GPU訓練時間GPU加速64images64s7.5s8.5x128images124s14.5s8.5x256images257s28.5s9.0x3839未來人工智能芯片的應用大體有兩個方向：其一是用于云端服務器的的芯片，其二是用于終端（例如手機及其他智能硬件）的人工智能芯片。4.3.1計算力的增長拓展視野40基于FPGA的半定制化芯片F(xiàn)PGA（Field－ProgrammableGateArray），即現(xiàn)場可編程門陣列，是一種半定制的集成電路，百度就采用了FPGA打造百度大腦專用AI芯片。拓展視野41全定制化ASIC芯片ASIC（ApplicationSpecificIntegratedCircuit）即專用集成電路，是指應特定用戶要求和特定電子系統(tǒng)的需要而設計、制造的集成電路。4.3.2海量數(shù)據(jù)的積累42數(shù)據(jù)是限制人工智能爆發(fā)的又一因素。在大數(shù)據(jù)這個概念出現(xiàn)之前計算機并不能很好的解決需要人去做判別的一些問題。人工智能是用大量的數(shù)據(jù)作導向，讓需要機器來做判別的問題最終轉(zhuǎn)化為數(shù)據(jù)問題。4.3.2海量數(shù)據(jù)的積累43隨著移動互聯(lián)網(wǎng)的爆發(fā)，數(shù)據(jù)量呈現(xiàn)出指數(shù)級的增長，大數(shù)據(jù)的積累為人工智能提供了基礎支撐。大數(shù)據(jù)主要包括采集與預處理、存儲與管理、分析與加工、可視化計算及數(shù)據(jù)安全等，具備數(shù)據(jù)規(guī)模不斷擴大、種類繁多、產(chǎn)生速度快、處理能力要求高、時效性強、可靠性要求嚴格、價值大但密度較低等特點，為人工智能提供豐富的數(shù)據(jù)積累和訓練資源。4.3.

3算法的進步和優(yōu)化44近20年來，人工智能學家們試圖用神經(jīng)網(wǎng)絡建模來模擬大腦，用生物進化機制來提升機器的智能。他們將自治體的方法論與神經(jīng)網(wǎng)絡的模型結(jié)合起來，形成了當代人工智能研究中最令人興奮的、最具開拓性的研究成果——深度學習。深度學習成為人工智能最為主流的算法。拓展視野45深度學習：深度學習（DeepLearning,DL）或階層學習（hierarchicallearning）是機器學習的技術(shù)和研究領域之一，通過建立具有階層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡（ArtifitialNeuralNetworks,ANNs），在計算系統(tǒng)中實現(xiàn)人工智能。實踐任務46了解百度大腦AI開放平臺、科大訊飛AI開放平臺、飛槳PaddlePaddle開源深度學習平臺。AI的前世今生：她從哪里來——

4.4百家爭鳴：AI主流學派4.4.1認知學派48以明斯基、西蒙和紐厄爾等人為代表，從人的思維活動出發(fā)，利用計算機進行宏觀功能模擬。馬文·明斯基4.4.1認知學派49認知學派認為認知的基元是符號，智能行為通過符號操作來實現(xiàn)。認知學派以美國人Robinson提出的消解法（即歸結(jié)原理）為基礎，以LISP和Prolog語言為代表，著重于問題求解中的啟發(fā)式搜索和推理過程。4.4.1認知學派50該學派在邏輯思維的模擬方面取得成功，如自動定理證明和專家系統(tǒng)。明斯基從心理學的研究出發(fā)，認為人們在日常的認識活動中，使用了大批從以前的經(jīng)驗中獲取并經(jīng)過整理的知識，這些知識是以一種類似框架的結(jié)構(gòu)記存在人腦中，由此提出了框架知識表示方法。4.4.2符號主義學派51符號主義又稱為邏輯主義，心理學派或計算機學派。其原理主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設和有限合理性原理。這一派認為實現(xiàn)人工智能必須用邏輯和符號系統(tǒng)。自動定理證明起源于邏輯，初衷就是把邏輯演算自動化。符號派的思想源頭和理論基礎就是定理證明。邏輯學家戴維斯在1954年完成了第一個定理證明程序。牛津計算機系主任：AI中符號主義和神經(jīng)網(wǎng)絡應融合發(fā)展4.4.2符號主義學派52符號主義學派在人工智能研究中，強調(diào)的是概念化知識表示、模型論語義、演繹推理等。約翰·麥卡錫主張任何事物都可以用統(tǒng)一的邏輯框架來表示，在常識推理中以非單調(diào)邏輯為中心。53行為行為主義主義又稱進化主義或控制論學派，其原理為控制論及感知-動作型控制系統(tǒng)。行為主義以布魯克斯等人為代表，認為智能行為只能在現(xiàn)實世界中，由系統(tǒng)與周圍環(huán)境的交互過程中表現(xiàn)出來。4.4.3學派54首先，智能系統(tǒng)與環(huán)境進行交互，即從運行的環(huán)境中獲取信息（感知），并通過自己的動作對環(huán)境施加影響；其次，指出智能取決于感知和行為，提出了智能行為的“感知-行為”模型，認為智能系統(tǒng)可以不需要知識、不需要表示、不需要推理，像人類智能一樣可以逐步進化；再次，強調(diào)直覺和反饋的重要性，智能行為體現(xiàn)在系統(tǒng)與環(huán)境的交互之中，功能、結(jié)構(gòu)和智能行為是不可分割的。行為主義學派主要觀點4.

