版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
人工智能漫談ytan@2021/6/271漫談要點(diǎn)???????人工智能的起源人工智能的發(fā)展歷程計(jì)算智能的研究幾個(gè)人工智能發(fā)展中的重大成就當(dāng)前人工智能的熱點(diǎn)對人工智能發(fā)展的幾點(diǎn)思考結(jié)語2021/6/272人工智能的起源?
思想萌芽可以追溯到十七世紀(jì)的巴斯卡和萊布尼茨,萌生了有智能的機(jī)器的想法。?
十九世紀(jì),布爾和摩爾根提出了“思維定律”,這是人工智能的開端;英國科學(xué)
家巴貝奇設(shè)計(jì)了第一架“計(jì)算機(jī)器”,被認(rèn)為是計(jì)算機(jī)硬件,也是AI硬件的前身。?
1943年M-P
Model提出,Heb學(xué)習(xí)率發(fā)現(xiàn),
Perceptron的提出,神經(jīng)網(wǎng)絡(luò)訓(xùn)練,
…?
1956年Dartmouth會(huì)議,由J.McCarthy及一批多學(xué)科的科學(xué)家在Dartmouth大學(xué)召開的會(huì)議上,首次提出“Artificial
Intelligence”概念。?
今年是AI誕生60周年(1個(gè)甲子)!2021/6/273計(jì)算機(jī)能具有智能嗎?
?
阿蘭·圖靈認(rèn)為機(jī)器可以模擬人腦思維過程;一個(gè)良好設(shè)計(jì)的計(jì)算
機(jī)能夠做到人腦所能做的一切?!坝?jì)算機(jī)科學(xué)之父”、“人工智能之父”
——阿蘭·麥席森·圖靈The
Turing
Test圖靈獎(jiǎng)2021/6/274什么是人工智能?
?
讓機(jī)器做需要人類智能才可以做的那些事情。
?
讓機(jī)器做人類需要它做的任何事情。?
認(rèn)識(shí)、模擬和擴(kuò)展人的(自然)智能,為人類社會(huì)服務(wù)。2021/6/2752016/4/12
Tuesday6人工智能的發(fā)展歷程:
人工智能的三個(gè)學(xué)派?
符號(hào)主義學(xué)派
–
始于20世紀(jì)50年代–––以知識(shí)為基礎(chǔ),通過推理來進(jìn)行問題求解功能模擬的方法代表人物:Simon,
Minsky和Newell.
McCarthy,
Nillsson.?
聯(lián)接主義學(xué)派––––始于1943年的M-P模型(McCulloch,
Pitts)1982年Hopfiled提出的用硬件模擬神經(jīng)網(wǎng)絡(luò),
BP算法結(jié)構(gòu)-功能模擬的方法代表人物:
McCulloch,
Pitts,
Hopfield,
Rumelhart等。?
行為主義學(xué)派–––––進(jìn)化主義或控制論學(xué)派始于20世紀(jì)60-70年代智能行為的“感知-動(dòng)作”模式行為模擬的方法代表人物:
R.A.
Brooks螺旋式上升發(fā)展路線2021/6/276人工智能的研究內(nèi)容方法層面:?
啟發(fā)式搜索?
推理方法?
知識(shí)表示?
AI語言(Lisp,Prolog,
…)?
模式識(shí)別?
機(jī)器學(xué)習(xí)?
生物激發(fā)方法(計(jì)算智能)……應(yīng)用層面:?
自然語言理解、數(shù)據(jù)庫的智能檢索、專家系統(tǒng)、機(jī)器定理證明、博弈、機(jī)
器人學(xué)、自動(dòng)程序設(shè)計(jì)、組合調(diào)度(智能優(yōu)化)、感知、語音、視覺、生
物特征識(shí)別、虛擬現(xiàn)實(shí)、復(fù)雜系統(tǒng)、大數(shù)據(jù),等。2021/6/277計(jì)算智能的研究-Computational
Intelligence?????人工神經(jīng)網(wǎng)絡(luò)---例如:多層神經(jīng)網(wǎng)絡(luò)(MLP)及其Back
Propagation
(BP)
Alg.模糊邏輯與推理進(jìn)化計(jì)算---例如:Genetic
Alg.群體智能---例如:PSO,
Fireworks
Alg.等等計(jì)算智能(CI)涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算和人工生命等領(lǐng)域,它的研究和發(fā)展正反映了當(dāng)代科學(xué)技術(shù)多學(xué)科交叉與集成的重要發(fā)展趨勢,是人工智能的最新發(fā)展。2021/6/278傳統(tǒng)人工智能VS計(jì)算智能?
