人工智能概論P(yáng)PT全套完整教學(xué)課件

《人工智能概論》第一章人工智能的前世今生主講教師：XXX由于文檔上傳大小限制，本課件里的視頻均由圖片代替。目錄三人工智能應(yīng)用概況一人工智能內(nèi)涵二人工智能理論基礎(chǔ)人工智能內(nèi)涵一情景導(dǎo)入同學(xué)們，說(shuō)說(shuō)你身邊的人工智能？情景導(dǎo)入什么是人工智能？人工智能內(nèi)涵圖靈（1912-1954），英國(guó)數(shù)學(xué)家、邏輯學(xué)家，被稱(chēng)為計(jì)算機(jī)科學(xué)之父，人工智能之父。1950年在論文《機(jī)器能思考么？》中提出了圖靈測(cè)試，一種用于判定機(jī)器是否具有智能的試驗(yàn)方法，如下：提問(wèn)者和回答者分開(kāi)，提問(wèn)者通過(guò)一些裝置（鍵盤(pán)）向機(jī)器隨意提問(wèn)。多次測(cè)試，如果有超過(guò)30%的提問(wèn)者認(rèn)為回答問(wèn)題的是人而不是機(jī)器，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試，具有了人工智能。人工智能內(nèi)涵學(xué)術(shù)界定義約翰麥卡錫使一部機(jī)器的反應(yīng)方式像一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能；制造智能機(jī)器的科學(xué)與工程，特別是智能計(jì)算機(jī)程序；NilsJ.Nilsson人工智能是關(guān)于知識(shí)的學(xué)科—怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的學(xué)科；PatrickWinston人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作。人工智能內(nèi)涵廣義人工智能人工智能指通過(guò)計(jì)算機(jī)實(shí)現(xiàn)人的頭腦思維所產(chǎn)生的效果，是對(duì)能夠從環(huán)境中獲取感知并執(zhí)行行動(dòng)的智能體的描述和構(gòu)建人工智能產(chǎn)業(yè)人工智能產(chǎn)業(yè)的構(gòu)建包括數(shù)據(jù)資源、計(jì)算引擎、算法、技術(shù)、基于人工智能算法和技術(shù)進(jìn)行研發(fā)及拓展應(yīng)用的企業(yè)以及應(yīng)用領(lǐng)域人工智能技術(shù)人工智能技術(shù)是人類(lèi)在利用和改造機(jī)器的過(guò)程中所掌握的物質(zhì)方法、手段和只是等各種活動(dòng)方式的總和人工智能概念及界定人工智能內(nèi)涵定義我們通常講的人工智能指向人工智能技術(shù)，指利用技術(shù)學(xué)習(xí)人、模擬人，乃至超越人類(lèi)智能的綜合能力；即通過(guò)機(jī)器實(shí)現(xiàn)人的頭腦思維，使其具備感知、決策與行動(dòng)力。形象來(lái)說(shuō)，人工智能可理解為由不同音符組成的音樂(lè)，而不同音符是由不同的樂(lè)器所奏響的，最終實(shí)現(xiàn)傳遞演奏者內(nèi)心所想與頭腦所思的效果。具體包括使用機(jī)器幫助、代替甚至部分超越人類(lèi)實(shí)現(xiàn)認(rèn)知、識(shí)別、分析、決策等功能的技術(shù)手段。舉例如自然語(yǔ)言處理、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、機(jī)器智能技術(shù)、通過(guò)圖靈測(cè)試的智能等等。人工智能內(nèi)涵A通過(guò)視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等感官活動(dòng)，接受并理解文字、圖像、聲音、語(yǔ)言等各種外界信息，這就是認(rèn)識(shí)和理解外界環(huán)境的能力。C通過(guò)教育、訓(xùn)練和學(xué)習(xí)過(guò)程，日益豐富自身的知識(shí)和技能，這就是學(xué)習(xí)的能力。B通過(guò)人腦的生理與心理活動(dòng)以及有關(guān)的信息處理過(guò)程，將感性知識(shí)抽象為理性知識(shí)，并能對(duì)事物運(yùn)行的規(guī)律進(jìn)行分析、判斷和推理，這就是提出概念、建立方法，進(jìn)行演繹和歸納推理、作出決策的能力。D對(duì)不斷變化的外界環(huán)境條件（如干擾、刺激等外界作用）能靈活地作出正確地反應(yīng)，這就是自適應(yīng)能力。人工智能內(nèi)涵人工智能與大數(shù)據(jù)、云計(jì)算的最大的區(qū)別是，互聯(lián)網(wǎng)及新興技術(shù)改造的是傳統(tǒng)行業(yè)，是應(yīng)用層的創(chuàng)新，但人工智能改變的卻是互聯(lián)網(wǎng)本身。全新交互方式自進(jìn)化去節(jié)點(diǎn)化人工智能內(nèi)涵人工智能帶來(lái)的則是真正意義上的用戶(hù)交互層上的革命，真正解放了人類(lèi)的雙手，讓語(yǔ)音交互、圖像識(shí)別、自然語(yǔ)言理解等成為新的傳遞媒介和對(duì)話(huà)窗口。而每一次交互方式上的重大變革，都會(huì)摧毀舊有的產(chǎn)業(yè)，孕育全新的產(chǎn)業(yè)，出現(xiàn)顛覆性的產(chǎn)業(yè)變化。全新的交互方式人工智能內(nèi)涵人工智能依托于互聯(lián)網(wǎng)海量數(shù)據(jù)的積累，用戶(hù)軌跡，以及數(shù)據(jù)挖掘、自然語(yǔ)言處理、語(yǔ)音交互、圖像識(shí)別、深度升級(jí)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)及用戶(hù)建模等方面的技術(shù)積淀，這些為人工智能提供了足夠快、足夠猛烈的爆發(fā)力和成長(zhǎng)養(yǎng)料。同樣一年進(jìn)化期，人工智能的應(yīng)用和成長(zhǎng)速度只能用指數(shù)級(jí)增長(zhǎng)來(lái)形容，遠(yuǎn)遠(yuǎn)超過(guò)了過(guò)去互聯(lián)網(wǎng)所出現(xiàn)的電商、社交等的線(xiàn)性成長(zhǎng)速度。自進(jìn)化阿爾法狗再進(jìn)化:無(wú)師自通學(xué)3天擊敗老狗(顫抖吧人類(lèi))人工智能內(nèi)涵去節(jié)點(diǎn)化即“所說(shuō)即所得”，人工智能將使用門(mén)檻降到了0。就如小孩剛剛降生，首先最早學(xué)會(huì)的就是說(shuō)話(huà)，而不是讀書(shū)、寫(xiě)字一樣。人工智能以對(duì)話(huà)為主要的交互方式，更像是身體器官的自然延伸，而不像PC、手機(jī)，還得依靠雙手、眼睛和腦力，這一改變使其使用門(mén)檻幾乎為零，讓用戶(hù)獲取服務(wù)變得更加簡(jiǎn)單便捷，真正實(shí)現(xiàn)了“所說(shuō)即所得”。就如蘋(píng)果手機(jī)的觸控體驗(yàn)給智能手機(jī)產(chǎn)業(yè)帶來(lái)的革命一樣，人工智能以對(duì)話(huà)為主的看似傻瓜式的改變，預(yù)期也會(huì)引發(fā)互聯(lián)網(wǎng)的一場(chǎng)顛覆革命。去節(jié)點(diǎn)化人工智能內(nèi)涵人工智能四種途徑像人一樣行動(dòng)：圖靈測(cè)試的途徑像人一樣思考：認(rèn)知建模的途徑合理地思考：“思維法則”的途徑合理地行動(dòng)：合理Agent的途徑人工智能內(nèi)涵像人一樣行動(dòng)：圖靈測(cè)試的途徑1自然語(yǔ)言處理（naturallanguageprocessing）：使之能成功地用人類(lèi)語(yǔ)言交流；2知識(shí)表示（knowledgerepresentation）：存儲(chǔ)它知道的或聽(tīng)到的信息；4機(jī)器學(xué)習(xí)（machinelearning）：適應(yīng)新情況并進(jìn)行檢測(cè)和預(yù)測(cè)。3自動(dòng)推理（automatedreasoning）：運(yùn)用存儲(chǔ)的信息來(lái)回答問(wèn)題并推出新結(jié)論；1.計(jì)算機(jī)視覺(jué)（computervision）：感知物體；2.機(jī)器人學(xué)（robotics）：操縱和移動(dòng)對(duì)象。人工智能內(nèi)涵像人一樣思考：認(rèn)知建模的途徑內(nèi)省通過(guò)內(nèi)省捕獲人類(lèi)自身的思維過(guò)程；心理實(shí)驗(yàn)通過(guò)心理實(shí)驗(yàn)觀察工作中的人類(lèi)思維變化；腦成像通過(guò)腦成像觀察人類(lèi)思考過(guò)程中的組織成分變化。認(rèn)知科學(xué)人工智能內(nèi)涵合理地思考：“思維法則”的途徑1965邏輯學(xué)家為世界上各種對(duì)象及對(duì)象之間關(guān)系的陳述制訂了一種精確的表示法（類(lèi)似于算術(shù)表示法，算術(shù)只是關(guān)于數(shù)的陳述的表示法）人工智能中的邏輯主義（logicist）流派希望通過(guò)這樣的程序來(lái)創(chuàng)建智能系統(tǒng)，此途徑被稱(chēng)為“思維法則”的途徑。已有程序原則上可以求解用邏輯表示法描述的任何可解問(wèn)題（如果不存在解，那么程序可能無(wú)限循環(huán)）19世紀(jì)1965年人工智能邏輯學(xué)人工智能內(nèi)涵合理地思考：“思維法則”的途徑邏輯學(xué)兩個(gè)障礙首先，獲取非格式化的知識(shí)并用邏輯表示法要求的形式術(shù)語(yǔ)來(lái)陳述是不容易的，特別是在知識(shí)不是百分之百肯定時(shí)；其次，在“原則上”可解一個(gè)問(wèn)題與實(shí)際上解決該問(wèn)題之間存在巨大的差別，甚至求解只有幾百條事實(shí)的問(wèn)題就可耗盡任何計(jì)算機(jī)的計(jì)算資源。人工智能內(nèi)涵Agent是進(jìn)行運(yùn)行操作的智能安排（英語(yǔ)的agent源于拉丁語(yǔ)的agere，意為“去做”）。所有計(jì)算機(jī)程序都在運(yùn)行并處理任務(wù)，但是普通計(jì)算機(jī)不能感知環(huán)境、長(zhǎng)期持續(xù)、適應(yīng)變化并能創(chuàng)建與追求目標(biāo)。Agent能實(shí)現(xiàn)更多功能：自主操作進(jìn)行合理安排，或者當(dāng)存在不確定性時(shí)，為了實(shí)現(xiàn)最佳期望結(jié)果而重新規(guī)劃任務(wù)。合理地行動(dòng)：合理Agent的途徑人工智能內(nèi)涵合理性的標(biāo)準(zhǔn)在數(shù)學(xué)上定義明確且完全通用，并可被“解決并取出”來(lái)生成可證實(shí)現(xiàn)了合理性的Agent設(shè)計(jì)。另一方面，人類(lèi)行為可以完全適應(yīng)特定環(huán)境，并且可以很好地定義為人類(lèi)做的所有事情的總和。所以研究合理Agent的一般原則以及用于構(gòu)造這樣的Agent的部件將是使用的一個(gè)重點(diǎn)。因?yàn)樵诂F(xiàn)實(shí)中，盡管問(wèn)題可被陳述地簡(jiǎn)單，但是在試圖求解問(wèn)題時(shí)各種各樣的難題就出現(xiàn)了。