《人工智能的進展》課件

人工智能的進展目錄1人工智能簡介2歷史發(fā)展3關鍵技術4應用領域5什么是人工智能？定義模擬人類智能的計算機系統(tǒng)目標人工智能的分類1超級人工智能超越人類所有智能2強人工智能具有意識的通用智能3弱人工智能人工智能的發(fā)展歷程：概覽起步階段1950-1970年代低谷與復興1970-1990年代穩(wěn)步發(fā)展1990-2006年深度學習時代第一次人工智能熱潮（1956-1974）圖靈測試（1950）判斷機器是否具有人類智能達特茅斯會議（1956）第一次人工智能熱潮（續(xù)）邏輯理論家（1956）首個人工智能程序通用問題求解器（1957）第一次人工智能寒冬（1974-1980）123計算能力不足無法處理復雜任務理論局限方法簡單難以處理不確定性過高期望第二次人工智能熱潮（1980-1987）1專家系統(tǒng)興起模擬特定領域專家知識和推理日本第五代計算機第二次人工智能寒冬（1987-1993）1硬件限制計算能力跟不上需求2專家系統(tǒng)局限難以獲取和表示專家知識3資金減少投資方對緩慢進展失去信心穩(wěn)步發(fā)展期（1993-2006）機器學習崛起更實用的方法替代符號主義1計算能力提升摩爾定律推動硬件進步2數(shù)據(jù)增長互聯(lián)網(wǎng)提供海量訓練數(shù)據(jù)3應用拓展機器人、搜索引擎領域突破4深度學習時代（2006至今）12006年深度信念網(wǎng)絡突破性進展22012年AlexNet在ImageNet比賽中勝出32016年AlphaGo擊敗世界冠軍李世石42020年后大型語言模型引領新方向關鍵技術：機器學習監(jiān)督學習有標簽數(shù)據(jù)訓練模型無監(jiān)督學習發(fā)現(xiàn)無標簽數(shù)據(jù)隱藏模式強化學習通過獎懲信號學習策略監(jiān)督學習原理通過標注數(shù)據(jù)訓練模型預測或分類算法決策樹支持向量機神經網(wǎng)絡無監(jiān)督學習1原理從無標簽數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和結構2常見算法聚類分析、主成分分析、自編碼器強化學習原理通過與環(huán)境互動獲得獎懲信號學習應用場景游戲、機器人控制、自動駕駛深度學習定義使用多層神經網(wǎng)絡的機器學習方法與傳統(tǒng)區(qū)別自動特征提取、端到端學習模式神經網(wǎng)絡基礎輸入層接收原始數(shù)據(jù)隱藏層提取和轉換特征輸出層生成最終預測結果卷積神經網(wǎng)絡（CNN）結構特點：卷積層提取特征，池化層降維應用領域：圖像識別、物體檢測循環(huán)神經網(wǎng)絡（RNN）序列輸入處理時間序列數(shù)據(jù)隱藏狀態(tài)保留歷史信息序列輸出生成預測結果長短期記憶網(wǎng)絡（LSTM）長期記憶保留重要信息遺忘機制刪除無關信息更新機制調整當前狀態(tài)生成對抗網(wǎng)絡（GAN）生成器創(chuàng)造逼真內容1判別器區(qū)分真假內容2對抗訓練互相促進提高能力3遷移學習概念利用已訓練模型知識解決新問題優(yōu)勢減少數(shù)據(jù)需求、加速訓練、提高性能聯(lián)邦學習1原理數(shù)據(jù)留在本地，模型參數(shù)交換2應用場景隱私敏感領域如醫(yī)療、金融自然語言處理（NLP）定義研究人機語言交互的技術主要任務文本分類、翻譯、問答、摘要NLP的發(fā)展歷程1規(guī)則時代語法規(guī)則和詞典查詢2統(tǒng)計時代基于概率模型和語料庫3深度學習時代注意力機制和預訓練模型計算機視覺圖像識別分類物體和場景物體檢測定位并分類多個物體圖像分割像素級物體分類計算機視