大學(xué)計(jì)算機(jī)基礎(chǔ)教程（第13版）課件 第9章 人工智能基礎(chǔ)知識(shí)

人工智能基礎(chǔ)知識(shí)第9章主要內(nèi)容9.2人工智能主要應(yīng)用技術(shù)9.3機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

9.1人工智能概述9.4人工智能在實(shí)際中的應(yīng)用

9.1人工智能概述

9.1.1人類智能與人工智能9.1.2人工智能的定義9.1.3人工智能三大學(xué)派9.1.4人工智能的發(fā)展歷史9.1.5各國人工智能的發(fā)展計(jì)劃9.1.6人工智能產(chǎn)業(yè)鏈9.1.1人類智能與人工智能人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支,自20世紀(jì)70年代以來被稱為世界三大尖端技術(shù)（空間技術(shù)、能源技術(shù)、人工智能）之一,也被認(rèn)為是21世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一。人工智能是在計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)、言學(xué)等多種學(xué)科研究的基礎(chǔ)之上發(fā)展起來的綜合性學(xué)科,近30年來獲得了迅速的發(fā)展,在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用,并取得了豐碩的成果。9.1.2人工智能的定義

1.人工智能的誕生

在人工智能的發(fā)展史上,圖靈讓人工智能從0走到1,而在人工智能從1擴(kuò)展到無限大的過程中,則包含了無數(shù)科學(xué)家共同的努力。圖靈提出了讓機(jī)器思考的問題,也描述了智能系統(tǒng)的雛形,但他并沒有明確提出“人工智能”這一概念。一般認(rèn)為現(xiàn)代人工智能(ArtificialIntelligence,AI)起源于1956年夏季在美國達(dá)特茅斯學(xué)院召開的一場學(xué)術(shù)研討會(huì)。9.1.2人工智能的定義2.人工智能的定義①人工智能是一門科學(xué),是使機(jī)器做那些人需要通過智能來做的事情。②人工智能是制造能夠完成需要人的智能才能完成的任務(wù)的機(jī)器的技術(shù)。③人工智能是研究如何讓計(jì)算機(jī)做現(xiàn)階段人類才能做得更好的事情。④人工智能是一種使計(jì)算機(jī)能夠思維、使機(jī)器具有智力的激動(dòng)人心的新嘗試。⑤人工智能是那些與人的思維、決策、問題求解和學(xué)習(xí)等有關(guān)活動(dòng)的自動(dòng)化。

9.1.2人工智能的定義2.人工智能的定義

⑥人工智能是關(guān)于知識(shí)的科學(xué),主要研究知識(shí)的表示、獲取和運(yùn)用。⑦人工智能是用計(jì)算模型對(duì)智力行為進(jìn)行的研究。⑧人工智能是一門通過計(jì)算過程力圖解釋和模仿智能行為的學(xué)科。⑨人工智能是智能機(jī)器所執(zhí)行的、通常與人類智能有關(guān)的智能行為,這些智能行為涉及學(xué)習(xí)、感知、思考、理解、識(shí)別、判斷、推理、證明、通信、設(shè)計(jì)、規(guī)劃、行動(dòng)和問題求解等活動(dòng)。⑩人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。其主要任務(wù)是建立信息處理理論,進(jìn)而設(shè)計(jì)可以展現(xiàn)某些近似于人類智能行為的計(jì)算系統(tǒng)。9.1.2人工智能的定義2.人工智能的定義這些定義各有側(cè)重,但卻有著相似的內(nèi)涵,即人工智能是基于對(duì)人類智能的理解而構(gòu)造出的具有一定智能的人工系統(tǒng)。人工智能學(xué)科主要研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類智能行為的理論、方法和技術(shù),其研究的目的是讓計(jì)算機(jī)去完成以往需要人類智力才能勝任的工作。9.1.2人工智能的定義3.人工智能的分類把人工智能劃分為三類:弱人工智能ArtificialNarrowIntelligence(ANI)、強(qiáng)人工智能ArtificialGeneralIntelligence(AGI)和超人工智能ArtificialSuperIntelligence(ASI)。

9.1.2人工智能的定義3.人工智能的分類(1)弱人工智能弱人工智能指的是專心于且只能處理特定領(lǐng)域問題的人工智能。毫無疑問,目前所見的所有人工智能算法和應(yīng)用都?xì)w于弱人工智能的領(lǐng)域,它是迄今為止唯一成功實(shí)現(xiàn)的人工智能類型。9.1.2人工智能的定義2.人工智能的定義(2)強(qiáng)人工智能強(qiáng)人工智能又稱通用人工智能或完全人工智能,指的是可以勝任人類所有工作的人工智能。人可以做什么,強(qiáng)人工智能就可以做什么。強(qiáng)人工智能觀點(diǎn)認(rèn)為有可能制造出真正能推理和解決問題的智能機(jī)器,并且,這樣的機(jī)器將被認(rèn)為是有知覺的、有自我意識(shí)的、可以獨(dú)立思考問題并制定解決問題的最優(yōu)方案。它會(huì)有自己的價(jià)值觀和世界觀體系,有和生物一樣的各種本能,比如生存和安全需求。強(qiáng)人工智能與弱人工智能的最大差別就是是否擁有意識(shí),在某種意義上可以看作一種新的文明。9.1.2人工智能的定義2.人工智能的定義(3)超人工智能超人工智能是一種假想的人工智能,假定計(jì)算機(jī)程序通過不斷發(fā)展,能夠比世界上最聰明、最有天賦的人類還聰明,那么,由此產(chǎn)生的人工智能系統(tǒng)稱為超人工智能。這種超人工智能除了可以復(fù)制人類的多方面智慧之外,理論上它可以比人類能做的每一件事都做得更好,比如數(shù)學(xué)、科學(xué)、體育、藝術(shù)、醫(yī)學(xué)、業(yè)余愛好、情感關(guān)系等。因此,超人工智能的決策和解決問題的能力將遠(yuǎn)勝于人類。9.1.3人工智能三大學(xué)派

1.符號(hào)主義符號(hào)主義(Symbolism)是一種基于邏輯推理的智能模擬方法,又稱邏輯主義(Logicism)、心理學(xué)派(Psy-chlogism)或計(jì)算機(jī)學(xué)派(Computerism),其原理主要為物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理,長期以來,一直在人工智能中處于主導(dǎo)地位。符號(hào)主義學(xué)派認(rèn)為人工智能源于數(shù)理邏輯。符號(hào)主義致力于用計(jì)算機(jī)的符號(hào)操作來模擬人的認(rèn)知過程,其實(shí)質(zhì)就是模擬人的左腦抽象邏輯思維,通過研究人類認(rèn)知系統(tǒng)的功能機(jī)理,用某種符號(hào)來描述人類的認(rèn)知過程,并把這種符號(hào)輸入到能處理符號(hào)的計(jì)算機(jī)中,從而模擬人類的認(rèn)知過程,實(shí)現(xiàn)人工智能。9.1.3人工智能三大學(xué)派

2.聯(lián)結(jié)主義聯(lián)結(jié)主義(Connectionism)又稱仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism),是一種基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法的智能模擬方法。其原理主要為神經(jīng)網(wǎng)絡(luò)和網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法。這一學(xué)派認(rèn)為人工智能源于仿生學(xué),特別是人腦模型的研究。聯(lián)結(jié)主義學(xué)派從神經(jīng)生理學(xué)和認(rèn)知科學(xué)的研究成果出發(fā),把人的智能歸結(jié)為人腦的高層活動(dòng)的結(jié)果,強(qiáng)調(diào)智能活動(dòng)是由大量簡單的單元通過復(fù)雜的相互連接后并行運(yùn)行的結(jié)果。9.1.3人工智能三大學(xué)派

3.行為主義行為主義又稱進(jìn)化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism),是一種基于“感知—行動(dòng)”的行為智能模擬方法。早期的研究工作重點(diǎn)是模擬人在控制過程中的智能行為和作用,對(duì)自尋優(yōu)、自適應(yīng)、自校正、自鎮(zhèn)定、自組織和自學(xué)習(xí)等控制論系統(tǒng)的研究,并進(jìn)行“控制動(dòng)物”的研制。到20世紀(jì)60~70年代,上述這些控制論系統(tǒng)的研究取得一定進(jìn)展,播下智能控制和智能機(jī)器人的種子,并在20世紀(jì)80年代誕生了智能控制和智能機(jī)器人系統(tǒng)。9.1.3人工智能三大學(xué)派

3.行為主義行為主義是20世紀(jì)末才以人工智能新學(xué)派的面孔出現(xiàn)的,引起許多人的興趣。這一學(xué)派的代表作者首推布魯克斯(Brooks)的六足行走機(jī)器人,它被看作是新一代的“控制論動(dòng)物”,是一個(gè)基于“感知—?jiǎng)幼鳌蹦Ｊ侥M昆蟲行為的控制系統(tǒng)。9.1.3人工智能三大學(xué)派