4.4連接主義學派55連接主義又稱為仿生學派(bionicsism)或生理學派(physiologism)，其主要原理為神經(jīng)網(wǎng)絡及神經(jīng)網(wǎng)絡間的連接機制與學習算法。4.

4.4連接主義學派56以Rumelhart、Mcclelland和Hopfield等人為代表，從人的大腦神經(jīng)系統(tǒng)結(jié)構(gòu)出發(fā)，研究非程序的、適應性的、類似大腦風格的信息處理的本質(zhì)和能力，人們也稱它為神經(jīng)計算?；羝辗茽柕?7人工智能各學派的研究方法各有長短，既有擅長的處理能力,又有一定的局限性。仔細學習和研究各個學派思想和研究方法之后，可以發(fā)現(xiàn),各種學派可以取長補短,實現(xiàn)優(yōu)勢互補。過去在激烈爭論時期,那種企圖完全否定對方而以一家的主義和方法主宰人工智能世界的氛圍,正被互相學習、優(yōu)勢互補、集成模擬、合作共贏、和諧發(fā)展的新氛圍所代替。58未來人工智能的各個學派,一方面要密切合作,取長補短,可把一種學派無法解決的問題轉(zhuǎn)化為另一學派能夠解決的問題；另一方面,逐步建立統(tǒng)一的人工智能理論體系和方法論,在一個統(tǒng)一系統(tǒng)中集成了邏輯思維、形象思維和進化思想,創(chuàng)造人工智能更先進的研究方法。思考與討論59人工智能各主流學派對人工智能方法的爭論是什么？AI的前世今生：她從哪里來——

4.5武功秘籍：AI領域的關(guān)鍵技術(shù)61近二十年來人工智能領域的技術(shù)在不斷發(fā)展、融合，其關(guān)鍵技術(shù)主要包括機器學習、知識圖譜、自然語言處理、計算機視覺、人機交互、生物特征識別、虛擬現(xiàn)實/增強現(xiàn)實等關(guān)鍵技術(shù)。4.

5.1機器學習62機器學習（MachineLearning）是一門涉及統(tǒng)計學、系統(tǒng)辨識、逼近理論、神經(jīng)網(wǎng)絡、優(yōu)化理論、計算機科學、腦科學等諸多領域的交叉學科，研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心。4.

5.1機器學習63根據(jù)學習模式將機器學習分類為監(jiān)督學習、無監(jiān)督學習和強化學習等。根據(jù)學習方法可以將機器學習分為傳統(tǒng)機器學習和深度學習。此外，機器學習的常見算法還包括遷移學習、主動學習和演化學習等。64知識圖譜本質(zhì)上是結(jié)構(gòu)化的語義知識庫，是一種由節(jié)點和邊組成的圖數(shù)據(jù)結(jié)構(gòu)，以符號形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實體—關(guān)系—實體”三元組，以及實體及其相關(guān)“屬性—值”對。不同實體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識結(jié)構(gòu)。4.