但是，合理Agent途徑在復(fù)雜環(huán)境中不可行，因?yàn)橛?jì)算要求太高。合理地行動(dòng)：合理Agent的途徑合理Agent的途徑與其他途徑相比有兩個(gè)優(yōu)點(diǎn)。首先，它比“思維法則”的途徑更普遍，因?yàn)檎_的推理只是實(shí)現(xiàn)合理性的幾種可能的機(jī)制之一。其次，它比其他基于人類(lèi)行為或人類(lèi)思維的途徑更經(jīng)得起科學(xué)發(fā)展的檢驗(yàn)。優(yōu)點(diǎn)習(xí)題通過(guò)Siri添加日程安排1.打開(kāi)蘋(píng)果手機(jī)2.呼叫Siri3.請(qǐng)Siri添加下周日程安排4.對(duì)比通過(guò)Siri添加日程安排與以往添加日程安排的異同實(shí)訓(xùn)題人工智能理論基礎(chǔ)二人工智能理論基礎(chǔ)數(shù)學(xué)神經(jīng)科學(xué)計(jì)算機(jī)科學(xué)控制論大數(shù)據(jù)1自然科學(xué)類(lèi)人工智能理論基礎(chǔ)哲學(xué)經(jīng)濟(jì)學(xué)倫理學(xué)心理學(xué)語(yǔ)言學(xué)2社會(huì)科學(xué)類(lèi)人工智能應(yīng)用概況三人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能產(chǎn)業(yè)圖譜2各國(guó)人工智能應(yīng)用概況3人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能應(yīng)用概況人工智能發(fā)展歷程1深度學(xué)習(xí)，蓬勃興起機(jī)器學(xué)習(xí)，迎來(lái)曙光知識(shí)表示，走出困境計(jì)算推理，奠定基礎(chǔ)4.03.02.01.0人工智能應(yīng)用概況1956年，美國(guó)達(dá)特茅斯學(xué)院舉行第一次人工智能研討會(huì)，人工智能誕生的標(biāo)志麥卡錫首次提出了“人工智能”概念，紐厄爾和西蒙則展示了編寫(xiě)的邏輯理論機(jī)器。而馬文·明斯基提出的“智能機(jī)器能夠創(chuàng)建周?chē)h(huán)境的抽象模型，如果遇到問(wèn)題，能夠從抽象模型中尋找解決方法”這一定義，成為后30年智能機(jī)器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基礎(chǔ)生理學(xué)知識(shí)和腦神經(jīng)元的功能；羅素和懷特海德的對(duì)命題邏輯的形式分析；以及圖靈的計(jì)算理論。計(jì)算推理，奠定基礎(chǔ)1.0人工智能應(yīng)用概況1968MACSYMA系統(tǒng)1969DENDRAL程序20世紀(jì)70年代人工智能又從具體系統(tǒng)的研究逐漸回到一般研究，圍繞知識(shí)這一核心問(wèn)題，人們?cè)谥R(shí)獲取、知識(shí)表示和知識(shí)推理等方面開(kāi)始出現(xiàn)新的原理、方法、技術(shù)和工具。以E.A.Feigenbaum為代表的學(xué)者認(rèn)為，知識(shí)是有智能的機(jī)器所必備的，于是在他們的倡導(dǎo)下，在20世紀(jì)70年代中后期，人工智能進(jìn)入了“知識(shí)表示期”，E.A.Feigenbaum后來(lái)被稱(chēng)為“知識(shí)工程”之父。知識(shí)表示，走出困境2.0人工智能由追求萬(wàn)能、通用的一般研究轉(zhuǎn)入特定的具體研究，產(chǎn)生了以專(zhuān)家系統(tǒng)為代表的基于知識(shí)的各種人工智能系統(tǒng)人工智能應(yīng)用概況198119892001偉博斯在神經(jīng)網(wǎng)絡(luò)反向傳播（BP）算法中具體提出多層感知機(jī)模型帶領(lǐng)機(jī)器學(xué)習(xí)進(jìn)入了新時(shí)代。隨機(jī)森林出現(xiàn)于2001年，于AdaBoost算法同屬集成學(xué)習(xí)，雖然簡(jiǎn)單，但在很多問(wèn)題上效果卻出奇的好，因此現(xiàn)在還在被大規(guī)模使用。LeCun設(shè)計(jì)出了第一個(gè)真正意義上的卷積神經(jīng)網(wǎng)絡(luò)，用于手寫(xiě)數(shù)字的識(shí)別，這是現(xiàn)在被廣泛使用的深度卷積神經(jīng)網(wǎng)絡(luò)的鼻祖。機(jī)器學(xué)習(xí)，迎來(lái)曙光3.0SVM代表了核技術(shù)的勝利，這是一種思想，通過(guò)隱式的將輸入向量映射到高維空間中，使得原本非線(xiàn)性的問(wèn)題能得到很好的處理。而AdaBoost則代表了集成學(xué)習(xí)算法的勝利，通過(guò)將一些簡(jiǎn)單的弱分類(lèi)器集成起來(lái)使用居然能夠達(dá)到驚人的精度。人工智能應(yīng)用概況20062012ImageNet大賽上CNN奪冠2016深度學(xué)習(xí)領(lǐng)域的三巨頭LeCun、Bengio、Hinton聯(lián)手在Nature上發(fā)表綜述對(duì)DeepLearning進(jìn)行科普機(jī)器學(xué)習(xí)領(lǐng)域的泰斗Hinton和他的學(xué)生Salakhutdinov在頂尖學(xué)術(shù)刊物《Scince》上發(fā)表了一篇文章，開(kāi)啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮。深度學(xué)習(xí)，蓬勃興起4.020152014谷歌研發(fā)出20層的VGG模型。同年，DeepFace、DeepID模型橫空出世，在LFW數(shù)據(jù)庫(kù)上的人臉識(shí)別、人臉認(rèn)證的正確率達(dá)到99.75%，幾乎超越人類(lèi)。阿爾法狗打敗李世石。人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況1）美國(guó)：美國(guó)領(lǐng)跑人工智能發(fā)展潮流，戰(zhàn)略層面高度重視人工智能應(yīng)用概況3美國(guó)政府成立多個(gè)人工智能管理與指導(dǎo)部門(mén)A美國(guó)政府優(yōu)先對(duì)人工智能投資B美國(guó)開(kāi)展并更新相關(guān)戰(zhàn)略計(jì)劃C人工智能應(yīng)用概況2）歐洲：歐洲各國(guó)相繼出臺(tái)人工智能重大發(fā)展戰(zhàn)略人工智能應(yīng)用概況325個(gè)歐洲國(guó)家簽署《加強(qiáng)人工智能合作宣言》，強(qiáng)調(diào)作為“歐洲數(shù)字化的領(lǐng)導(dǎo)者”的北歐和波羅的海國(guó)家將加強(qiáng)人工智能方面的合作，以保持其歐洲數(shù)字化領(lǐng)先地區(qū)的地位，瑞典將在這一領(lǐng)域合作發(fā)揮關(guān)鍵領(lǐng)導(dǎo)作用?！叭斯ぶ悄軅惱怼眴?wèn)題歐盟發(fā)布《人工智能時(shí)代：確立以人為本的歐洲戰(zhàn)略》和《歐盟人工智能》報(bào)告2018年6月，歐盟委員會(huì)（EuropeanCommission）成立承擔(dān)咨詢(xún)機(jī)構(gòu)角色的人工智能高級(jí)小組（AIHLG）人工智能應(yīng)用概況2）歐洲：歐洲各國(guó)相繼出臺(tái)人工智能重大發(fā)展戰(zhàn)略人工智能應(yīng)用概況3注重實(shí)效性，強(qiáng)調(diào)“綜合施治、合力發(fā)展”英國(guó)2018年3月，宣布《人工智能發(fā)展戰(zhàn)略》，承諾五年內(nèi)提供超過(guò)18.5億美元資金，重點(diǎn)為醫(yī)療保健和自動(dòng)駕駛汽車(chē)領(lǐng)域法國(guó)“智能工廠”為重心的“工業(yè)4.0計(jì)劃”；“腦科學(xué)”戰(zhàn)略重點(diǎn)是機(jī)器人和數(shù)字化；2018年7月，德國(guó)聯(lián)邦政府發(fā)布《聯(lián)邦政府人工智能戰(zhàn)略要點(diǎn)》德國(guó)人工智能應(yīng)用概況3）亞洲：亞洲國(guó)家緊追人工智能潮流力爭(zhēng)向先進(jìn)國(guó)家看齊人工智能應(yīng)用概況3日本2018年發(fā)布《綜合創(chuàng)新戰(zhàn)略》，突顯大學(xué)改革、加強(qiáng)政府對(duì)創(chuàng)新的支持、人工智能、農(nóng)業(yè)發(fā)展、環(huán)境能源等五大重點(diǎn)措施韓國(guó)2018年發(fā)布《人工智能研發(fā)戰(zhàn)略》，并計(jì)劃在五年內(nèi)投入20億美元用于在國(guó)防、生命科學(xué)和公共安全領(lǐng)域應(yīng)用人工智能解決方案印度2018年發(fā)布《人工智能?chē)?guó)家戰(zhàn)略》，特別關(guān)注軍事安全與道德隱私領(lǐng)域，重點(diǎn)放在健康護(hù)理、農(nóng)業(yè)、教育、智慧城市和基礎(chǔ)建設(shè)與智能交通五大領(lǐng)域；阿聯(lián)酋2018年3月，阿聯(lián)酋內(nèi)閣批準(zhǔn)組建“阿聯(lián)酋人工智能委員會(huì)”人工智能應(yīng)用概況4）中國(guó)人工智能應(yīng)用概況3從政策角度來(lái)看中國(guó)人工智能政策主要關(guān)注以下六個(gè)方面：中國(guó)制造、創(chuàng)新驅(qū)動(dòng)、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)+、大數(shù)據(jù)、科技研發(fā)。其中，《中國(guó)制造2025》處于人工智能政策應(yīng)用網(wǎng)絡(luò)的核心，在地方人工智能政策制定過(guò)程中發(fā)揮著綱領(lǐng)性的作用。從風(fēng)險(xiǎn)投資來(lái)看根據(jù)2013年到2018年第一季度全球的投融資數(shù)據(jù)，中國(guó)已在人工智能融資規(guī)模上超越美國(guó)成為全球最“吸金”國(guó)家，但是在投融資筆數(shù)上，美國(guó)仍然在全球處于領(lǐng)先地位。國(guó)內(nèi)融資金額和融資筆數(shù)最高的省市是北京，且遙遙領(lǐng)先其他各省。上海、浙江、江蘇和廣東等省市的表現(xiàn)也比較突出。人工智能應(yīng)用概況·人工智能企業(yè)數(shù)量人工智能應(yīng)用概況3人工智能應(yīng)用概況·人工智能企業(yè)城市分布人工智能應(yīng)用概況3習(xí)題人工智能具有以下哪些特征：（）A.全新交互方式B.自進(jìn)化C.去節(jié)點(diǎn)化D.自動(dòng)化多選題正確答案：ABC《人工智能概論》第二章算法技術(shù)讓人工智能更聰明主講教師：XXX目錄三人工智能算法的應(yīng)用一機(jī)器學(xué)習(xí)二深度學(xué)習(xí)機(jī)器學(xué)習(xí)一情景導(dǎo)入訊飛翻譯機(jī)AlphoGo人臉識(shí)別情景導(dǎo)入是什么讓計(jì)算機(jī)或者軟件如此精通人性？為什么讓計(jì)算機(jī)或者軟件如此造化出神？計(jì)算機(jī)或者軟件還能做什么精妙絕倫的事情？人工智能人工智能算法人工智能的應(yīng)用人類(lèi)越來(lái)越需要人工智能！