就解決問題而言,符號(hào)主義有從定理機(jī)器證明、歸結(jié)方法到非單調(diào)推理理論等一系列成就。而聯(lián)結(jié)主義有歸納學(xué)習(xí),行為主義有反饋控制模式及廣義遺傳算法等解題方法。它們在人工智能的發(fā)展中始終保持著一種經(jīng)驗(yàn)積累及實(shí)踐選擇的證偽狀態(tài)9.1.4人工智能的發(fā)展歷史1.起源期(20世紀(jì)50年代)人工智能的概念最早可以追溯到古希臘哲學(xué)家亞里士多德和中國古代哲學(xué)家墨子，他們探討過關(guān)于人造機(jī)器和智能的可能性，但真正意義上的人工智能起源于20世紀(jì)。1950年，英國數(shù)學(xué)家阿蘭·圖靈（AlanTuring）提出了著名的“圖靈測試”，即通過判斷一個(gè)機(jī)器是否能夠展現(xiàn)出與人類不可區(qū)分的智能行為來定義人工智能。這個(gè)時(shí)期標(biāo)志性的成果之一是1956年的達(dá)特茅斯會(huì)議，麥卡錫首次提出了“人工智能”這一術(shù)語。另一個(gè)標(biāo)志性成果是符號(hào)主義與邏輯推理。9.1.4人工智能的發(fā)展歷史2.起步期(20世紀(jì)60年代)20世紀(jì)60年代，人工智能開始從理論走向?qū)嵺`。研究人員開始關(guān)注如何讓計(jì)算機(jī)自己學(xué)習(xí)，并嘗試使用自然語言處理技術(shù)來讓計(jì)算機(jī)理解人類語言。這個(gè)時(shí)期標(biāo)志性的成果之一是自然語言處理。另一個(gè)標(biāo)志性成果是專家系統(tǒng)。第三個(gè)標(biāo)志性成果是感知機(jī)與神經(jīng)網(wǎng)絡(luò)。9.1.4人工智能的發(fā)展歷史

3.暗淡期(20世紀(jì)70年代至80年代)20世紀(jì)60年代人工智能的快速發(fā)展大大提升了人們對(duì)人工智能的期望，很多研究者開始過于樂觀，提出了一些不切實(shí)際的研發(fā)目標(biāo)。20世紀(jì)70年代，人工智能研究遇到了瓶頸。由于技術(shù)限制和過高的期望，人工智能研究陷入低谷。這一時(shí)期被稱為“人工智能的寒冬”。盡管如此，這個(gè)時(shí)期的挑戰(zhàn)也為后來的突破奠定了基礎(chǔ)。9.1.4人工智能的發(fā)展歷史

4.復(fù)蘇期(20世紀(jì)80年代至21世紀(jì)初)20世紀(jì)80年代，人工智能進(jìn)入第二次發(fā)展高潮。隨著計(jì)算機(jī)技術(shù)的進(jìn)步和數(shù)據(jù)的積累，機(jī)器學(xué)習(xí)的概念開始流行，神經(jīng)網(wǎng)絡(luò)的研究也重新獲得了關(guān)注。這個(gè)時(shí)期出現(xiàn)了很多經(jīng)典的人工智能程序和算法。人工智能技術(shù)開始從實(shí)驗(yàn)室走向市場，許多公司開始投資于人工智能產(chǎn)品和服務(wù)。這一時(shí)期標(biāo)志性的成果之一就是機(jī)器學(xué)習(xí)的興起。另一個(gè)標(biāo)志性成果是神經(jīng)網(wǎng)絡(luò)研究的逐漸復(fù)蘇。9.1.4人工智能的發(fā)展歷史

5.加速期(21世紀(jì)初至2020年)20世紀(jì)90年代，互聯(lián)網(wǎng)的普及為人工智能研究提供了豐富的數(shù)據(jù)資源。大數(shù)據(jù)技術(shù)的發(fā)展，使得計(jì)算機(jī)可以處理和分析海量數(shù)據(jù)，為人工智能研究提供了新的機(jī)遇。這一時(shí)期標(biāo)志性的成果之一就是深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)。另一個(gè)標(biāo)志性成果是人工智能應(yīng)用領(lǐng)域的拓展。近年來，人工智能技術(shù)在各個(gè)領(lǐng)域的應(yīng)用不斷拓展。自動(dòng)駕駛、智能家居、智能醫(yī)療、金融科技等新興領(lǐng)域紛紛涌現(xiàn)，人工智能逐漸成為推動(dòng)社會(huì)進(jìn)步的重要力量。9.1.4人工智能的發(fā)展歷史