5.2知識圖譜65知識圖譜可用于反欺詐、不一致性驗證、組團欺詐等公共安全保障領域，需要用到異常分析、靜態(tài)分析、動態(tài)分析等數(shù)據(jù)挖掘方法。4.

5.2知識圖譜66自然語言處理是計算機科學領域與人工智能領域中的一個重要方向，研究能實現(xiàn)人與計算機之間用自然語言進行有效通信的各種理論和方法，涉及的領域較多，主要包括機器翻譯、機器閱讀理解和問答系統(tǒng)等。4.

5.

3自然語言處理67自然語言處理面臨四大挑戰(zhàn)：一是在詞法、句法、語義、語用和語音等不同層面存在不確定性；二是新的詞匯、術(shù)語、語義和語法導致未知語言現(xiàn)象的不可預測性；三是數(shù)據(jù)資源的不充分使其難以覆蓋復雜的語言現(xiàn)象；四是語義知識的模糊性和錯綜復雜的關(guān)聯(lián)性難以用簡單的數(shù)學模型描述，語義計算需要參數(shù)龐大的非線性計算。4.

5.

3自然語言處理68人機交互主要研究人和計算機之間的信息交換，主要包括人到計算機和計算機到人的兩部分信息交換，是人工智能領域的重要的外圍技術(shù)。人機交互是與認知心理學、人機工程學、多媒體技術(shù)、虛擬現(xiàn)實技術(shù)等密切相關(guān)的綜合學科。4.

5.

4人機交互69計算機視覺是使用計算機模仿人類視覺系統(tǒng)的科學，讓計算機擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。自動駕駛、機器人、智能醫(yī)療等領域均需要通過計算機視覺技術(shù)從視覺信號中提取并處理信息。4.

5.

5計算機視覺70根據(jù)解決的問題，計算機視覺可分為計算成像學、圖像理解、三維視覺、動態(tài)視覺和視頻編解碼五大類。4.

5.

5計算機視覺714.

5.

5計算機視覺72生物特征識別技術(shù)是指通過個體生理特征或行為特征對個體身份進行識別認證的技術(shù)。從應用流程看，生物特征識別通常分為注冊和識別兩個階段。4.

5.6生物特征識別73生物特征識別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態(tài)等多種生物特征，其識別過程涉及到圖像處理、計算機視覺、語音識別、機器學習等多項技術(shù)。目前生物特征識別作為重要的智能化身份認證技術(shù)，在金融、公共安全、教育、交通等領域得到廣泛的應用。4.

5.6生物特征識別拓展視野74指紋識別：指紋識別過程通常包括數(shù)據(jù)采集、數(shù)據(jù)處理、分析判別三個過程。數(shù)據(jù)采集通過光、電、力、熱等物理傳感器獲取指紋圖像；數(shù)據(jù)處理包括預處理、畸變校正、特征提取三個過程；分析判別是對提取的特征進行分析判別的過程。拓展視野75人臉識別：人臉識別是典型的計算機視覺應用，從應用過程來看，可將人臉識別技術(shù)劃分為檢測定位、面部特征提取以及人臉確認三個過程。人臉識別技術(shù)的應用主要受到光照、拍攝角度、圖像遮擋、年齡等多個因素的影響，在約束條件下人臉識別技術(shù)相對成熟，在自由條件下人臉識別技術(shù)還在不斷改進。拓展視野76虹膜識別：虹膜識別的理論框架主要包括虹膜圖像分割、虹膜區(qū)域歸一化、特征提取和識別四個部分，研究工作大多是基于此理論框架發(fā)展而來。虹膜識別技術(shù)應用的主要難題包含傳感器和光照影響兩個方面：一方面，由于虹膜尺寸小且受黑色素遮擋，需在近紅外光源下采用高分辨圖像傳感器才可清晰成像，對傳感器質(zhì)量和穩(wěn)定性要求比較高；另一方面，光照的強弱變化會引起瞳孔縮放，導致虹膜紋理產(chǎn)生復雜形變，增加了匹配的難度。拓展視野77指靜脈識別：指