機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能應(yīng)用的算法技術(shù)之一，也是人工智能算法技術(shù)研究領(lǐng)域的一個(gè)分支.因此，掌握‘機(jī)器學(xué)習(xí)’符合當(dāng)下人才培養(yǎng)的時(shí)代需求.人工智能是未來(lái)的發(fā)展趨勢(shì)，什么是人工智能？機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)(一)機(jī)器學(xué)習(xí)的概念(二)機(jī)器學(xué)習(xí)的常見(jiàn)算法(三)強(qiáng)化學(xué)習(xí)機(jī)器學(xué)習(xí)（一）機(jī)器學(xué)習(xí)的概念機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn)來(lái)優(yōu)化提升行為判斷的計(jì)算程序簡(jiǎn)單的講機(jī)器學(xué)習(xí)是一種能夠賦予機(jī)器學(xué)習(xí)的能力，讓它完成直接編程無(wú)法完成的功能的方法廣義上講機(jī)器學(xué)習(xí)是一種通過(guò)利用數(shù)據(jù)，訓(xùn)練出模型，然后使用模型預(yù)測(cè)的一種方法實(shí)踐上講機(jī)器學(xué)習(xí)的思想：機(jī)器學(xué)習(xí)是對(duì)人類(lèi)在生活中學(xué)習(xí)成長(zhǎng)的一個(gè)模擬。機(jī)器學(xué)習(xí)1.機(jī)器學(xué)習(xí)算法的技術(shù)分類(lèi)有監(jiān)督學(xué)習(xí)特點(diǎn)應(yīng)用樣本數(shù)據(jù)同時(shí)包含特征自變量(X)和目標(biāo)變量(Y)。然后使用有監(jiān)督學(xué)習(xí)算法訓(xùn)練得到從特征自變量輸入到目標(biāo)變量輸出的映射函數(shù)：Y=f(X)。(1).分類(lèi)問(wèn)題如判斷“垃圾郵件”或“非垃圾郵件.(2).回歸問(wèn)題如預(yù)測(cè)旅游人數(shù)機(jī)器學(xué)習(xí)1.機(jī)器學(xué)習(xí)算法的技術(shù)分類(lèi)無(wú)監(jiān)督學(xué)習(xí)特點(diǎn)應(yīng)用樣本數(shù)據(jù)只有特征自變量(X)，沒(méi)有目標(biāo)變量(Y)。算法在輸入數(shù)據(jù)的過(guò)程中自己發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律或模式。(1).關(guān)聯(lián)問(wèn)題關(guān)聯(lián)規(guī)則學(xué)習(xí)目的是從數(shù)據(jù)中發(fā)現(xiàn)強(qiáng)規(guī)則。如通過(guò)分析數(shù)據(jù)發(fā)現(xiàn)，買(mǎi)了商品A的顧客有可能還會(huì)買(mǎi)商品B(2).聚類(lèi)問(wèn)題聚類(lèi)方法可以發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的組群關(guān)系。如確定衣服尺碼的大小。機(jī)器學(xué)習(xí)1.機(jī)器學(xué)習(xí)算法的技術(shù)分類(lèi)半監(jiān)督學(xué)習(xí)特點(diǎn)應(yīng)用樣本數(shù)據(jù)部分被標(biāo)識(shí)，部分沒(méi)有被標(biāo)識(shí)。這種學(xué)習(xí)模型可以用來(lái)進(jìn)行預(yù)測(cè)，但是模型首先需要學(xué)習(xí)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)以便合理地組織數(shù)據(jù)來(lái)進(jìn)行預(yù)測(cè)。(1).分類(lèi)問(wèn)題(2).回歸問(wèn)題機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)數(shù)據(jù)：機(jī)器學(xué)習(xí)算法的“學(xué)習(xí)資料”A訓(xùn)練數(shù)據(jù),用來(lái)訓(xùn)練模型的，是算法的學(xué)習(xí)資料B驗(yàn)證數(shù)據(jù)，用來(lái)評(píng)估不同參數(shù)下模型效果，選擇最優(yōu)模型C測(cè)試數(shù)據(jù)，用來(lái)測(cè)試模型效果，評(píng)估泛化能力訓(xùn)練集和驗(yàn)證集的劃分方法有兩種：“hold-out”和交互檢驗(yàn)。訓(xùn)練數(shù)據(jù)是算法真正用來(lái)“學(xué)習(xí)”（擬合）的數(shù)據(jù)。機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)數(shù)據(jù)：三者的關(guān)系機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)目標(biāo)函數(shù)：機(jī)器學(xué)習(xí)算法學(xué)習(xí)的方向意義機(jī)器學(xué)習(xí)算法通過(guò)學(xué)習(xí)輸入數(shù)據(jù)，在求解目標(biāo)函數(shù)的極值的過(guò)程中，訓(xùn)練得到算法參數(shù)的最優(yōu)值，也即求解模型參數(shù)。舉例：邏輯回歸算法機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)基于梯度的參數(shù)優(yōu)化方法基于梯度的參數(shù)優(yōu)化方法指利用導(dǎo)數(shù)求目標(biāo)函數(shù)的極值（最值）機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)超參數(shù)及超參數(shù)尋優(yōu)參數(shù)：可以從數(shù)據(jù)中學(xué)習(xí)得到超參數(shù)：無(wú)法從數(shù)據(jù)里學(xué)習(xí)得到，需要靠人的經(jīng)驗(yàn)來(lái)設(shè)定機(jī)器學(xué)習(xí)算法參數(shù)是由樣本數(shù)據(jù)學(xué)習(xí)得到，不需要提前設(shè)置；機(jī)器學(xué)習(xí)參數(shù)通常作為最終模型的一部分保存；使用模型進(jìn)行預(yù)測(cè)時(shí)，需要使用保存的參數(shù)。主要應(yīng)用于模型參數(shù)的學(xué)習(xí)過(guò)程，無(wú)法從樣本數(shù)據(jù)中直接學(xué)習(xí)；超參數(shù)通常使用啟發(fā)式方法，在訓(xùn)練之前提前設(shè)置；超參數(shù)定義關(guān)于模型更高層級(jí)的概念，如模型復(fù)雜度等。機(jī)器學(xué)習(xí)2.機(jī)器學(xué)習(xí)中的基礎(chǔ)知識(shí)超參數(shù)及超參數(shù)尋優(yōu)超參數(shù)的尋優(yōu)一般使用經(jīng)驗(yàn)法則或通過(guò)反復(fù)試驗(yàn)的方法，來(lái)探尋算法超參數(shù)的最優(yōu)值。超參數(shù)尋優(yōu)的基本思路嘗試不同的超參數(shù)組合來(lái)訓(xùn)練模型，通過(guò)比較不同組合得到的模型表現(xiàn)，最終確定最優(yōu)的超參數(shù)組合。網(wǎng)格搜索（GridSearch）隨機(jī)搜索（RandomSearch）機(jī)器學(xué)習(xí)3.機(jī)器學(xué)習(xí)的“學(xué)習(xí)”過(guò)程BDFACE首先準(zhǔn)備用于機(jī)器學(xué)習(xí)算法的數(shù)據(jù)集，以二維矩陣形式表示，每行代表一條學(xué)習(xí)樣本，每列代表一個(gè)變量，包括特征自變量（X）及目標(biāo)變量（Y）選擇一種機(jī)器學(xué)習(xí)算法并確定其目標(biāo)函數(shù)；使用驗(yàn)證集評(píng)估不同超參數(shù)組合下的模型效果，選擇最優(yōu)模型；將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；設(shè)定不同的算法超參數(shù)組合，在每組確定的超參數(shù)下，使用訓(xùn)練集進(jìn)行算法參數(shù)的尋優(yōu)，得到該組超參數(shù)下的最優(yōu)參數(shù)模型；使用測(cè)試集評(píng)估最優(yōu)模型的效果，即最終模型的泛化能力。機(jī)器學(xué)習(xí)(一)機(jī)器學(xué)習(xí)的概念(二)機(jī)器學(xué)習(xí)的常見(jiàn)算法(三)強(qiáng)化學(xué)習(xí)機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法決策樹(shù)算法用樹(shù)的結(jié)構(gòu)來(lái)構(gòu)建分類(lèi)模型，每個(gè)節(jié)點(diǎn)代表著一個(gè)屬性，根據(jù)屬性的劃分，進(jìn)入這個(gè)節(jié)點(diǎn)的子節(jié)點(diǎn)直至葉子節(jié)點(diǎn)，每個(gè)葉子節(jié)點(diǎn)都代表一定的類(lèi)別，從而達(dá)到分類(lèi)的目的。概念如果要解決的問(wèn)題需要模型具備很好的可解釋性，可以考慮決策樹(shù)算法。應(yīng)用用于貸款審批的決策樹(shù)模型舉例決策樹(shù)機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法舉例：用于貸款審批的決策樹(shù)模型假設(shè)該模型通過(guò)年齡、學(xué)歷、是否擁有房產(chǎn)等特征，對(duì)貸款申請(qǐng)人做出批準(zhǔn)或拒絕的決策，如圖2-5所示。輸入的申請(qǐng)人特征會(huì)按照決策樹(shù)的結(jié)構(gòu)自上而下進(jìn)行條件判斷，最終分類(lèi)到某個(gè)葉子節(jié)點(diǎn)，根據(jù)模型對(duì)該葉子節(jié)點(diǎn)定義的屬性，來(lái)判斷是否通過(guò)該申請(qǐng)人的貸款。如，某申請(qǐng)人年齡為40歲，但沒(méi)有房產(chǎn)，若其月收入超過(guò)1.5萬(wàn)元，模型認(rèn)定可以通過(guò)其貸款申請(qǐng)。決策樹(shù)具有很好的可解釋性，銀行可以向被拒絕貸款的客戶(hù)解釋拒絕原因，例如該客戶(hù)沒(méi)有房產(chǎn)且月收入小于1.5萬(wàn)元機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法集成學(xué)習(xí)就是將多個(gè)弱監(jiān)督模型組合使用，以期得到一個(gè)更好更全面的模型。即便某一個(gè)弱模型得到了錯(cuò)誤的預(yù)測(cè)，其他的弱分類(lèi)器也可以將錯(cuò)誤糾正回來(lái)。概念集成學(xué)習(xí)在任何規(guī)模的數(shù)據(jù)集上都有很好的應(yīng)對(duì)策略。應(yīng)用Bagging和Boosting舉例集成學(xué)習(xí)算法利用Bootstrap方法從樣本數(shù)據(jù)中采取有放回抽樣，經(jīng)過(guò)訓(xùn)練得到一個(gè)模型