6.爆發(fā)期(2020年至今)隨著計(jì)算能力的飛速提升和數(shù)據(jù)集的大規(guī)模增長，人工智能領(lǐng)域迎來了一個(gè)前所未有的爆發(fā)期。在這一時(shí)期，大模型的概念開始引領(lǐng)AI的發(fā)展，它們憑借龐大的參數(shù)數(shù)量和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，在多個(gè)領(lǐng)域取得了突破性的進(jìn)展。這一時(shí)期標(biāo)志性的成果之一是大模型的興起。大模型的出現(xiàn)不僅推動(dòng)了技術(shù)的進(jìn)步，也帶來了新的挑戰(zhàn)和機(jī)遇。另一個(gè)標(biāo)志性成果是預(yù)訓(xùn)練和微調(diào)。第三個(gè)標(biāo)志性成果是多模態(tài)學(xué)習(xí)。多模態(tài)（Multimodality）是指在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域中，模型能夠處理和理解多種不同類型的數(shù)據(jù)輸入（如文本、圖像、聲音等）的能力。9.1.5各國人工智能的發(fā)展計(jì)劃1.美國美國對(duì)人工智能的研究一直處于世界最前沿,一方面得益于聯(lián)邦研究基金的支持,另一方面得到了政府的高度重視。對(duì)人工智能領(lǐng)域,美國政府采取輕干預(yù)、重投資政策。美國重點(diǎn)布局互聯(lián)網(wǎng)、芯片與操作系統(tǒng)等計(jì)算機(jī)軟硬件、金融領(lǐng)域、軍事以及能源等領(lǐng)域，目的是為保持其全球的技術(shù)領(lǐng)先地位。美國在整體的人工智能規(guī)劃中，力圖探討人工智能驅(qū)動(dòng)的自動(dòng)化對(duì)經(jīng)濟(jì)的預(yù)期影響，研究人工智能給社會(huì)就業(yè)帶來的機(jī)遇和挑戰(zhàn)，進(jìn)而提出相應(yīng)計(jì)劃與措施應(yīng)對(duì)相關(guān)影響。9.1.5各國人工智能的發(fā)展計(jì)劃2.歐盟歐盟是科技創(chuàng)新的傳統(tǒng)重鎮(zhèn),作為擁有歐洲27個(gè)成員國的大聯(lián)盟,近年來也積極謀劃人工智能發(fā)展藍(lán)圖。歐盟在AI政策上主要注重倫理和隱私保護(hù)，正在開發(fā)的歐盟人工智能法案體現(xiàn)了這一點(diǎn)。歐盟試圖通過更加友好的創(chuàng)新監(jiān)管體系和更加積極的國家AI戰(zhàn)略，來改變其在AI競爭中相對(duì)落后的局面，歐盟正努力通過改革提升其在AI領(lǐng)域的競爭力。相對(duì)于美國主張技術(shù)發(fā)展的戰(zhàn)略而言，歐盟更加注重人工智能對(duì)人類社會(huì)的影響，其研究內(nèi)容涉及數(shù)據(jù)保護(hù)、網(wǎng)絡(luò)安全、人工智能倫理等社會(huì)科學(xué)方面，目前也投入了大量精力與資金開展數(shù)字技術(shù)培訓(xùn)和電子政務(wù)相關(guān)研究?？傮w而言，在技術(shù)和產(chǎn)業(yè)不占特別優(yōu)勢的情況下，歐盟人工智能戰(zhàn)略更加注重倫理和法律框架的建立。9.1.5各國人工智能的發(fā)展計(jì)劃3.日本日本政府和企業(yè)界非常重視人工智能的發(fā)展,不僅將物聯(lián)網(wǎng)、人工智能和機(jī)器人作為第四次產(chǎn)業(yè)革命的核心,還在國家層面建立了相對(duì)完整的研發(fā)促進(jìn)機(jī)制。日本政府將人工智能視為國家戰(zhàn)略，將2017年確定為日本人工智能元年，并通過大力發(fā)展人工智能，保持并擴(kuò)大其在汽車、機(jī)器人等領(lǐng)域的技術(shù)優(yōu)勢，通過人工智能技術(shù)逐步解決人口老齡化、勞動(dòng)力短缺、醫(yī)療及養(yǎng)老等社會(huì)問題。9.1.5各國人工智能的發(fā)展計(jì)劃4.其他國家其他國家如韓國、加拿大、澳大利亞等也在積極布局人工智能領(lǐng)域。這些國家通常結(jié)合自身產(chǎn)業(yè)特點(diǎn)，制定相應(yīng)的人工智能政策，如韓國強(qiáng)調(diào)在半導(dǎo)體和電子領(lǐng)域的人工智能應(yīng)用，加拿大則側(cè)重于人工智能在醫(yī)療和金融服務(wù)領(lǐng)域的創(chuàng)新。9.1.5各國人工智能的發(fā)展計(jì)劃5.中國作為全球第二大經(jīng)濟(jì)體,我國政府高度重視人工智能的技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展,人工智能已上升為國家戰(zhàn)略,在各國緊鑼密鼓地制定人工智能發(fā)展戰(zhàn)略的時(shí)刻,中國已向世人宣告了引領(lǐng)全球AI理論、技術(shù)和應(yīng)用的雄心。我國政府在人工智能領(lǐng)域一直采取著積極推動(dòng)的策略，2016年就明確提出人工智能作為發(fā)展新一代信息技術(shù)的主要方向，并在2017年國務(wù)院頒布的《新一代人工智能發(fā)展規(guī)劃》提出到2030年成為世界主要人工智能創(chuàng)新中心的目標(biāo)。9.1.5各國人工智能的發(fā)展計(jì)劃5.中國2024年的政府工作報(bào)告中提出"人工智能+"行動(dòng)，則標(biāo)志著對(duì)未來科技發(fā)展趨勢的深刻洞察以及對(duì)國家戰(zhàn)略布局的前瞻性規(guī)劃。"人工智能+"不僅是對(duì)人工智能技術(shù)發(fā)展的一個(gè)強(qiáng)調(diào)，更是一個(gè)全面推進(jìn)科技與經(jīng)濟(jì)深度融合的行動(dòng)計(jì)劃，旨在通過科技創(chuàng)新引領(lǐng)產(chǎn)業(yè)升級(jí)，推動(dòng)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化，加速構(gòu)建現(xiàn)代化經(jīng)濟(jì)體系。相較而言，我國在推動(dòng)AI治理方面采取了更加前瞻性和制約性的法律法規(guī)。例如，我國對(duì)最近非?；馃岬纳墒紸I技術(shù)的發(fā)展施加了限制，但同時(shí)也批準(zhǔn)了主要科技公司繼續(xù)部署其會(huì)話AI服務(wù)，顯示了在新的倫理框架內(nèi)促進(jìn)增長的意圖。這也體現(xiàn)了我國政府平衡發(fā)展與安全、促進(jìn)公平與共享的理念。9.1.6人工智能產(chǎn)業(yè)鏈人工智能產(chǎn)業(yè)鏈結(jié)構(gòu)分為基礎(chǔ)層(計(jì)算基礎(chǔ)設(shè)施)、技術(shù)層(軟件算法及平臺(tái))與應(yīng)用層(行業(yè)應(yīng)用及產(chǎn)品)。9.1.6人工智能產(chǎn)業(yè)鏈1.基礎(chǔ)層基礎(chǔ)層是人工智能產(chǎn)業(yè)的基礎(chǔ),主要是研發(fā)硬件及軟件,如AI芯片、數(shù)據(jù)資源、云計(jì)算平臺(tái)等,為人工智能提供數(shù)據(jù)及算力支撐。主要包括計(jì)算硬件(AI芯片)、計(jì)算系統(tǒng)技術(shù)(大數(shù)據(jù)、云計(jì)算和5G通信)和數(shù)據(jù)(數(shù)據(jù)采集、標(biāo)注和分析)。9.1.6人工智能產(chǎn)業(yè)鏈1.基礎(chǔ)層AI芯片也稱為AI加速器或計(jì)算卡,即專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊(其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)),AI芯片主要分為GPU、DSP、FPGA、ASIC以及類腦芯片等。作為AI產(chǎn)業(yè)的核心硬件,目前AI芯片創(chuàng)新頻繁,支撐云側(cè)、端側(cè)AI計(jì)算的需求,帶動(dòng)AI計(jì)算產(chǎn)業(yè)快速發(fā)展,尤其是云端深度學(xué)習(xí)計(jì)算平臺(tái)的需求正在快速釋放。9.1.6人工智能產(chǎn)業(yè)鏈2.技術(shù)層技術(shù)層是人工智能產(chǎn)業(yè)的核心,以模擬人的智能相關(guān)特征為出發(fā)點(diǎn),研究各類感知技術(shù)與深度學(xué)習(xí)技術(shù),并構(gòu)建技術(shù)路徑,即基于研究成果實(shí)現(xiàn)人工智能的商業(yè)化構(gòu)建。應(yīng)用層主要包括算法理論(機(jī)器學(xué)習(xí))、開發(fā)平臺(tái)(基礎(chǔ)開源框架、技術(shù)開放平臺(tái))和應(yīng)用技術(shù)(計(jì)算機(jī)視覺、機(jī)器視覺、智能語音、自然語音理解),如圖9-2所示。9.1.6人工智能產(chǎn)業(yè)鏈3.應(yīng)用層應(yīng)用層是人工智能產(chǎn)業(yè)的延伸,集成一類或多類人工智能基礎(chǔ)應(yīng)用技術(shù),面向特定應(yīng)用場景需求而形成軟硬件產(chǎn)品或解決方案,應(yīng)用層主要包括行業(yè)應(yīng)用和產(chǎn)品應(yīng)用(智能汽車、機(jī)器人、智能家居、可穿戴設(shè)備等)兩大類,如圖9-3所示。9.2人工智能主要應(yīng)用技術(shù)