傳統(tǒng)人工智能
–符號(hào)人工智能
–始于20世紀(jì)50年代
–以符號(hào)形式的知識(shí)和信息為基礎(chǔ),通
過邏輯推理,運(yùn)用知識(shí)進(jìn)行問題求
解
–知識(shí)獲取、知識(shí)表示、知識(shí)組織與
管理、知識(shí)運(yùn)用、基于知識(shí)的智能
系統(tǒng)?
計(jì)算智能
–
計(jì)算人工智能
–
始于20世紀(jì)80年代
–
以數(shù)值數(shù)據(jù)為基礎(chǔ),通過數(shù)值
計(jì)算,運(yùn)用算法進(jìn)行問題求解
–
人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、群體
智能、人工免疫系統(tǒng)、模糊系統(tǒng)2021/6/279生物神經(jīng)網(wǎng)絡(luò)vs.人工神經(jīng)網(wǎng)絡(luò)生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)多層前饋人工神經(jīng)網(wǎng)絡(luò)模型2021/6/2710∑
x,
x∈[?5,5]f
(x)
=
20
+
e
?
20exp?
0.2
∑
1
=
i
x
2
?
exp
1∑cos(2πxi)
,
x
∈[?
32,32]n
n
i=1
11ni2f
(x)
=
ni=12)Rosenbrock
Function
2
i+1
i=1
3)Rastrigin
Function
D
2
i
i
i=1n1
nn
4)Ackley
Function
復(fù)雜優(yōu)化問題
Standard
benchmark
functions1)Sphere
Function2021/6/271112更復(fù)雜優(yōu)化問題---智能優(yōu)化搜索方法2021/6/2712遺傳算法-Genetic
Algorithm生物進(jìn)化是一個(gè)優(yōu)化過程,目的是在不斷變化的競爭環(huán)境
中提高某生物(或系統(tǒng))的生存能力。個(gè)體環(huán)境候選解待求解問題??達(dá)爾文適者生存,優(yōu)勝劣汰
建
模2021/6/2713自然群體2021/6/27142021/6/2715FWA?
Ying
Tan,
FireworksAlgorithm,
Springer,
2015.10.?
Y.
Tan,
C.
Yu,
S.Q.
Zheng
and
K.
Ding,
"Introduction
to
Fireworks
Algorithms
,"
International
Journal
of
Swarm
Intelligence
Research
(IJSIR),
October-December
2013,
vol.
4,
No.
4,
pp.
39-71.?
譚營(著),《煙花算法引論》,
科學(xué)出版社,
2015.04.2021/6/2716機(jī)器學(xué)習(xí)(Machine
Learning)
通過經(jīng)驗(yàn)提高系統(tǒng)自身性能的過程
(系統(tǒng)自我改進(jìn))
機(jī)器學(xué)習(xí)是人工智能的主要核心研究領(lǐng)域之一,
也是現(xiàn)代智能系統(tǒng)的關(guān)鍵環(huán)節(jié)和瓶頸。一個(gè)沒有學(xué)習(xí)功能的系統(tǒng)是不能被稱為智能系統(tǒng)。機(jī)器學(xué)習(xí)正逐漸從AI中獨(dú)立出來,成為一種新的問題求解工具。2021/6/27172016/4/12
Tuesday譚營---機(jī)器學(xué)習(xí)研究及最新進(jìn)展18機(jī)器學(xué)習(xí)的任務(wù)
?
令W是這個(gè)給定世界的有限或無限所有對象的集合,由于觀察能力的限制,我
們只能獲得這個(gè)世界的一個(gè)有限的子集Q?W,稱為樣本集。
?