，如此重復(fù)進(jìn)行M次，得到M個(gè)獨(dú)立模型。最終的預(yù)測(cè)模型可以將所有M個(gè)模型的預(yù)測(cè)結(jié)果按照一定的方法綜合使用。通常，分類(lèi)問(wèn)題采用M個(gè)模型預(yù)測(cè)投票的方式；回歸問(wèn)題采用M個(gè)模型預(yù)測(cè)平均的方式。機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法舉例：Bagging和BoostingBaggingBoosting隨機(jī)森林是Bagging方法的一種。BGM是Boosting方法的一種。Boosting（提升方法）是一種可以用來(lái)減少有監(jiān)督學(xué)習(xí)中偏差的機(jī)器學(xué)習(xí)算法。機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法邏輯回歸算法邏輯回歸是一種基于線(xiàn)性回歸的經(jīng)典分類(lèi)模型。核心思想：將線(xiàn)性函數(shù)的結(jié)果映射到了sigmoid函數(shù)中。公式如下：其中：z是關(guān)于輸入變量的線(xiàn)性回歸。機(jī)器學(xué)習(xí)（二）機(jī)器學(xué)習(xí)的常見(jiàn)算法神經(jīng)網(wǎng)絡(luò)是將多個(gè)sigmoid函數(shù)單元通過(guò)某種方式疊加形成的機(jī)器學(xué)習(xí)算法。概念輸入層：輸入變量隱藏層：sigmoid函數(shù)輸出層：預(yù)測(cè)值結(jié)構(gòu)‘隱藏層’多層的神經(jīng)網(wǎng)絡(luò)模型深度神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)(一)機(jī)器學(xué)習(xí)的概念(二)機(jī)器學(xué)習(xí)的常見(jiàn)算法(三)強(qiáng)化學(xué)習(xí)機(jī)器學(xué)習(xí)（三）強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)的概念概念強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)重要分支，是受到行為主義心理學(xué)研究的啟發(fā)，產(chǎn)生的一種交互式學(xué)習(xí)方法，又稱(chēng)為增強(qiáng)學(xué)習(xí)。算法思想讓機(jī)器通過(guò)不斷的嘗試，從錯(cuò)誤中學(xué)習(xí)，從一開(kāi)始完全隨機(jī)進(jìn)行操作，到最后找到規(guī)律，學(xué)會(huì)達(dá)到目的的方法。基本要素環(huán)境，Agent，動(dòng)作，反饋。機(jī)器學(xué)習(xí)（三）強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)的概念A(yù)強(qiáng)化學(xué)習(xí)的輸入數(shù)據(jù)是序列的、交互的并且還是有反饋（Reward）的。而有監(jiān)督學(xué)習(xí)的輸入數(shù)據(jù)是多樣化的標(biāo)簽數(shù)據(jù)。輸入數(shù)據(jù)不同B強(qiáng)化學(xué)習(xí)是一個(gè)決策模型，有監(jiān)督學(xué)習(xí)更偏向模式挖掘。學(xué)習(xí)目標(biāo)不同C強(qiáng)化學(xué)習(xí)是進(jìn)程安排自己去學(xué)習(xí)，有監(jiān)督學(xué)習(xí)是按照算法特點(diǎn)進(jìn)行參數(shù)最優(yōu)化求解。學(xué)習(xí)方式不同與監(jiān)督學(xué)習(xí)的區(qū)別機(jī)器學(xué)習(xí)（三）強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)的技術(shù)分類(lèi)根據(jù)強(qiáng)化學(xué)習(xí)算法是否依賴(lài)模型(1)基于模型的強(qiáng)化學(xué)習(xí)算法（Model-based）(2)無(wú)模型的強(qiáng)化學(xué)習(xí)算法（Model-free）01根據(jù)策略的更新和學(xué)習(xí)方法不同(1)基于值函數(shù)的強(qiáng)化學(xué)習(xí)算法(2)基于直接策略搜索的強(qiáng)化學(xué)習(xí)算法02根據(jù)環(huán)境返回的回報(bào)函數(shù)是否已知(1)正向強(qiáng)化學(xué)習(xí)算法(2)逆向強(qiáng)化學(xué)習(xí)算法03深度學(xué)習(xí)二深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（一）算法基礎(chǔ)感知器(決策模型)輸入幾個(gè)二進(jìn)制并生成一個(gè)二進(jìn)制的輸出原理一般，f(x)=1,表示‘是’，f(x)=0,表示‘否’。深度學(xué)習(xí)（一）算法基礎(chǔ)感知器舉例深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是將線(xiàn)性函數(shù)的結(jié)果映射后引入非線(xiàn)性的變換sigmoid函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是對(duì)輸入數(shù)據(jù)x,保留正數(shù)且以0代替負(fù)數(shù)ReLU函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是將輸入數(shù)據(jù)x的值變換到-1和1之間tanh函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)神經(jīng)網(wǎng)絡(luò)指對(duì)神經(jīng)網(wǎng)絡(luò)沿著從輸入層到輸出層的順序，依次計(jì)算并存儲(chǔ)模型的中間變量（包括輸出）。前向傳播計(jì)算神經(jīng)網(wǎng)絡(luò)參數(shù)梯度的方法反向傳播深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（二）卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)LeNetAelxNetGoogleNet深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（三）循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)LSTMGRU人工智能算法的應(yīng)用三人工智能算法的應(yīng)用生活中的人工智能人工智能算法的應(yīng)用(一)智能推薦(二)計(jì)算機(jī)視覺(jué)(三)自然語(yǔ)言處理人工智能算法的應(yīng)用（一）智能推薦概念：智能推薦是為用戶(hù)推薦所需要物品的一種人工智能工具。目的對(duì)用戶(hù)提供決策支持，例如買(mǎi)什么物品、聽(tīng)什么歌曲或讀什么新聞。價(jià)值幫助用戶(hù)解決信息過(guò)載的問(wèn)題，做出最好的選擇。方法基于內(nèi)容的方法和協(xié)同過(guò)濾的方法。人工智能算法的應(yīng)用（一）智能推薦基于內(nèi)容的方法原則去識(shí)別那些有共同特征的項(xiàng)目（如電影、音樂(lè)等）。思路對(duì)某個(gè)用戶(hù)已經(jīng)評(píng)分過(guò)的項(xiàng)目分析其共同特點(diǎn)，然后將含有這些特點(diǎn)的新的項(xiàng)目推薦給該用戶(hù)。