9.2.1計(jì)算機(jī)視覺9.2.2智能語音9.2.3自然語言處理及應(yīng)用9.2.4智能機(jī)器人9.2.1計(jì)算機(jī)視覺1.計(jì)算機(jī)視覺的概念計(jì)算機(jī)視覺(ComputerVision)是一門研究如何使機(jī)器“看”的科學(xué),屬于人工智能中的視覺感知智能范疇。參照人類的視覺系統(tǒng),攝像機(jī)等成像設(shè)備是機(jī)器的“眼睛”,計(jì)算機(jī)視覺的作用就是要模擬人的大腦的視覺能力。從工程應(yīng)用的角度來看,計(jì)算機(jī)視覺就是將從成像設(shè)備中獲得的圖像或者視頻進(jìn)行處理、分析和理解。由于人類獲取的信息83%來自視覺,因此在計(jì)算機(jī)視覺上的理論研究與應(yīng)用也成為人工智能最熱門的方向之一。計(jì)算機(jī)視覺主要是研究圖像分類、語義分割、實(shí)例分割、目標(biāo)檢測、目標(biāo)跟蹤等技術(shù)。機(jī)器視覺也屬于計(jì)算機(jī)視覺的范疇,機(jī)器視覺更多地應(yīng)用在工業(yè)領(lǐng)域。9.2.1計(jì)算機(jī)視覺2.計(jì)算機(jī)視覺核心技術(shù)計(jì)算機(jī)視覺的基礎(chǔ)研究包括圖像分類、目標(biāo)定位與跟蹤、目標(biāo)檢測、圖像語義分割四大核心技術(shù)。(1)圖像分類圖像分類主要是基于圖像的內(nèi)容對(duì)圖像進(jìn)行標(biāo)記,通常會(huì)有一組固定的標(biāo)簽,計(jì)算機(jī)視覺模型預(yù)測出最適合圖像的標(biāo)簽。圖像分類是計(jì)算機(jī)視覺中重要的基礎(chǔ)問題,是物體檢測、圖像分割、物體跟蹤、行為分析、人臉識(shí)別等其他高層視覺任務(wù)的基礎(chǔ)。9.2.1計(jì)算機(jī)視覺2.計(jì)算機(jī)視覺核心技術(shù)(2)目標(biāo)定位與跟蹤圖像分類解決了是什么(What)的問題,如果還想知道圖像中的目標(biāo)具體在圖像的什么位置(Where),就需要用到目標(biāo)定位技術(shù)。目標(biāo)跟蹤是指在給定場景中跟蹤感興趣的具體對(duì)象或多個(gè)對(duì)象的過程。9.2.1計(jì)算機(jī)視覺2.計(jì)算機(jī)視覺核心技術(shù)(3)目標(biāo)檢測目標(biāo)檢測指的是用算法判斷圖片中是否包含有特定目標(biāo),并且在圖片中標(biāo)記出它的位置,通常用邊框或紅色方框把目標(biāo)圈起來。對(duì)于人類來說,目標(biāo)檢測是一個(gè)非常簡單的任務(wù)。然而,計(jì)算機(jī)“看到”的圖像只是被編碼之后的數(shù)字矩陣,很難理解圖像或者視頻幀中出現(xiàn)了人或者物體這樣的高層語義概念,因此很難定位目標(biāo)出現(xiàn)在圖像中的哪個(gè)區(qū)域。與此同時(shí),目標(biāo)的形態(tài)千變?nèi)f化,圖像或視頻幀的背景也千差萬別,這樣諸多的因素都使得目標(biāo)檢測對(duì)計(jì)算機(jī)來說是一個(gè)具有挑戰(zhàn)性的問題。9.2.1計(jì)算機(jī)視覺2.計(jì)算機(jī)視覺核心技術(shù)(4)圖像語義分割圖像語義是指對(duì)圖像內(nèi)容的理解,例如能夠描繪出什么物體在哪里做了什么事情等;而分割是指對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行標(biāo)注,標(biāo)注屬于哪一類別。圖像語義分割,顧名思義,是將圖像像素按照表達(dá)的語義含義的不同進(jìn)行分組/分割。圖像語義分割技術(shù)近年來在無人駕駛技術(shù)的分割街景中得到了很好的應(yīng)用,用以實(shí)現(xiàn)避讓行人和車輛。9.2.1計(jì)算機(jī)視覺3.計(jì)算機(jī)視覺的應(yīng)用(1)OCR及其應(yīng)用OCR識(shí)別不僅可以用于印刷文字、票據(jù)、身份證、銀行卡等代替用戶輸入的場景,還能用于反作弊、街景標(biāo)注、視頻字幕識(shí)別、新聞標(biāo)題識(shí)別等多種場景。目前,百度、阿里、科大訊飛、華為等人工智能開放平臺(tái)都提供了OCR文字識(shí)別服務(wù)。9.2.1計(jì)算機(jī)視覺3.計(jì)算機(jī)視覺的應(yīng)用(2)圖像識(shí)別的應(yīng)用圖像識(shí)別的技術(shù)可以應(yīng)用在圖像猜詞、識(shí)別植物、相冊整理、鑒黃等領(lǐng)域。在圖像識(shí)別應(yīng)用的分類上,可以將圖像識(shí)別的應(yīng)用劃分為圖像分類、圖像檢測、圖像分割、圖像問答等領(lǐng)域。其中圖像識(shí)別應(yīng)用是讓計(jì)算機(jī)代替人類說明圖像的類別;圖像檢測應(yīng)用讓計(jì)算機(jī)可以識(shí)別圖片里的主體,并能定位主體的位置;圖像分割應(yīng)用是可以使計(jì)算機(jī)能識(shí)別某一個(gè)像素點(diǎn)屬于哪個(gè)語義區(qū)域;而圖像問答的應(yīng)用則是指對(duì)圖片提問,計(jì)算機(jī)能識(shí)別圖片中的內(nèi)容和顏色等主題。9.2.1計(jì)算機(jī)視覺3.計(jì)算機(jī)視覺的應(yīng)用(3)人臉識(shí)別及應(yīng)用人臉檢測也屬于圖像檢測,它是對(duì)圖片中的人臉進(jìn)行定位,其核心技術(shù)包括:人臉關(guān)鍵點(diǎn)檢測及活體驗(yàn)證、人臉語義分割、人臉屬性分析和人臉識(shí)別。人臉識(shí)別可以歸為以下4類。①人證對(duì)比:人證對(duì)比是把人臉圖像和身份證上的人臉信息進(jìn)行對(duì)比,來驗(yàn)證是否為本人,如金融核身、考勤認(rèn)證、安檢核身、考試驗(yàn)證等。②人臉識(shí)別:通過對(duì)人臉關(guān)鍵點(diǎn)的檢測,做到快速準(zhǔn)確地驗(yàn)證識(shí)別,身份驗(yàn)證可以做到準(zhǔn)確無誤,如人臉閘機(jī)、安防監(jiān)控等。9.2.1計(jì)算機(jī)視覺3.計(jì)算機(jī)視覺的應(yīng)用(3)人臉識(shí)別及應(yīng)用③人臉驗(yàn)證:在系統(tǒng)登錄,支付確認(rèn)等場景,人臉驗(yàn)證比傳統(tǒng)的輸入密碼方式更安全可靠,如人臉登錄、密碼找回、刷臉支付等。④人臉編輯:通過人臉美化和貼紙產(chǎn)品,能把人臉五官的關(guān)鍵點(diǎn)檢測出來,然后進(jìn)行瘦臉、放大眼睛、美白皮膚等。9.2.1計(jì)算機(jī)視覺3.計(jì)算機(jī)視覺的應(yīng)用(4)人體及人體行為的分析及應(yīng)用人體行為分析是指通過分析圖像或視頻的內(nèi)容,達(dá)到對(duì)人體行為進(jìn)行檢測和識(shí)別的目的。人體行為分析在多個(gè)領(lǐng)域都有重要應(yīng)用,如智能視頻監(jiān)控、人機(jī)交互、基于內(nèi)容的視頻檢索等。根據(jù)發(fā)生一個(gè)行為需要的人的數(shù)量,人體行為分析任務(wù)可以分類為單人行為分析、多人交互行為分析、群體行為分析等。根據(jù)行為分析的應(yīng)用場合和目的的不同,人體行為分析又包括行為分類和行為檢測兩大類。行為分類是指將視頻或圖片歸入某些類別;行為檢測是指檢索分析是否發(fā)生了某種特定動(dòng)作。9.2.2智能語音智能語音,即智能語音技術(shù),是實(shí)現(xiàn)人機(jī)語言的通信,包括語音識(shí)別技術(shù)和語音合成技術(shù),它是研究語音發(fā)聲過程、語音信號(hào)的統(tǒng)計(jì)特性、語音的自動(dòng)識(shí)別、機(jī)器合成及語音感知等各種處理技術(shù)的總稱。目前,智能語音技術(shù)已經(jīng)在多個(gè)行業(yè)取得了良好的應(yīng)用,包括電話外呼、醫(yī)療領(lǐng)域聽寫、語音書寫、計(jì)算機(jī)系統(tǒng)聲控、電話客服、導(dǎo)航等。9.2.2智能語音1.語音識(shí)別的概念語音識(shí)別是實(shí)現(xiàn)語音自動(dòng)控制的基礎(chǔ),是利用計(jì)算機(jī)自動(dòng)對(duì)語音信號(hào)的音素、音節(jié)或詞進(jìn)行識(shí)別的技術(shù)總稱。語音識(shí)別過程一般包含特征提取、聲學(xué)模型、語言模型、語音解碼和搜索算法四大部分。①特征提取是把要分析的信號(hào)從原始信號(hào)中提取出來,為聲學(xué)模型提供合適的特征向量。②聲學(xué)模型是可以識(shí)別單個(gè)音素的模型,利用聲學(xué)模型可以進(jìn)行語音聲學(xué)參數(shù)分析,以及對(duì)語音的線性預(yù)測參數(shù)等的分析。9.2.2智能語音1.語音識(shí)別的概念③語言模型根據(jù)語言學(xué)相關(guān)的理論,結(jié)合發(fā)音詞典,計(jì)算該聲音信號(hào)對(duì)應(yīng)可能詞組序列的概率。聲學(xué)模型和語言模型主要利用大量語料進(jìn)行統(tǒng)計(jì)分析,進(jìn)而建模得到。發(fā)音字典包含系統(tǒng)所能處理的單詞的集合,并標(biāo)明了其發(fā)音。