覺的發(fā)展歷程早期探索基本邊緣和形狀檢測傳統(tǒng)方法手工特征提取深度學習端到端特征學習語音識別與合成語音識別將語音轉換為文本語音合成將文本轉換為自然語音推薦系統(tǒng)收集數(shù)據(jù)用戶行為和偏好1生成模型協(xié)同過濾或內容推薦2推薦項目展示個性化內容3獲取反饋學習用戶響應4知識圖譜概念：實體、關系組成的語義網(wǎng)絡構建：信息提取、實體鏈接、關系挖掘人工智能芯片GPU擅長并行計算TPU專為機器學習優(yōu)化類腦芯片模擬神經元工作方式應用領域：智能制造30%生產效率提升40%能源消耗減少25%維護成本降低應用領域：智慧醫(yī)療輔助診斷影像識別、疾病預測藥物研發(fā)分子模擬、靶點預測應用領域：自動駕駛1L5：完全自動駕駛無需人類監(jiān)督2L4：高度自動駕駛特定場景無需干預3L3：有條件自動駕駛需要人類監(jiān)督4L2：部分自動駕駛輔助功能5L1：駕駛輔助基本功能應用領域：智能家居語音助手語音控制家電設備安防監(jiān)控智能識別異常情況能源管理優(yōu)化用電用水方案應用領域：金融科技風險評估信用風險、欺詐檢測智能投顧資產配置、理財建議應用領域：教育1學習分析掌握情況評估2個性化學習定制化學習路徑3智能輔導解答問題和指導應用領域：電子商務個性化推薦：基于行為和偏好的商品推薦智能客服：自動回答問題和解決問題應用領域：智慧城市1234交通管理優(yōu)化信號燈和車流能源管理智能電網(wǎng)和用電控制環(huán)境監(jiān)測空氣和水質量監(jiān)控公共安全監(jiān)控異常和緊急情況應用領域：安防1人臉識別身份驗證和人員跟蹤2異常檢測發(fā)現(xiàn)可疑行為和威脅應用領域：農業(yè)精準農業(yè)優(yōu)化種植和灌溉病蟲害預測提前發(fā)現(xiàn)并防治收成預測評估產量和質量人工智能倫理隱私保護保障個人數(shù)據(jù)不被濫用算法偏見防止和糾正不公平決策責任歸屬明確人工智能決策責任人工智能安全對抗性攻擊干擾輸入使模型產生錯誤輸出防御策略增強模型魯棒性抵抗攻擊可解釋人工智能人機協(xié)作數(shù)據(jù)分析機器處理大數(shù)據(jù)，人類解讀決策支持機器提供選項，人類做決策實施行動人機配合完成復雜任務人工智能與就業(yè)受威脅工作重復性、規(guī)則化的工作新興工作AI訓練、監(jiān)督和維護工作大語言模型1GPT-1(2018)1.17億參數(shù)2GPT-2(2019)15億參數(shù)3GPT-3(2020)1750億參數(shù)4GPT-4(2023)更強理解和生成能力多模態(tài)人工智能文本處理理解和生成文字圖像處理識別和生成圖像音頻處理識別語音和聲音元學習學習經驗積累處理多個任務1提取通用知識找出共通之處2快速適應新任務少樣本學習3圖神經網(wǎng)絡原理：對圖結構數(shù)據(jù)進行信息傳遞和聚合應用：社交網(wǎng)絡分析、分子結構預測強化學習最新進展AlphaGo擊敗世界圍棋冠軍AlphaZero自學棋類游戲規(guī)則MuZero無需預設規(guī)則學習人工智能硬件1神經網(wǎng)絡處理器專為神經網(wǎng)絡計算優(yōu)化的芯片2光學計算利用光子加速神經網(wǎng)絡計算邊緣計算與人工智能本地處理數(shù)據(jù)在設備端處理低延遲減少數(shù)據(jù)傳輸時間隱私保護敏感數(shù)據(jù)不離開設備量子計算與人工智能潛在影響加速復雜計算、突破當前瓶頸研究現(xiàn)狀量子機器學習算法探索階段腦機接口直接控制思想控制設備1信息輸入直接向大腦傳遞信息2健康監(jiān)測檢測腦部活動異常3通用人工智能的探索多任務學習一個系統(tǒng)處理多種任務遷移能力將知識應用到新