局限‘內(nèi)容分析限制’和‘過(guò)度專(zhuān)業(yè)化’人工智能算法的應(yīng)用（一）智能推薦協(xié)同過(guò)濾的方法特點(diǎn)：使用其他用戶(hù)對(duì)項(xiàng)目的評(píng)分信息思想：如果目標(biāo)用戶(hù)和某一用戶(hù)在某些項(xiàng)目評(píng)分上很相似，那么目標(biāo)用戶(hù)對(duì)新項(xiàng)目的評(píng)分與該用戶(hù)的評(píng)分也是相似的優(yōu)點(diǎn)：解決基于內(nèi)容的推薦方法存在的一些局限分類(lèi)：基于鄰域的方法和基于模型的方法基于模型的方法包括：括貝葉斯聚類(lèi)、潛在語(yǔ)義分析（LDA）、最大熵、玻爾茲曼機(jī)、支持向量機(jī)（SVM）和奇異值分解（SVD）智能推薦方法的評(píng)判標(biāo)準(zhǔn)：準(zhǔn)確率，效率，穩(wěn)定性，合理性，意外發(fā)現(xiàn)率010203040506人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場(chǎng)景例：網(wǎng)易云音樂(lè)1娛樂(lè)——電影、音樂(lè)、游戲的推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場(chǎng)景例：今日頭條2內(nèi)容——個(gè)性化新聞、網(wǎng)頁(yè)的推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場(chǎng)景例：京東3電子商務(wù)——消費(fèi)者商品購(gòu)買(mǎi)推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場(chǎng)景例：旅游攻略4服務(wù)——旅游服務(wù)推薦、專(zhuān)家咨詢(xún)推薦等人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場(chǎng)景例：抖音5社交——社交網(wǎng)絡(luò)中朋友的推薦和社會(huì)媒體網(wǎng)站中的內(nèi)容推薦；人工智能算法的應(yīng)用(一)智能推薦(二)計(jì)算機(jī)視覺(jué)(三)自然語(yǔ)言處理人工智能算法的應(yīng)用（二）計(jì)算機(jī)視覺(jué)概念圖像分類(lèi)、目標(biāo)檢測(cè)、目標(biāo)跟蹤、語(yǔ)義分割和實(shí)例分割五個(gè)方向.用攝影機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量，并進(jìn)一步做圖形處理，使之成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。概念研究方向人工智能算法的應(yīng)用圖像分類(lèi)判斷一張圖像中是否包含某種物體，給輸入圖像分配標(biāo)簽算法：卷積神經(jīng)網(wǎng)絡(luò)案例：AlexNet、GoogLeNet應(yīng)用：百度圖片（二）計(jì)算機(jī)視覺(jué)人工智能算法的應(yīng)用目標(biāo)檢測(cè)確定某張給定圖像中是否存在給定類(lèi)別（比如人、車(chē)、自行車(chē)、狗和貓）的目標(biāo)實(shí)例。算法：卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用場(chǎng)景：智能視頻監(jiān)控，無(wú)人駕駛等（二）計(jì)算機(jī)視覺(jué)人工智能算法的應(yīng)用目標(biāo)跟蹤在特定場(chǎng)景跟蹤某一個(gè)或多個(gè)特定感興趣對(duì)象。算法：生成算法和判別算法例：主成分分析算法（PCA），卷積神經(jīng)網(wǎng)路（二）計(jì)算機(jī)視覺(jué)人工智能算法的應(yīng)用語(yǔ)義分割算法：完全卷積網(wǎng)絡(luò)將屬于同一類(lèi)的像素歸為一類(lèi)，屬于像素級(jí)別上的分類(lèi)。（二）計(jì)算機(jī)視覺(jué)人工智能算法的應(yīng)用實(shí)例分割實(shí)例分割：是一個(gè)綜合問(wèn)題，融合了目標(biāo)檢測(cè)，語(yǔ)義分割和圖像分類(lèi)的內(nèi)容。（二）計(jì)算機(jī)視覺(jué)人工智能算法的應(yīng)用(一)智能推薦(二)計(jì)算機(jī)視覺(jué)(三)自然語(yǔ)言處理人工智能算法的應(yīng)用（三）自然語(yǔ)言處理概念研究人際之間用自然語(yǔ)言通信的方法。概念Google搜索引擎,Amazon的Alexa語(yǔ)音助手，機(jī)器翻譯，對(duì)話(huà)生成等。應(yīng)用語(yǔ)音識(shí)別技術(shù)與基于文本的自然語(yǔ)言處理技術(shù)。研究?jī)?nèi)容人工智能算法的應(yīng)用（三）自然語(yǔ)言處理語(yǔ)音識(shí)別技術(shù)01讓計(jì)算機(jī)將人類(lèi)語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，如二進(jìn)制編碼等。概念02“傳統(tǒng)”的識(shí)別方法和基于深度神經(jīng)網(wǎng)絡(luò)的“端到端”方法。方法03翻譯機(jī)(科大訊飛)應(yīng)用人工智能算法的應(yīng)用（三）自然語(yǔ)言處理基于文本的自然語(yǔ)言處理技術(shù)A概念指對(duì)文本類(lèi)型數(shù)據(jù)的處理，通過(guò)構(gòu)建計(jì)算算法自動(dòng)分析、表征人類(lèi)自然語(yǔ)言。B應(yīng)用文本分類(lèi)，機(jī)器翻譯，垃圾郵件分類(lèi)，問(wèn)答系統(tǒng)（iPhone的siri,小米的小愛(ài)同學(xué)，各個(gè)網(wǎng)站的機(jī)器人客服等）人工智能算法的應(yīng)用習(xí)題1.某郵件服務(wù)商希望開(kāi)發(fā)垃圾郵件過(guò)濾的人工智能應(yīng)用，實(shí)現(xiàn)自動(dòng)區(qū)分垃圾郵件和非垃圾郵件的功能，下面哪種學(xué)習(xí)方法最適合此種應(yīng)用需求：（）。A.二分類(lèi)問(wèn)題B.多分類(lèi)問(wèn)題C.聚類(lèi)問(wèn)題D.回歸問(wèn)題單選題正確答案：A習(xí)題2.以下選項(xiàng)中，機(jī)器學(xué)習(xí)算法真正用來(lái)“學(xué)習(xí)”的數(shù)據(jù)是（）。A.驗(yàn)證集B.訓(xùn)練集C.測(cè)試集D.超參數(shù)集單選題正確答案：B習(xí)題3.以下機(jī)器學(xué)習(xí)算法中，屬于集成學(xué)習(xí)Bagging算法的是（）。A.決策樹(shù)B.邏輯回歸C.隨機(jī)森林D.GBM單選題正確答案：C習(xí)題4.以下神經(jīng)網(wǎng)絡(luò)不屬于卷積神經(jīng)網(wǎng)絡(luò)的算法是（）。A.LeNetB.AlexNetC.GoogLeNetD.LSTM單選題正確答案：D習(xí)題5.以下神經(jīng)網(wǎng)絡(luò)屬于循環(huán)神經(jīng)網(wǎng)絡(luò)的是（）。A.GRUB.InceptionV1C.AlexNetD.VGG單選題正確答案：A習(xí)題6.機(jī)器學(xué)習(xí)的任務(wù)類(lèi)型包括（）。A.有監(jiān)督學(xué)習(xí)B.無(wú)監(jiān)督學(xué)習(xí)C.半監(jiān)督學(xué)習(xí)D.強(qiáng)化學(xué)習(xí)多選題D.人工智能正確答案：ABC習(xí)題1.以下屬于計(jì)算機(jī)視覺(jué)領(lǐng)域的研究方向的有（）。A.人臉識(shí)別B.目標(biāo)檢測(cè)C.語(yǔ)義分割D.智能推薦多選題正確答案：BDED.目標(biāo)跟蹤習(xí)題2.在電商平臺(tái)瀏覽商品時(shí)會(huì)出現(xiàn)平臺(tái)自動(dòng)推薦的商品，其可能采用的技術(shù)有（）。A.基于內(nèi)容的推薦算法B.協(xié)同過(guò)濾算法C.語(yǔ)義分割技術(shù)D.目標(biāo)跟蹤技術(shù)多選題正確答案：AB習(xí)題3.以下屬于自然語(yǔ)言領(lǐng)域的研究有（）。A.語(yǔ)音識(shí)別B.語(yǔ)義分割C.智能翻譯D.文本分類(lèi)多選題正確答案：ACD《人工智能概論》第三章大數(shù)據(jù)讓人工智能土壤更肥沃主講教師：XXX案例導(dǎo)讀