通過發(fā)音字典得到聲學(xué)模型的建模單元和語言模型建模單元間的映射關(guān)系,從而把聲學(xué)模型和語言模型連接起來,組成一個(gè)搜索的狀態(tài)空間,用于解碼器進(jìn)行解碼工作。9.2.2智能語音1.語音識(shí)別的概念④語音解碼和搜索算法的主要任務(wù)是在由聲學(xué)模型、發(fā)音詞典和語言模型構(gòu)成的搜索空間中尋找最佳路徑,即構(gòu)成該聲音的詞組序列。與語音識(shí)別相近的概念是聲紋識(shí)別。聲紋識(shí)別是生物識(shí)別技術(shù)的一種,也稱為說話人識(shí)別。聲紋識(shí)別就是把聲信號(hào)轉(zhuǎn)換成電信號(hào),再用計(jì)算機(jī)進(jìn)行識(shí)別。聲紋識(shí)別分為兩類:一個(gè)是說話人辨認(rèn);另一個(gè)是說話人確認(rèn)。前者用以判斷某段語音是若干人中的哪一個(gè)所說的,是“多選一”問題;而后者用以確認(rèn)某段語音是否是指定的某個(gè)人所說的,是“一對(duì)一判別”問題。在不同的應(yīng)用場景下會(huì)使用不同的聲紋識(shí)別技術(shù),如縮小刑偵范圍時(shí)可能需要辨認(rèn)技術(shù),而銀行交易時(shí)則需要確認(rèn)技術(shù)。9.2.2智能語音2.語音合成的概念語音合成,又稱文語轉(zhuǎn)換技術(shù),是通過機(jī)械的、電子的方法產(chǎn)生人造語音的技術(shù),能將任意文字信息實(shí)時(shí)轉(zhuǎn)化為標(biāo)準(zhǔn)流暢的語音朗讀出來。在語音合成過程中,總共有三個(gè)步驟：①語言處理。在文語轉(zhuǎn)換系統(tǒng)中起著重要的作用,主要模擬人對(duì)自然語言的理解過程,包括文本規(guī)整、詞的切分、語法分析和語義分析,使計(jì)算機(jī)對(duì)輸入的文本能完全理解,并給出后兩部分所需要的各種發(fā)音提示。②韻律處理。為合成語音規(guī)劃出音段特征,如音高、音長和音強(qiáng)等,使合成語音能正確表達(dá)語意,聽起來更加自然。③聲學(xué)處理,根據(jù)前兩部分處理結(jié)果的要求輸出語音,即合成語音。9.2.2智能語音3.語音處理的應(yīng)用(1)語音識(shí)別的應(yīng)用語音識(shí)別已經(jīng)取得了廣泛的應(yīng)用,按照識(shí)別范圍或領(lǐng)域來劃分,可以分為封閉域識(shí)別應(yīng)用和開放域識(shí)別應(yīng)用。在封閉域識(shí)別應(yīng)用中,識(shí)別范圍為預(yù)先指定的字詞集合。其典型的應(yīng)用場景為不涉及多輪交互和多種語義說法的場景,如智能家居等。在開放域識(shí)別應(yīng)用中,無須預(yù)先指定識(shí)別詞集合,算法將在整個(gè)語言大集合范圍中進(jìn)行識(shí)別。為適應(yīng)此類場景,聲學(xué)模型和語音模型一般都比較大,引擎運(yùn)算量相應(yīng)也會(huì)很大。9.2.2智能語音3.語音處理的應(yīng)用(2)語音合成的應(yīng)用語音合成廣泛應(yīng)用于語音導(dǎo)航、有聲讀物、機(jī)器人、語音助手、自動(dòng)新聞播報(bào)等場景,如當(dāng)前的手機(jī)上電子閱讀App,汽車導(dǎo)航播報(bào)類的App,銀行、醫(yī)院的信息播報(bào)系統(tǒng),汽車導(dǎo)航系統(tǒng)及自動(dòng)應(yīng)答呼叫中心等。一些智能服務(wù)類產(chǎn)品,如智能語音機(jī)器人、智能音響應(yīng)用等。還有一些特殊領(lǐng)域應(yīng)用,如適用于視障人士的視障閱讀功能;針對(duì)文娛領(lǐng)域的特殊虛擬人設(shè)而打造的特殊語音形象或用于特殊人設(shè)的語音表達(dá)。語音合成的應(yīng)用提升了人機(jī)交互體驗(yàn),提高了語音類應(yīng)用的效率。9.2.3自然語言處理及應(yīng)用1.自然語言處理的概念自然語言處理是指用計(jì)算機(jī)對(duì)自然語言的形、音、義等信息進(jìn)行處理,即對(duì)字、詞、句、篇章的輸入、輸出、識(shí)別、分析、理解、生成等的操作和加工。自然語言處理是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向,它研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法。自然語言處理是一門融語言學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)于一體的科學(xué),它并不是一般地研究自然語言,而是重點(diǎn)關(guān)注于能有效地實(shí)現(xiàn)自然語言通信的計(jì)算機(jī)系統(tǒng),因而它是計(jì)算機(jī)科學(xué)的一部分。自然語言處理大體包括了自然語言理解和自然語言生成兩部分。9.2.3自然語言處理及應(yīng)用2.自然語言處理的一般流程在自然語言處理時(shí),通常有7個(gè)步驟,分別是獲取語料、語料預(yù)處理、特征工程、特征選擇、模型選擇、模型訓(xùn)練和模型評(píng)估。①獲取語料。語料即語言材料,是構(gòu)成語料庫的基本單元。把一個(gè)文本集合稱為語料庫,當(dāng)有幾個(gè)這樣的文本集合的時(shí)候,稱為語料庫集合。9.2.3自然語言處理及應(yīng)用2.自然語言處理的一般流程②語料預(yù)處理?？赏ㄟ^數(shù)據(jù)洗清、分詞、詞性標(biāo)注、去停用詞四個(gè)方面來完成語料的預(yù)處理工作。所謂數(shù)據(jù)清洗就是保留有用的數(shù)據(jù),刪除噪聲數(shù)據(jù);而分詞操作是將文本分成詞語。進(jìn)行文本挖掘分析時(shí),通常希望文本處理的最小單位粒度是詞或者詞語,所以這時(shí)就需要分詞操作來將文本全部切分成詞語;詞性標(biāo)注就是給詞語標(biāo)上詞類標(biāo)簽,比如名詞、動(dòng)詞、形容詞等;去停用詞是指去掉對(duì)文本特征沒有任何貢獻(xiàn)作用的字詞,比如標(biāo)點(diǎn)符號(hào)、語氣、人稱等。9.2.3自然語言處理及應(yīng)用2.自然語言處理的一般流程③特征工程。做完語料預(yù)處理之后,接下來需要考慮如何把分詞之后的字和詞語表示成計(jì)算機(jī)能夠計(jì)算的類型。④特征選擇。在一個(gè)實(shí)際問題中,構(gòu)造好的特征向量,是要選擇合適的、表達(dá)能力強(qiáng)的特征。特征選擇更多地依賴于經(jīng)驗(yàn)和專業(yè)知識(shí),并且有很多現(xiàn)成的算法來進(jìn)行特征的選擇。⑤模型選擇。選擇好特征后,需要進(jìn)行模型選擇,即選擇怎樣的模型進(jìn)行訓(xùn)練。常用的模型有機(jī)器學(xué)習(xí)模型,也可以采用深度學(xué)習(xí)模型(關(guān)于機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的概念在9.3中介紹)9.2.3自然語言處理及應(yīng)用2.自然語言處理的一般流程⑥模型訓(xùn)練。當(dāng)選擇好模型后,則進(jìn)行模型訓(xùn)練。在模型訓(xùn)練的過程中要注意過擬合、欠擬合問題,不斷提高模型的泛化能力。所謂過擬合問題指的是模型學(xué)習(xí)能力太強(qiáng),以至于把噪聲數(shù)據(jù)的特征也學(xué)習(xí)到了,導(dǎo)致模型泛化能力下降;而欠擬合問題指的是模型不能夠很好地?cái)M合數(shù)據(jù),表現(xiàn)在模型過于簡單。如果使用了神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,要防止出現(xiàn)梯度消失和梯度爆炸問題。⑦模型評(píng)估。為了讓訓(xùn)練好的模型對(duì)語料具備較好的泛化能力,在模型上線之前還要進(jìn)行必要的評(píng)估。模型的評(píng)價(jià)指標(biāo)主要有錯(cuò)誤率、精準(zhǔn)度、準(zhǔn)確率、召回率、F1值、ROC曲線、AUC曲線等。9.2.3自然語言處理及應(yīng)用3.自然語言處理中的難點(diǎn)造成困難的根本原因是,自然語言文本和對(duì)話的各個(gè)層次上廣泛存在各種各樣的歧義性或多義性。9.2.3自然語言處理及應(yīng)用4.自然語言處理的應(yīng)用(1)機(jī)器翻譯運(yùn)用機(jī)器,通過特定的計(jì)算機(jī)程序?qū)⒁环N書寫形式或聲音形式的自然語言,翻譯成另一種書寫形式或聲音形式的自然語言。目前,文本翻譯最為主流的工作方式依然是以傳統(tǒng)的統(tǒng)計(jì)機(jī)器翻譯和神經(jīng)網(wǎng)絡(luò)翻譯為主,速度快、成本低、應(yīng)用廣泛是文本翻譯的主要特點(diǎn)。語音翻譯它主要在會(huì)議場景出現(xiàn),演講者的語音被實(shí)時(shí)轉(zhuǎn)換成文本,并且進(jìn)行同步翻譯,低延遲顯示翻譯結(jié)果,其有望在將來能夠取代人工同聲傳譯,使人們以較低成本實(shí)現(xiàn)不同語言之間的有效交流。9.2.3自然語言處理及應(yīng)用4.自然語言處理的應(yīng)用(2)垃圾郵件分類垃圾郵件過濾器是抵御垃圾郵件的第一道防線。