機(jī)器學(xué)習(xí)就是根據(jù)這個(gè)有限樣本集Q
,推算這個(gè)世界的模型,使得其對這個(gè)世
界為真。WQWModel建模泛化訓(xùn)練與泛化2021/6/2718淺層學(xué)習(xí)(Shallow
Learning)?
淺層學(xué)習(xí)是機(jī)器學(xué)習(xí)的第一次浪潮?
上世紀(jì)80年代,計(jì)算智能研究中的人工神經(jīng)網(wǎng)絡(luò)熱潮,給機(jī)器學(xué)習(xí)帶來了希望,掀起了基于統(tǒng)計(jì)模型的機(jī)器學(xué)習(xí)熱潮。?
多層感知機(jī)(Multi-layer
Perceptron),支撐向量機(jī)(SVM)、
Boosting、最
大熵方法(如Logistic
Regression)等。?
人工神經(jīng)網(wǎng)絡(luò)的反向傳播算法(BP算法)2021/6/2719深度學(xué)習(xí)
-
Deep
Learning?
2006年,Prof.
Geoffrey
Hinton等在《科學(xué)》上發(fā)
表的文章開啟了深度學(xué)習(xí)的新浪潮。他們的兩個(gè)主要觀點(diǎn):?
1)多隱層的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能
力,學(xué)習(xí)得到的特征對數(shù)據(jù)有更本質(zhì)的刻畫,從
而有利于可視化或分類;?
2)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練問題,可以通過“逐層預(yù)
訓(xùn)練”(layer-wise
pre-training)來有效解決。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的第二次浪潮?
Deep
learning
algorithms
attempt
to
learn
multiple
levels
of
representation
of
increasing
complexity/abstraction.2021/6/2720Deep
Architectures?
Deep
multi-layer
neural
networks
are
the
basic
architectures
of
deeplearning.When
a
function
can
be
approximated
by
adeep
architecture
with
few
computationalelements,
it
might
need
a
very
largearchitecture
to
be
approximated
by
aninsufficiently
deep
one.2021/6/2721Breakthrough?
Greedy
layerwise
unsupervised
pre-training.–
Hinton
et
al.,
2006;
Bengio
et
al.,
2007;
Ranzato
et
al.,
2007.?
Use
the
weights
got
by
pre-training
to
initialize
the
weight
of
supervisedtraining.?
Then
run
the
general
supervised
training
process
such
as
BP
algorithm.2021/6/2722Experimental
ComparisonWithout
pre-training,
training
converges
to
a
poorer
apparent
local
minimum.Unsupervised
pre-training
helps
to
?nd
a
better
minimum
of
the
online
error.Experiments
were
performed
by
Dumitru
Erhan.2021/6/2723Race
on
ImageNet
(Top
5
Hit
Rate)Answer
from
Geoff
Hinton:
85%,
2012在科技界,微軟、谷歌、Facebook、百度等巨頭對于研發(fā)的狂熱追逐舉世皆知,ImageNet
大規(guī)模視覺挑戰(zhàn)也是其角力的重要戰(zhàn)場2021/6/2724人臉識(shí)別程序?
CUHK的湯曉鷗教授領(lǐng)導(dǎo)的計(jì)算機(jī)視覺研究組
(.hk)
開發(fā)了
一個(gè)名為DeepID的深度學(xué)習(xí)(DL)模型,
在LFW
(Labeled
Faces
in
the
Wild)數(shù)
據(jù)庫上獲得了99.15%的識(shí)別率,這也是有史以來首次超過99%的LFW識(shí)別率,比肉眼識(shí)別更加精準(zhǔn)。?
此前,
Facebook發(fā)布了另一套基于深度學(xué)習(xí)的人臉識(shí)別算法DeepFace,在LFW上取得了97.35%的識(shí)別率。2021/6/2725
免疫濃度特征?
生物免疫系統(tǒng)中的抗體濃度垃圾郵件與正常郵件的濃度特征分布?
郵件樣本的抗體濃度特征
–
“自己”“異己”濃度
免疫應(yīng)答過程中抗體濃度的變化?
抗體濃度特征的表征能力
濃度特征在分類器BPNN、LD、SVM上與其他方法的對比2021/6/2726Single-CDCS-LALWFGWFDTE-DLAccuracy?