每年，地震在全球范圍內(nèi)導(dǎo)致超過(guò)1.3萬(wàn)人死亡，500萬(wàn)人受傷或財(cái)產(chǎn)受損，每年造成的經(jīng)濟(jì)損失高達(dá)120億美元。

多年以來(lái)，科學(xué)家們主要依靠對(duì)震頻的監(jiān)測(cè)來(lái)預(yù)測(cè)地震。盡管還有很多潛在的地震預(yù)警信號(hào)，如大氣條件的變化或大量蛇群的遷移，但基于這些信號(hào)做出的預(yù)測(cè)準(zhǔn)確率太低，無(wú)法在現(xiàn)實(shí)中實(shí)施。案例1:地震預(yù)測(cè)呼喚大數(shù)據(jù)

科學(xué)家們利用大數(shù)據(jù)技術(shù)對(duì)來(lái)自衛(wèi)星和氣象領(lǐng)域的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，開(kāi)啟了一種全新的地震預(yù)測(cè)方法。

該項(xiàng)技術(shù)可以幫助人類(lèi)最早能提前30天預(yù)測(cè)到全球主要地震多發(fā)國(guó)家即將發(fā)生的震級(jí)6級(jí)以上的大地震，精準(zhǔn)度已經(jīng)達(dá)到90%。曾經(jīng)提前9天預(yù)測(cè)到了2015年3月3日在印尼發(fā)生的6.4級(jí)地震。案例導(dǎo)讀案例導(dǎo)讀Viola.AI是全球第一個(gè)使用人工智能驅(qū)動(dòng)的相親平臺(tái)。通過(guò)結(jié)合人工智能、區(qū)塊鏈技術(shù)和智能合約技術(shù)，Viola.AI試圖顛覆相親行業(yè)，給全球用戶(hù)提供無(wú)國(guó)界的一條龍解決方案，包括約會(huì)、求婚乃至結(jié)婚。平臺(tái)使用深度學(xué)習(xí)技術(shù)，分析每個(gè)用戶(hù)的個(gè)性、背景和行為習(xí)慣，給用戶(hù)最貼合個(gè)人的建議，并在預(yù)測(cè)感情可能出現(xiàn)問(wèn)題時(shí)敦促他們主動(dòng)解決，保證感情穩(wěn)定。

借助新技術(shù)和移動(dòng)約會(huì)服務(wù)，相親行業(yè)在過(guò)去的10年里發(fā)展迅速。不過(guò)仍有許多亟待解決的問(wèn)題。比如網(wǎng)戀騙局、交友疲勞癥、用戶(hù)信息濫用等。還有在全球離婚率上升潮中的婚后感情危機(jī)了。案例2:相親活動(dòng)也愛(ài)大數(shù)據(jù)引言引言一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)它什么都知道一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)

大數(shù)據(jù)（bigdata），指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

到今天為止，很難有一個(gè)統(tǒng)一的定義。2·大數(shù)據(jù)的五個(gè)特點(diǎn)2·大數(shù)據(jù)的五個(gè)特點(diǎn)2·大數(shù)據(jù)的五個(gè)特點(diǎn)2·大數(shù)據(jù)的五個(gè)特點(diǎn)2·大數(shù)據(jù)的五個(gè)特點(diǎn)二·大數(shù)據(jù)是如何產(chǎn)生的（一）信息科技進(jìn)步（一）信息科技進(jìn)步（一）信息科技進(jìn)步（一）信息科技進(jìn)步（二）互聯(lián)網(wǎng)誕生（二）互聯(lián)網(wǎng)誕生

曾經(jīng)有制作服裝的公司，想要調(diào)查顧客的購(gòu)買(mǎi)意愿。需要統(tǒng)計(jì)顧客拿起了哪件衣服，試穿了哪件？在專(zhuān)賣(mài)店逗留了多長(zhǎng)時(shí)間？這就需要安裝攝像頭，要選樣本，可能花費(fèi)上億的資金。要想省錢(qián)的話(huà)其結(jié)果可能會(huì)失去參考價(jià)值。如果在網(wǎng)上做同樣的事情，成本近乎為“零”。大家可以想想，在淘寶網(wǎng)或者京東商城的主頁(yè)上，每一個(gè)網(wǎng)頁(yè)都相當(dāng)于一家店鋪，打開(kāi)這個(gè)網(wǎng)頁(yè)就等于進(jìn)入了店鋪；點(diǎn)擊了衣服，相當(dāng)于顧客拿起衣服仔細(xì)端詳；把衣服放到收藏夾，可以理解為試穿；在實(shí)體店中的顧客行為幾乎被完整地映射到網(wǎng)頁(yè)上。（三）云計(jì)算（三）云計(jì)算（三）云計(jì)算（四）物聯(lián)網(wǎng)發(fā)展（五）社交網(wǎng)絡(luò)發(fā)展（六）智能終端誕生三·大數(shù)據(jù)的應(yīng)用（五）社交網(wǎng)絡(luò)發(fā)展1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用

國(guó)外的保險(xiǎn)公司在給用戶(hù)進(jìn)行車(chē)險(xiǎn)報(bào)價(jià)時(shí)，需要參考汽車(chē)自身存儲(chǔ)的OBD信息，其記錄了駕駛員的駕駛習(xí)慣，例如是否經(jīng)常緊急剎車(chē)，是否經(jīng)常瞬間加速等。保險(xiǎn)公司會(huì)依據(jù)客戶(hù)的駕駛習(xí)慣來(lái)定義車(chē)主的保險(xiǎn)產(chǎn)品等級(jí)，良好駕駛習(xí)慣的車(chē)主，其車(chē)險(xiǎn)價(jià)格就較低，反之則車(chē)險(xiǎn)價(jià)格就較高。案例一：保險(xiǎn)行業(yè)利用駕駛員駕駛信息來(lái)確定車(chē)險(xiǎn)價(jià)格2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用

“博時(shí)淘金100”是博時(shí)基金和阿里共同成立的基金，依托螞蟻金服提供的海量電商交易數(shù)據(jù)（包括買(mǎi)賣(mài)家數(shù)量變化、商品價(jià)格變化、成交量變化等），對(duì)用戶(hù)需求，企業(yè)產(chǎn)品、行業(yè)成長(zhǎng)進(jìn)行分析，從預(yù)測(cè)相關(guān)行業(yè)和企業(yè)景氣度。分析結(jié)果結(jié)合博時(shí)基金多因子量化投資模型，指導(dǎo)基金經(jīng)理進(jìn)行股票投資。案例二：“博時(shí)淘金100”指數(shù)基金跑贏大盤(pán)3.大數(shù)據(jù)在教育領(lǐng)域的應(yīng)用4.大數(shù)據(jù)在生活?yuàn)蕵?lè)領(lǐng)域的應(yīng)用4.大數(shù)據(jù)在生活?yuàn)蕵?lè)領(lǐng)域的應(yīng)用四·大數(shù)據(jù)的基本處理模型四、大數(shù)據(jù)的基本處理模型一般而言數(shù)據(jù)問(wèn)題可以通過(guò)四個(gè)步驟進(jìn)行數(shù)據(jù)使用數(shù)據(jù)分析數(shù)據(jù)存儲(chǔ)數(shù)據(jù)采集這四個(gè)步驟構(gòu)成了大數(shù)據(jù)分析的基本構(gòu)架數(shù)據(jù)采集數(shù)據(jù)存儲(chǔ)數(shù)據(jù)分析數(shù)據(jù)使用大數(shù)據(jù)的采集一般分別為系統(tǒng)日志采集、網(wǎng)絡(luò)數(shù)據(jù)采集和其他數(shù)據(jù)采集。目前很多公司有自己的海量數(shù)據(jù)采集工具滿(mǎn)足每秒數(shù)百兆字節(jié)的采集和傳輸需求。（1）采集大數(shù)據(jù)處理的模型也可以被認(rèn)為數(shù)據(jù)>>信息>>知識(shí)>>智慧的金字塔模型，這是一個(gè)量級(jí)由大到小，價(jià)值由低到高的數(shù)據(jù)模型。對(duì)海量數(shù)據(jù)進(jìn)行分析時(shí)，需要把原始數(shù)據(jù)導(dǎo)入一個(gè)大型分布式的數(shù)據(jù)庫(kù)中，并且做一些簡(jiǎn)單的清洗和預(yù)處理工作。這一過(guò)程如同廚師在購(gòu)入食材以后需要清洗整理搭配的過(guò)程一樣。（2）導(dǎo)入/預(yù)處理數(shù)據(jù)挖掘是對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行各種算法的計(jì)算，從而達(dá)到預(yù)測(cè)的效果。（4）挖掘與傳統(tǒng)的數(shù)據(jù)分析不同，這一環(huán)節(jié)的統(tǒng)計(jì)分析設(shè)計(jì)的數(shù)據(jù)量大，一般采用分布式數(shù)據(jù)庫(kù)或者分布式的計(jì)算集群對(duì)海量數(shù)據(jù)進(jìn)行處理。（3）統(tǒng)計(jì)/分析智慧信息知識(shí)數(shù)據(jù)挖掘統(tǒng)計(jì)/分析導(dǎo)入/預(yù)處理采集五·大數(shù)據(jù)與人工智能的關(guān)系人工智能什么是人工智能（AI）用人工的方法在機(jī)器（計(jì)算機(jī)）上實(shí)現(xiàn)的智能；或者說(shuō)是人們使機(jī)器具有類(lèi)似于人的智能。圖靈預(yù)測(cè)2000年的時(shí)候會(huì)出現(xiàn)通過(guò)圖靈測(cè)試，具備人工智能的機(jī)器，然而直到2014年6月，一臺(tái)計(jì)算機(jī)（聊天軟件）成功讓人類(lèi)相信它是一個(gè)13歲的男孩，成為有史以來(lái)首臺(tái)通過(guò)圖靈測(cè)試的計(jì)算機(jī)。