自然語言處理通過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,它通過學(xué)習(xí)大量的垃圾郵件和非垃圾郵件,收集郵件中的特征詞以生成垃圾詞庫和非垃圾詞庫,然后根據(jù)這些詞庫的統(tǒng)計(jì)頻數(shù)計(jì)算郵件屬于垃圾郵件的概率,以此來進(jìn)行判定。9.2.3自然語言處理及應(yīng)用4.自然語言處理的應(yīng)用(3)信息抽取在互聯(lián)網(wǎng)中,同一主題的信息通常分散存放在不同網(wǎng)站上,表現(xiàn)的形式也各不相同。利用信息抽取技術(shù),可以從大量的文檔中抽取需要的特定事實(shí),并用結(jié)構(gòu)化形式存儲(chǔ)。一個(gè)優(yōu)秀的信息抽取系統(tǒng)可以將互聯(lián)網(wǎng)變成巨大的數(shù)據(jù)庫。(4)文本情感分析文本情感分析,又稱意見挖掘、傾向性分析等。簡單而言,是對(duì)帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過程?；ヂ?lián)網(wǎng)上會(huì)產(chǎn)生大量的用戶參與的有價(jià)值的評(píng)論信息,可以對(duì)這些主觀色彩的評(píng)論進(jìn)行文本情感分析,來了解大眾對(duì)于某事件的看法,企業(yè)也可以分析消費(fèi)者對(duì)產(chǎn)品的反饋信息等。9.2.3自然語言處理及應(yīng)用4.自然語言處理的應(yīng)用(5)智能問答智能問答系統(tǒng)以一問一答形式,精確地定位網(wǎng)站用戶所需要的提問知識(shí),通過與網(wǎng)站用戶進(jìn)行交互,為網(wǎng)站用戶提供個(gè)性化的信息服務(wù)。智能問答系統(tǒng)在回答用戶問題時(shí),首先要正確理解用戶所提出的問題,抽取其中關(guān)鍵的信息,在已有的語料庫或者知識(shí)庫中進(jìn)行檢索、匹配,將獲取的答案反饋給用戶。這一過程涉及了詞法、句法、語義分析的基礎(chǔ)技術(shù),以及信息檢索、知識(shí)工程、文本生成等多項(xiàng)技術(shù)。9.2.3自然語言處理及應(yīng)用4.自然語言處理的應(yīng)用(6)個(gè)性化推薦根據(jù)用戶的興趣特點(diǎn)和購買行為,向用戶推薦其感興趣的信息和商品等,包括網(wǎng)站的新聞推薦、購物平臺(tái)的商品推薦、直播平臺(tái)的主播推薦和知乎上的話題推薦等。9.2.4智能機(jī)器人1.智能機(jī)器人的定義智能機(jī)器人是基于人工智能技術(shù),它把計(jì)算機(jī)視覺、語音處理、自然語言處理、自動(dòng)規(guī)劃等技術(shù)及各種傳感器進(jìn)行整合,使機(jī)器人擁有判斷、決策的能力,能在各種不同的環(huán)境中處理不同的任務(wù)的裝置。智能機(jī)器人具備形形色色的內(nèi)部信息傳感器和外部信息傳感器,如視覺、聽覺、觸覺、嗅覺。除了具有傳感器,它還有效應(yīng)器,作為作用于周圍環(huán)境的手段,它們使手、腳、鼻子、觸角等動(dòng)起來。9.2.4智能機(jī)器人智能機(jī)器人至少要具備三個(gè)要素:感覺要素,運(yùn)動(dòng)要素和思考要素。(1)感覺要素———用來認(rèn)識(shí)周圍環(huán)境狀態(tài)感覺要素使智能機(jī)器人感受和認(rèn)識(shí)外界環(huán)境,進(jìn)而與外界交流的能力。感覺要素包括能感知視覺、接近、距離等的非接觸型傳感器和能感知力、壓覺、觸覺等的接觸型傳感器。(2)運(yùn)動(dòng)要素———對(duì)外界做出反應(yīng)性動(dòng)作運(yùn)動(dòng)要素使智能機(jī)器人能夠?qū)ν饨缱龀龅姆磻?yīng)性動(dòng)作,完成操作者表達(dá)的命令,主要是對(duì)人類的四肢功能的模擬。9.2.4智能機(jī)器人智能機(jī)器人至少要具備三個(gè)要素:感覺要素,運(yùn)動(dòng)要素和思考要素。(3)思考要素———根據(jù)感覺要素所得到的信息,思考出采用什么樣的動(dòng)作思考要素使智能機(jī)器人根據(jù)得到的信息,對(duì)下一步采用什么樣的動(dòng)作進(jìn)行思考。9.2.4智能機(jī)器人2.智能機(jī)器人的分類(1)按智能程度分類智能機(jī)器人根據(jù)其智能程度的不同,可分為傳感型、交互型、自主型智能機(jī)器人三類。(2)按照形態(tài)分類根據(jù)機(jī)器人的模仿的形態(tài),可以分為仿人智能機(jī)器人和擬物智能機(jī)器人。(3)按使用途徑分類根據(jù)機(jī)器人的使用途徑,可以分為:①工業(yè)生產(chǎn)型機(jī)器人。②特殊災(zāi)害型機(jī)器人。③醫(yī)療機(jī)器人。④智能人形機(jī)器人。9.2.4智能機(jī)器人3.智能機(jī)器人關(guān)鍵技術(shù)智能機(jī)器人的核心技術(shù)包括導(dǎo)航與定位、人機(jī)交互和環(huán)境交互三大類,具體可以進(jìn)一步劃分為以下6種技術(shù)。(1)多傳感器信息融合多傳感器信息融合就是指綜合來自多個(gè)傳感器的感知數(shù)據(jù),以產(chǎn)生更可靠、更準(zhǔn)確或更全面的信息。經(jīng)過融合的多傳感器系統(tǒng),能夠更加完善、精確地反映檢測對(duì)象的特性,消除信息的不確定性,提高信息的可靠性,融合后的多傳感器信息具有冗余性、互補(bǔ)性、實(shí)時(shí)性和低成本性等特性。9.2.4智能機(jī)器人3.智能機(jī)器人關(guān)鍵技術(shù)(2)導(dǎo)航與定位在機(jī)器人系統(tǒng)中,自主導(dǎo)航是一項(xiàng)核心技術(shù),是機(jī)器人研究領(lǐng)域的重點(diǎn)和難點(diǎn)問題。導(dǎo)航的基本任務(wù)有3個(gè):①基于環(huán)境理解的全局定位。通過環(huán)境中景物的理解,識(shí)別人為路標(biāo)或具體的實(shí)物,以完成對(duì)機(jī)器人的定位,為路徑規(guī)劃提供素材。②目標(biāo)識(shí)別和障礙物檢測。實(shí)時(shí)對(duì)障礙物或特定目標(biāo)進(jìn)行檢測和識(shí)別,提高控制系統(tǒng)的穩(wěn)定性。③安全保護(hù)。能對(duì)機(jī)器人工作環(huán)境中出現(xiàn)的障礙和移動(dòng)物體做出分析并避免對(duì)機(jī)器人造成損傷。9.2.4智能機(jī)器人3.智能機(jī)器人關(guān)鍵技術(shù)(3)路徑規(guī)劃路徑規(guī)劃技術(shù)是機(jī)器人研究領(lǐng)域的一個(gè)重要分支。最優(yōu)路徑規(guī)劃就是依據(jù)某個(gè)或某些優(yōu)化準(zhǔn)則(如工作代價(jià)最小、行走路線最短、行走時(shí)間最短等),在機(jī)器人工作空間中找到一條從起始狀態(tài)到目標(biāo)狀態(tài)、可以避開障礙物的最優(yōu)路徑。路徑規(guī)劃方法大致可以分為傳統(tǒng)方法和智能方法兩種。9.2.4智能機(jī)器人3.智能機(jī)器人關(guān)鍵技術(shù)(4)機(jī)器人視覺機(jī)器人視覺系統(tǒng)的工作包括圖像的獲取、圖像的處理和分析、輸出和顯示,核心任務(wù)是特征提取、圖像分割和圖像辨識(shí)。而如何精確高效地處理視覺信息是視覺系統(tǒng)的關(guān)鍵問題。目前視覺信息處理逐步細(xì)化,包括視覺信息的壓縮和濾波、環(huán)境和障礙物檢測、特定環(huán)境標(biāo)志的識(shí)別、三維信息感知與處理等。9.2.4智能機(jī)器人3.智能機(jī)器人關(guān)鍵技術(shù)(5)智能控制機(jī)器人的智能控制方法有模糊控制、神經(jīng)網(wǎng)絡(luò)控制、智能控制技術(shù)的融合等。(6)人機(jī)接口技術(shù)人機(jī)接口技術(shù)是研究如何使人方便自然地與計(jì)算機(jī)交流。為了實(shí)現(xiàn)這一目標(biāo),除了要求機(jī)器人控制器有一個(gè)友好的、靈活方便的人機(jī)界面這個(gè)最基本的目標(biāo)之外,還要求計(jì)算機(jī)能夠看懂文字、聽懂語言、說話表達(dá),甚至能夠進(jìn)行不同語言之間的翻譯,而這些功能的實(shí)現(xiàn)又依賴于知識(shí)表示方法的研究。9.2.4智能機(jī)器人4.無人駕駛汽車無人駕駛汽車又稱自動(dòng)駕駛汽車、智能駕駛汽車或輪式移動(dòng)機(jī)器人,是一種在車內(nèi)安裝以計(jì)算機(jī)系統(tǒng)為主的智能駕駛儀來實(shí)現(xiàn)無人駕駛目的的智能汽車。無人駕駛汽車依靠人工智能、視覺計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作,讓計(jì)算機(jī)可以在沒有任何人類的主動(dòng)操作下,自動(dòng)安全地操作機(jī)動(dòng)車輛。利用車載傳感器來感知車輛周圍環(huán)境,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。9.3機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