基于危險(xiǎn)理論的集成檢測模型
–
危險(xiǎn)區(qū)域定義匹配信號(hào)與危險(xiǎn)信號(hào)的協(xié)同
免疫檢測模型?
P.
Matzinger的免疫危險(xiǎn)模型集成檢測中的匹配信號(hào)集成檢測中的危險(xiǎn)信號(hào)PU2PU3PUATREC0.89
PU1
免疫危險(xiǎn)模型?
集成檢測模型的性能表現(xiàn)
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0.9集成檢測模型與其他集成方法的對比2021/6/2727圍棋人機(jī)大戰(zhàn):AlphaGo
v.s.
Lee
Sedol(李世石)Results:
4:1人工智能下棋程序AlphaGo獲得大勝!引起了世界范圍的廣泛關(guān)注與熱議,以及對人工智能飛速發(fā)展的鼓舞,和些許恐懼與擔(dān)憂!2021/6/2728AlphaGoCombining?
Monte
Carlo
Search
Tree
(MCST)
+
Supervised
Learning
(SL)
+
Reinforcement
Learning
(RL)
+
Deep
Neural
Networks
(DNN).Clever
Idea:?
(Good
starting
point):
Use
SL
Policy
Network
to
learn
from
human
expertgood
experience?
(Rapidly
boosting
up):
Use
RL
Policy
Network
to
improve
by
playing
withitself?
(Efficient
strategy):
Use
RL
Value
Networks
to
compute
the
outcome
ofevery
move2021/6/2729AlphaGO’s
Framework31Monte
Carlo
tree
search
(MCTS)2021/6/2730Supervised
learning
of
policy
networks
in
AlphaGO?
Definition:?
s:
state
(3^(19*19))?
a:
action
(19*19)?
SL
policy
network:–
predict
p(a|s)?
RL
policy
network–
sampling
each
move
from
its
outputprobability
distribution
over
actions.?
RL
policy
network
vs
SL
policy
network?
won
80%
of
games322021/6/2731
Evaluating
the
playing
strength
of
AlphaGo?
AlphaGo
vs
other
Go
programs
–
won
494
out
of
495
games
(99.8%)?
The
distributed
AlphaGo
vs
AlphaGo
–
won
77%
of
games?
The
distributed
AlphaGo
vs
other
Go
programs
–
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024銅門制安工程賠償合同
- 2025年度不銹鋼板材行業(yè)綠色制造與可持續(xù)發(fā)展合同范本2篇
- 2024藥品研發(fā)項(xiàng)目合作開發(fā)與成果轉(zhuǎn)讓合同3篇
- 2025年度智能倉儲(chǔ)物流服務(wù)合同范本二零二五年度4篇
- 《銀伯爵珠寶培訓(xùn)》課件
- 2024版商鋪轉(zhuǎn)讓協(xié)議書范本
- 中國魔芋素食品行業(yè)發(fā)展前景預(yù)測及投資方向研究報(bào)告
- 2025年水電工程安裝與智能化改造合同范本
- 2025年鞍鋼集團(tuán)工程技術(shù)有限公司招聘筆試參考題庫含答案解析
- 2025年中咨工程管理咨詢有限公司招聘筆試參考題庫含答案解析
- 導(dǎo)尿及留置導(dǎo)尿技術(shù)
- 情人合同范例
- 建筑公司勞務(wù)合作協(xié)議書范本
- 安徽省合肥市2023-2024學(xué)年高一上學(xué)期物理期末試卷(含答案)
- 《基于杜邦分析法的公司盈利能力研究的國內(nèi)外文獻(xiàn)綜述》2700字
- 儒家思想講解課程設(shè)計(jì)
- 2024年個(gè)人汽車抵押借款合同范本(四篇)
- 2024-2025學(xué)年九年級(jí)化學(xué)上冊 第二單元 單元測試卷(人教版)
- 軌道交通設(shè)備更新項(xiàng)目可行性研究報(bào)告-超長期國債
- 2024-2030年中國一氧化二氮?dú)怏w行業(yè)市場發(fā)展趨勢與前景展望戰(zhàn)略分析報(bào)告
- NB/T 11446-2023煤礦連采連充技術(shù)要求
評論
0/150
提交評論