------資料來(lái)源于《顫抖吧，人類(lèi)！》中國(guó)科技日?qǐng)?bào)2015年11月，機(jī)器依據(jù)未見(jiàn)過(guò)的書(shū)寫(xiě)系統(tǒng)（比如：藏文）中的一個(gè)字符實(shí)例，寫(xiě)出了同樣風(fēng)格的字符，說(shuō)明機(jī)器已具備迅速學(xué)寫(xiě)陌生文字的創(chuàng)造能力。

------資料來(lái)源于《Science》雜志封面新聞大數(shù)據(jù)與人工智能生活例子（預(yù)測(cè)班車(chē)的到達(dá)時(shí)間）：每天早上7點(diǎn)半班車(chē)從A地發(fā)往B地，預(yù)測(cè)到達(dá)B地的時(shí)間第一次乘坐你的預(yù)測(cè)通常不太準(zhǔn)一周之后你大概能預(yù)測(cè)：班車(chē)8點(diǎn)左右能夠到達(dá)B地一種簡(jiǎn)單的機(jī)器學(xué)習(xí)模型（決策樹(shù)模型）一個(gè)月之后隨著經(jīng)驗(yàn)的增加，你還會(huì)知道：周一常常堵車(chē)，會(huì)晚到10分鐘，下雨天常常堵車(chē)，會(huì)晚到20分鐘大數(shù)據(jù)與人工智能根據(jù)特征在水果攤買(mǎi)橙子，隨著見(jiàn)過(guò)的橙子和其他水果越來(lái)越多，辨別橙子的能力越來(lái)越強(qiáng)，不會(huì)再把香蕉當(dāng)橙子?！度斯ぶ悄芨耪摗返谒恼翧I芯片讓人工智能大腦更聰明主講教師：XXX目錄三人工智能芯片類(lèi)型一芯片基礎(chǔ)知識(shí)二人工智能對(duì)芯片的需求四國(guó)內(nèi)外AI芯片發(fā)展芯片基礎(chǔ)知識(shí)一情景導(dǎo)入你身邊哪些設(shè)備上存在有芯片？芯片基礎(chǔ)知識(shí)(一)芯片的構(gòu)成及原理(二)計(jì)算機(jī)中主要芯片類(lèi)型(三)存儲(chǔ)器芯片芯片基礎(chǔ)知識(shí)所謂微電子是相對(duì)"強(qiáng)電"、"弱電"等概念而言，指它處理的電子信號(hào)極其微小。它是現(xiàn)代信息技術(shù)的基礎(chǔ)，我們通常所接觸的電子產(chǎn)品，包括通訊、計(jì)算機(jī)、智能化系統(tǒng)、自動(dòng)控制、空間技術(shù)、電臺(tái)、電視等等都是在微電子技術(shù)的基礎(chǔ)上發(fā)展起來(lái)的。通常所說(shuō)的“芯片”是指集成電路，它是微電子技術(shù)的主要產(chǎn)品。芯片基礎(chǔ)知識(shí)（一）芯片的構(gòu)成及原理芯片的工作速度與芯片內(nèi)電路之間信號(hào)傳送路程的長(zhǎng)短有關(guān)，路程越短速度越快，反之則越慢。芯片的工作時(shí)間單位是以納秒計(jì)量的。芯片中的電路越緊密地?cái)D在一起，芯片的工作速度越快，而且由于更多的電路被設(shè)計(jì)在同樣面積的硅片上，芯片的功能更強(qiáng)。實(shí)際中芯片所做的工作都是由晶體管完成的。芯片的襯底材料是具有n-或p-型的輕摻雜質(zhì)單晶硅層。它起兩個(gè)作用，一是作為在其上面和內(nèi)部制造集成電路的物理介質(zhì)，另一作用是作為電路本身的一部分，構(gòu)成芯片核心的半導(dǎo)體電路和微型晶體管通過(guò)沉積或刻蝕直接構(gòu)建在單晶硅表面上。芯片基礎(chǔ)知識(shí)（二）計(jì)算機(jī)中主要芯片類(lèi)型微處理芯片接口芯片芯片基礎(chǔ)知識(shí)（二）計(jì)算機(jī)中主要芯片類(lèi)型微處理芯片微處理芯片，又稱(chēng)微處理器(英語(yǔ)：Microprocessor，縮寫(xiě)：μP或uP)，是可編程特殊集成電路。該芯片所有組件小型化至一塊或數(shù)塊集成電路內(nèi)，可在其一端或多端接受編碼指令，執(zhí)行此指令并輸出描述其狀態(tài)的信號(hào)。這些指令能在內(nèi)部輸入、集中或存放起來(lái)。如中央處理器，CPU芯片基礎(chǔ)知識(shí)（二）計(jì)算機(jī)中主要芯片類(lèi)型接口芯片接口，特指硬件類(lèi)接口，是指同一計(jì)算機(jī)不同功能層之間的通信規(guī)則。接口芯片是指內(nèi)有接口電路的芯片。功能特點(diǎn)有：設(shè)置數(shù)據(jù)的寄存、緩沖邏輯;進(jìn)行信息格式的轉(zhuǎn)換；協(xié)調(diào)CPU和外設(shè)兩者在信息的類(lèi)型和電平的差異設(shè)置中斷和直接存儲(chǔ)區(qū)訪(fǎng)問(wèn)控制邏輯；芯片基礎(chǔ)知識(shí)（三）存儲(chǔ)器芯片又稱(chēng)存儲(chǔ)器（Memory），是現(xiàn)代信息技術(shù)中用于保存信息的記憶設(shè)備。其概念很廣，有很多層次，在數(shù)字系統(tǒng)中，只要能保存二進(jìn)制數(shù)據(jù)的都可以是存儲(chǔ)器；在集成電路中，一個(gè)沒(méi)有實(shí)物形式的具有存儲(chǔ)功能的電路也叫存儲(chǔ)器，如RAM、FIFO等；在系統(tǒng)中，具有實(shí)物形式的存儲(chǔ)設(shè)備也叫存儲(chǔ)器，如內(nèi)存條、TF卡等。人工智能與芯片二人工智能與芯片(一)人工智能開(kāi)發(fā)應(yīng)用不同階段(二)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練階段的硬件需求(三)神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)階段的硬件需求人工智能與芯片（一）人工智能開(kāi)發(fā)應(yīng)用不同階段