9.3.1人工神經(jīng)網(wǎng)絡(luò)9.3.2機(jī)器學(xué)習(xí)9.3.3深度學(xué)習(xí)9.3.4主流深度學(xué)習(xí)框架9.3機(jī)器學(xué)習(xí)與深度學(xué)習(xí)人工智能第三次熱潮的基本技術(shù)就是“機(jī)器學(xué)習(xí)”,給機(jī)器學(xué)習(xí)帶來進(jìn)步的是“神經(jīng)網(wǎng)絡(luò)”和“深度學(xué)習(xí)”。9.3.1人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork),則標(biāo)志著另外一種自下而上的思路。神經(jīng)網(wǎng)絡(luò)沒有一個(gè)嚴(yán)格的正式定義,它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征,即通過試圖模仿人類大腦的神經(jīng)元之間傳遞、處理信息的模式,進(jìn)行分布式并行信息處理的算法模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到處理信息的目的。9.3.1人工神經(jīng)網(wǎng)絡(luò)在介紹人工神經(jīng)網(wǎng)絡(luò)之前,先來了解一下生物神經(jīng)系統(tǒng)。在人體內(nèi),神經(jīng)元的結(jié)構(gòu)形式并非完全相同,但是無論結(jié)構(gòu)形式如何,神經(jīng)元都是由一些基本的成分組成的。神經(jīng)元的生物學(xué)解剖可以用圖9-5所示的結(jié)構(gòu)表示,從圖中可以看出神經(jīng)元是由細(xì)胞體,樹突和軸突三部分組成。9.3.1人工神經(jīng)網(wǎng)絡(luò)1943年,美國心理學(xué)家麥克洛奇和數(shù)理邏輯學(xué)家皮茨基于生物神經(jīng)元的功能和結(jié)構(gòu)提出了一種將神經(jīng)元看作二進(jìn)制閾值元器件的簡單模型-MP模型,如圖9-6所示。MP模型是大多數(shù)人工神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)。9.3.1人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)元的輸出y是其狀態(tài)μ的函數(shù),代入μ的計(jì)算公式為:其中,f稱為輸出函數(shù)(也叫激勵(lì)函數(shù)或激活函數(shù))。輸出函數(shù)可以是“二值函數(shù)”和“Sigmoid函數(shù)”等多種形式,主要作用是完成該人工神經(jīng)元的輸入和輸出之間的轉(zhuǎn)換。如果采用“二值函數(shù)”作為輸出函數(shù)f,那么只要μ>0就輸出“1”;只要μ<0就輸出“-1”。9.3.1人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)元的模型確定之后,人工神經(jīng)網(wǎng)絡(luò)可以看成是以人工神經(jīng)元為節(jié)點(diǎn),用有向加權(quán)弧連接起來的有向圖。其中,人工神經(jīng)元是對(duì)生物神經(jīng)元的模擬;有向弧是軸突-突觸-樹突對(duì)的模擬;有向弧的權(quán)值則表示相互連接的兩個(gè)人工神經(jīng)元間相互作用的強(qiáng)弱。一個(gè)簡單的人工神經(jīng)網(wǎng)絡(luò)如圖9-7所示。9.3.2機(jī)器學(xué)習(xí)1.基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的過程下面通過識(shí)別圖像例子,說明“基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的過程”。事先準(zhǔn)備幾千張狗的圖像。為了告訴神經(jīng)網(wǎng)絡(luò)“狗”就是這樣的,要給神經(jīng)網(wǎng)絡(luò)指定這些圖像,即讓神經(jīng)網(wǎng)絡(luò)讀入這些圖像,在行業(yè)術(shù)語中也稱“喂食神經(jīng)網(wǎng)絡(luò)狗的圖像”。于是,神經(jīng)網(wǎng)絡(luò)不停地對(duì)圖像進(jìn)行解析并抽取圖像的特征。隨著抽取出的特征不斷累積,就可以計(jì)算出狗的“特征向量”,這種特征和人對(duì)狗的認(rèn)識(shí)的特征一樣,最后使用這種特征向量就可以識(shí)別出圖像中是否有狗的圖像。9.3.2機(jī)器學(xué)習(xí)1.基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的過程接下來將貓的圖像“喂食”給神經(jīng)網(wǎng)絡(luò),同樣,計(jì)算機(jī)也不停地進(jìn)行圖像解析,理解貓的特征。計(jì)算機(jī)通過學(xué)習(xí),就能建立掌握了狗和貓的特征的神經(jīng)網(wǎng)絡(luò)及其算法。這樣如果再次“喂食”神經(jīng)網(wǎng)絡(luò)“狗”或“貓”的圖像并下指令讓其“分類”,它就可以識(shí)別這張圖像到底是“狗”的圖像還是“貓”的圖像。這就是基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的全過程。9.3.2機(jī)器學(xué)習(xí)1.基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的過程如果將機(jī)器學(xué)習(xí)與人類的學(xué)習(xí)成長做類似的對(duì)比,可以發(fā)現(xiàn)在機(jī)器學(xué)習(xí)中,通過對(duì)歷史的數(shù)據(jù)進(jìn)行訓(xùn)練,得到模型,對(duì)于新的數(shù)據(jù),通過模型來預(yù)測未知的屬性。因此,機(jī)器學(xué)習(xí)的“訓(xùn)練”與“預(yù)測”過程可以對(duì)應(yīng)到人類的“歸納”和“推測”過程,如圖9-9所示。9.3.2機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)的方法根據(jù)上面介紹,基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的過程就是將大量的歷史數(shù)據(jù)(訓(xùn)練數(shù)據(jù)集)喂食給神經(jīng)網(wǎng)絡(luò),通過學(xué)習(xí)得到模型,進(jìn)而用來對(duì)新的數(shù)據(jù)(測試數(shù)據(jù)集)進(jìn)行預(yù)測。根據(jù)所準(zhǔn)備的數(shù)據(jù)中有無正確答案(是否進(jìn)行了標(biāo)注),機(jī)器學(xué)習(xí)可以分為“有監(jiān)督學(xué)習(xí)”、“無監(jiān)督學(xué)習(xí)”以及“強(qiáng)化學(xué)習(xí)”。9.3.2機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)的方法(1)有監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)中最為重要的一類方法。有監(jiān)督學(xué)習(xí)就是采用給定的“輸入-輸出”訓(xùn)練出一個(gè)模型(函數(shù)),保證針對(duì)給定的輸入,模型(函數(shù))的輸出與已知輸出一致。這樣,當(dāng)新的輸入到來時(shí),便可以使用這個(gè)模型(函數(shù))來進(jìn)行預(yù)測。有監(jiān)督學(xué)習(xí)主要用來進(jìn)行預(yù)測。按照目標(biāo)的不同,預(yù)測問題又可以細(xì)分為回歸問題和分類問題。9.3.2機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)的方法(2)無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)是另外一類機(jī)器學(xué)習(xí)算法,與有監(jiān)督學(xué)習(xí)不同,它的訓(xùn)練數(shù)據(jù)是無標(biāo)簽的,常常被用于在大量無標(biāo)簽數(shù)據(jù)中發(fā)現(xiàn)一些規(guī)律。聚類算法是最典型的無監(jiān)督學(xué)習(xí)算法,聚類算法的核心是根據(jù)輸入數(shù)據(jù)(樣本)之間的相似性對(duì)輸入數(shù)據(jù)進(jìn)行歸類。無監(jiān)督學(xué)習(xí)的另外一類典型算法是數(shù)據(jù)降維,它能在盡量保持?jǐn)?shù)據(jù)內(nèi)在信息和結(jié)構(gòu)的同時(shí),將一個(gè)高維向量變換到低維空間。9.3.2機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)的方法(3)強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)是一類特殊的機(jī)器學(xué)習(xí)算法,設(shè)計(jì)靈感來自心理學(xué)中的行為主義理論。強(qiáng)化學(xué)習(xí)的學(xué)習(xí)方法與有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)均不相同。強(qiáng)化學(xué)習(xí)沒有訓(xùn)練數(shù)據(jù),也不試圖去尋找數(shù)據(jù)中的隱藏結(jié)構(gòu),而是通過不斷嘗試各個(gè)動(dòng)作產(chǎn)生的結(jié)果,總結(jié)經(jīng)驗(yàn),并從經(jīng)驗(yàn)中學(xué)習(xí)。強(qiáng)化學(xué)習(xí)算法就是根據(jù)當(dāng)前環(huán)境狀態(tài)確定一個(gè)動(dòng)作來執(zhí)行,然后進(jìn)入下一個(gè)狀態(tài),如此反復(fù),目標(biāo)是收益最大化。探索和利用是強(qiáng)化學(xué)習(xí)中非常重要的兩個(gè)概念。所謂探索就是嘗試不同的行為,看是否會(huì)獲得比之前行為更好的回報(bào);利用則是使用過去經(jīng)驗(yàn)中帶來最大回報(bào)的行為。9.3.3深度學(xué)習(xí)1.深度神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種,而機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的必經(jīng)路徑。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,含多個(gè)隱藏層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征,以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。9.3.3深度學(xué)習(xí)1958年,計(jì)算科學(xué)家Rosenblatt提出了由兩層神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò),他給它起了一個(gè)名字———感知器(Perceptron),感知器是當(dāng)時(shí)首個(gè)可以學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)。感知器是人工神經(jīng)網(wǎng)絡(luò)中的一種典型結(jié)構(gòu),它也被稱為單層的人工神經(jīng)網(wǎng)絡(luò),以區(qū)別于較復(fù)雜的多層感知器。作為一種線性分類器,感知器可以被視為一種最簡單形式的前饋式人工神經(jīng)網(wǎng)絡(luò)。9.3.3深度學(xué)習(xí)在原來MP模型的“輸入”位置添加神經(jīng)元節(jié)點(diǎn),標(biāo)志其為“輸入單元”。其余不變,于是我們就有了一個(gè)單層神經(jīng)網(wǎng)絡(luò),如圖9-10所示。9.3.3深度學(xué)習(xí)在“感知器”中,有兩個(gè)層次,分別是輸入層和輸出層。輸入層是來自外部的信號(hào)入口,輸入層里的“輸入單元”只負(fù)責(zé)傳輸數(shù)據(jù),不做計(jì)算。輸出層里的“輸出單元”則需要對(duì)前面一層的輸入進(jìn)行計(jì)算,之后將處理結(jié)果從輸出層進(jìn)行輸出,如圖9-11所示。9.3.3深度學(xué)習(xí)我們把需要計(jì)算的層次稱為“計(jì)算層”,并把擁有一個(gè)計(jì)算層的網(wǎng)絡(luò)稱為“單層神經(jīng)網(wǎng)絡(luò)”。有一些文獻(xiàn)會(huì)按照網(wǎng)絡(luò)擁有的層數(shù)來命名,所以也可以把“感知器”稱為兩層神經(jīng)網(wǎng)絡(luò)。僅由輸入層和輸出層兩層組成的“簡單感知器”模型對(duì)人來說是一個(gè)感性模型,如果在輸入層和輸出層之間放置中間層(也稱為“隱藏層”),那么它就從一個(gè)感性模型變成了一個(gè)思考性模型,如圖9-12所示。9.3.3深度學(xué)習(xí)2.深度學(xué)習(xí)的特點(diǎn)①強(qiáng)調(diào)了模型結(jié)構(gòu)的深度,通常有5層、6層,甚至10多層的隱層節(jié)點(diǎn)。②明確了特征學(xué)習(xí)的重要性。也就是說,通過逐層特征變換,將樣本在原空間的特征表示變換到一個(gè)新特征空間,從而使分類或預(yù)測更容易。與人工規(guī)則構(gòu)造特征的方法相比,利用大數(shù)據(jù)來學(xué)習(xí)特征,更能夠刻畫數(shù)據(jù)豐富的內(nèi)在信息。與傳統(tǒng)機(jī)器學(xué)習(xí)相比,深度學(xué)習(xí)有以下3個(gè)優(yōu)點(diǎn):(1)高效率(2)可塑性(3)普適性9.3.4主流深度學(xué)習(xí)框架深度學(xué)習(xí)框架的出現(xiàn)降低了研究開發(fā)的入門門檻,開發(fā)人員不需要從復(fù)雜的神經(jīng)網(wǎng)絡(luò)開始編代碼,而是可以根據(jù)需要選擇已有的模型,通過訓(xùn)練得到模型參數(shù),也可以在已有模型的基礎(chǔ)上增加自己的層,或者是在頂端選擇自己需要的分類器和優(yōu)化算法(如常用的梯度下降法)。目前較為流行的深度學(xué)習(xí)框架有TensorFlow、Caffe、PyTorch、PaddlePaddle、Theano、Keras、MXNet、Torch等。9.3.4主流深度學(xué)習(xí)框架1.TensorFlow簡介TensorFlow是一個(gè)用于研究和生產(chǎn)的開放源代碼機(jī)器學(xué)習(xí)庫,由谷歌人工智能團(tuán)隊(duì)谷歌大腦(GoogleBrain)開發(fā)和維護(hù),擁有包括TensorFlowHub、TensorFlowLite、TensorFlowResearchCloud在內(nèi)的多個(gè)項(xiàng)目以及各類應(yīng)用程序接口(ApplicationProgrammingInterface,API)的開放源代碼軟件庫,可供初學(xué)者和專家在桌面、移動(dòng)、網(wǎng)絡(luò)和云端環(huán)境下進(jìn)行開發(fā)和進(jìn)行高性能數(shù)值計(jì)算。TensorFlow是一款使用C++語言開發(fā)的開源數(shù)學(xué)計(jì)算軟件,使用數(shù)據(jù)流圖(DataFlowGraph)的形式進(jìn)行計(jì)算。9.3.4主流深度學(xué)習(xí)框架2.PyTorch簡介PyTorch是由Facebook人工智能研究組開發(fā)的開源的神經(jīng)網(wǎng)絡(luò)框架,其前身是Torch。PyTorch的底層仍然保留了Torch框架,由此也繼承了Torch的所有優(yōu)點(diǎn),同時(shí),由于使用Python重寫了很多新的內(nèi)容,又使其使用起來更加靈活。PyTorch有許多優(yōu)勢,如采用Python語言、支持動(dòng)態(tài)圖的機(jī)制、網(wǎng)絡(luò)構(gòu)建靈活及擁有強(qiáng)大的社群等。9.3.4主流深度學(xué)習(xí)框架3.Caffe簡介Caffe,全稱ConvolutionalArchitectureforFastFeatureEmbedding,是一個(gè)被廣泛使用的開源深度學(xué)習(xí)框架,目前由伯克利視覺學(xué)習(xí)中心(BerkeleyVisionandLearningCenter,BVLC)進(jìn)行維護(hù)。Caffe的核心概念是層(Layer),每一個(gè)神經(jīng)網(wǎng)絡(luò)的模塊都是一個(gè)Layer。Layer接收輸入數(shù)據(jù),同時(shí)經(jīng)過內(nèi)部計(jì)算產(chǎn)生輸出數(shù)據(jù)。設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)時(shí),只需要把各個(gè)Layer拼接在一起構(gòu)成完整的網(wǎng)絡(luò)。每一個(gè)Layer需要定義兩種運(yùn)算,一種是正向(forward)的運(yùn)算,即從輸入數(shù)據(jù)計(jì)算輸出結(jié)果,也就是模型的預(yù)測過程;另一種是反向(backward)的運(yùn)算,從輸出端的梯度(gradient)求解相對(duì)于輸入的gradient,即反向傳播算法,也就是模型的訓(xùn)練過程。9.3.4主流深度學(xué)習(xí)框架4.PaddlePaddlePaddlePaddle是百度研發(fā)的開源開放的深度學(xué)習(xí)平臺(tái),是國內(nèi)最早開源、也是當(dāng)前唯一一個(gè)功能完備的深度學(xué)習(xí)平臺(tái)。PaddlePaddle有最全面的官方支持的工業(yè)級(jí)應(yīng)用模型,涵蓋自然語言處理、計(jì)算機(jī)視覺、推薦引擎等多個(gè)領(lǐng)域,并開放多個(gè)領(lǐng)先的預(yù)訓(xùn)練中文模型,以及多個(gè)在國際范圍內(nèi)取得競賽冠軍的算法模型。PaddlePaddle同時(shí)支持稠密參數(shù)和稀疏參數(shù)場景的超大規(guī)模深