訓(xùn)練預(yù)測(cè)決策訓(xùn)練過(guò)程是指在已有數(shù)據(jù)中學(xué)習(xí)，建立識(shí)別或預(yù)測(cè)某個(gè)目標(biāo)任務(wù)模型的過(guò)程；預(yù)測(cè)決策過(guò)程則是指對(duì)新的數(shù)據(jù)，使用已經(jīng)訓(xùn)練的模型完成特定任務(wù)，比如垃圾郵件分類(lèi)、人臉識(shí)別等。人工智能與芯片（二）神經(jīng)網(wǎng)絡(luò)在訓(xùn)練階段的硬件需求12神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程對(duì)精度非常依賴(lài)，因?yàn)樗苯佑绊戭A(yù)測(cè)的準(zhǔn)確度。所以，支持訓(xùn)練的硬件必須支持具有較長(zhǎng)字長(zhǎng)的浮點(diǎn)數(shù)或定點(diǎn)數(shù)。另外，神經(jīng)網(wǎng)絡(luò)算法在訓(xùn)練中通常同時(shí)包括正向和反向的計(jì)算過(guò)程，并進(jìn)行多次迭代，計(jì)算量要求非常高。這就需要支持訓(xùn)練的芯片不僅要具有強(qiáng)大的單芯片計(jì)算能力，還要具備很好的擴(kuò)展性，可以通過(guò)多芯片系統(tǒng)提供更強(qiáng)大的計(jì)算能力。人工智能與芯片（三）神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)階段的硬件需求12使用已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行預(yù)測(cè)決策時(shí)，運(yùn)算和存儲(chǔ)的需求都遠(yuǎn)遠(yuǎn)低于訓(xùn)練。但由于神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用場(chǎng)景多種多樣，模型部署的設(shè)備可以在從云到端，如數(shù)據(jù)中心、自動(dòng)駕駛汽車(chē)、智慧家庭和IoT設(shè)備等，其需求和約束呈現(xiàn)出多樣化的特點(diǎn)。對(duì)于多數(shù)應(yīng)用來(lái)說(shuō)，速度、能效、安全和硬件成本等是最重要的考慮因素，而模型的準(zhǔn)確度和數(shù)據(jù)精度則可以依具體情況適當(dāng)降低。人工智能芯片類(lèi)型三人工智能芯片類(lèi)型CPUGPUFPGAASIC類(lèi)腦仿生芯片人工智能與芯片（一）CPUCPU作為運(yùn)算和控制核心，在未來(lái)高性能計(jì)算中將更多與其他專(zhuān)用芯片搭配使用。CPU由于要兼顧運(yùn)算和控制功能，內(nèi)部大量晶體管用于構(gòu)建控制電路（比如分支預(yù)測(cè)等）和高速緩沖存儲(chǔ)器（Cache），單從運(yùn)算性能和效率上來(lái)說(shuō)并不是計(jì)算芯片的最佳選擇。由于之前人工智能高性能計(jì)算需求尚未集中出現(xiàn)，普通的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)需求用傳統(tǒng)CPU服務(wù)器也可以滿(mǎn)足。人工智能與芯片（一）CPU根據(jù)Intel內(nèi)部報(bào)告統(tǒng)計(jì)，2016年服務(wù)器市場(chǎng)中有7%被用于人工智能產(chǎn)業(yè)，其中60%用于普通機(jī)器學(xué)習(xí)，40%用于深度學(xué)習(xí)，普通機(jī)器學(xué)習(xí)中97%使用傳統(tǒng)CPU架構(gòu)，1%使用CPU+GPU架構(gòu)；深度學(xué)習(xí)中91%使用傳統(tǒng)CPU架構(gòu)，7%采用CPU+GPU架構(gòu)。未來(lái)隨著人工智能對(duì)計(jì)算性能和低能耗要求越來(lái)越高，以及GPU、FPGA、ASIC專(zhuān)用芯片等產(chǎn)品不斷成熟，CPU在人工智能專(zhuān)用計(jì)算領(lǐng)域占比預(yù)計(jì)將越來(lái)越低，但其作為計(jì)算系統(tǒng)控制核心將更多的與其他專(zhuān)用計(jì)算芯片搭配使用。主流的CPU廠商有Intel、AMD公司。人工智能與芯片（二）GPU01定義GPU又稱(chēng)顯示核心、視覺(jué)處理器、顯示芯片，是一種專(zhuān)門(mén)在個(gè)人電腦、工作站、游戲機(jī)和手機(jī)平板電腦等移動(dòng)設(shè)備上進(jìn)行圖像運(yùn)算工作的微處理器。0203功能

隨著通用計(jì)算技術(shù)發(fā)展，GPU的功能已經(jīng)不再局限于圖形處理了，在浮點(diǎn)運(yùn)算、并行計(jì)算等高性能計(jì)算方面開(kāi)始有廣泛的應(yīng)用。分類(lèi)GPU在分類(lèi)上主要分為集成顯卡和獨(dú)立顯卡。人工智能與芯片（二）GPUGPU的特點(diǎn)共享內(nèi)存結(jié)構(gòu)可提高線(xiàn)程間通信速度主流的GPU廠商：NVIDIA，AMD公司，景嘉微；移動(dòng)端GPU廠商：ARM、Imagination計(jì)算能力遠(yuǎn)超CPU高速全局內(nèi)存可進(jìn)一步提升運(yùn)算速度擁有完備的人工智能計(jì)算軟件生態(tài)并行數(shù)據(jù)處理流程大幅提高運(yùn)算能力人工智能與芯片（三）FPGAFPGA，可編程邏輯門(mén)陣列。FPGA采用了邏輯單元陣列LCA（LogicCellArray）這樣一個(gè)概念，內(nèi)部包括可配置邏輯模塊CLB（ConfigurableLogicBlock）、輸出輸入模塊IOB（InputOutputBlock）和內(nèi)部連線(xiàn)（Interconnect）三個(gè)部分。人工智能與芯片（三）FPGA可編程高性能低功耗GPU、CPU等常用計(jì)算芯片由于架構(gòu)固定，硬件原生支持的指令也是固定的。FPGA是可編程的，可以靈活地針對(duì)算法修改電路，提前把固定算法的數(shù)據(jù)流以及執(zhí)行指令寫(xiě)在硬件里，節(jié)約了指令獲取和解碼時(shí)間從而大幅提高運(yùn)算效率。FPGA供應(yīng)商：Xilinx（賽靈思）、Altera、Microsemi、Lattice、深鑒科技等公司。人工智能與芯片（四）ASICASIC，專(zhuān)用集成電路，是指應(yīng)特定用戶(hù)要求或特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路功能優(yōu)越性體積更小、功耗更低、可靠性提高、性能提高、保密性增強(qiáng)、成本低。ASIC用于專(zhuān)門(mén)的任務(wù)，比如去除噪聲的電路，播放視頻的電路。人工智能與芯片（四）ASIC-神經(jīng)網(wǎng)絡(luò)處理器神經(jīng)網(wǎng)絡(luò)處理器是ASIC專(zhuān)用電路在人工智能領(lǐng)域的應(yīng)用形態(tài)。神經(jīng)網(wǎng)絡(luò)處理器從硬件方向?qū)ι窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行模擬，把處理器內(nèi)部功能部件當(dāng)作神經(jīng)元，把內(nèi)存作為突觸，一條指令即可完成一組神經(jīng)元的處理，并對(duì)神經(jīng)元和突觸數(shù)據(jù)在芯片上的傳輸提供了一系列專(zhuān)門(mén)的支持。人工智能與芯片（四）ASIC-神經(jīng)網(wǎng)絡(luò)處理器神經(jīng)網(wǎng)絡(luò)處理器被認(rèn)為全面優(yōu)于傳統(tǒng)芯片是人工智能計(jì)算終極解決方案，華為、蘋(píng)果最新產(chǎn)品推出標(biāo)志其進(jìn)入實(shí)用化階段。谷歌公司、IBM、中國(guó)的北京寒武紀(jì)科技有限公司、北京比特大陸科技有限公司、北京地平線(xiàn)信息技術(shù)有限公司等公司也都推出了用于深度神經(jīng)網(wǎng)絡(luò)加速的ASIC芯片。人工智能與芯片（五）類(lèi)腦仿生芯片類(lèi)腦仿生芯片1類(lèi)腦仿生芯片的主流理念是采用神經(jīng)擬態(tài)工程設(shè)計(jì)的神經(jīng)擬態(tài)芯片。2神經(jīng)擬態(tài)芯片采用電子技術(shù)模擬已經(jīng)被證明的生物腦的運(yùn)作規(guī)則，從而構(gòu)建類(lèi)似于生物腦的電子芯片，即“仿生電子腦”。3類(lèi)腦放生芯片目前仍然是其技術(shù)成熟度的早期階段，但是它代表了AI芯片的一個(gè)很有前景的長(zhǎng)期方向。國(guó)內(nèi)外AI芯片戰(zhàn)略四國(guó)內(nèi)外AI芯片戰(zhàn)略Intel（一）蘋(píng)果（三）AMD（二）國(guó)內(nèi)（四）國(guó)內(nèi)外AI芯片戰(zhàn)略（一）Intel基于Nervana平臺(tái)的人工智能系列專(zhuān)用方案2016年8月開(kāi)始投入3.5億美元研發(fā)服務(wù)于DNN的Nervana軟硬件一體化平臺(tái)。在該平臺(tái)上制定了一系列的人工智能計(jì)算方案，用于不同級(jí)別的數(shù)據(jù)中心應(yīng)用。這其中包括普通機(jī)器學(xué)習(xí)、高性能需求機(jī)器學(xué)習(xí)、靈活可編程低功耗方案以及高級(jí)別深度學(xué)習(xí)領(lǐng)域。國(guó)內(nèi)外AI芯片戰(zhàn)略（一）Intel基于Nervana平臺(tái)的人工智能系列專(zhuān)用方案01普通的機(jī)器學(xué)習(xí)方案CPU方案（XEON），用于服務(wù)器和數(shù)據(jù)中心的旗艦CPU至強(qiáng)（XEON），采用SKYLAKE架構(gòu)02更高性能需求的機(jī)器學(xué)習(xí)CPU+GPU方案（XEONPHI）03可編程低功耗方案CPU+FPGA（XEON+ARRIA10）04最高級(jí)別深度學(xué)習(xí)CPU+ASIC（XEON+LAKECREST）國(guó)內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案2017年，AMD開(kāi)始和競(jìng)爭(zhēng)對(duì)手Intel展開(kāi)合作，在Intel的CPU上集成AMD的RadeonGPU。KabyLake-GCPU部分通過(guò)PCI-Ex8通道連接獨(dú)立的GPU芯片，并且還帶有HBM2高帶寬顯存。GPU部分是個(gè)單獨(dú)的芯片，通過(guò)MCM方式與KabyLake處理器整合封裝在一起，Intel標(biāo)注它是個(gè)“2-chip”樣式的產(chǎn)品。國(guó)內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案2017年8月，基于代號(hào)Vega織女星的新一代RADEONRXVEGA64GPU正式發(fā)布，在各項(xiàng)測(cè)試和應(yīng)用中性能超過(guò)英偉達(dá)Pascal系列，在DeepBench中的跑分是英偉達(dá)TeslaP100顯卡的1.38-1.51倍，Vega憑借強(qiáng)勁的性能，有望和NVIDIAPascalGP10x甚至是下一代的Volta正面對(duì)決。2017年1月，AMD公布了最新的VegaGPU架構(gòu)架構(gòu)織女星國(guó)內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案AMD還推出了CPU+GPU的異構(gòu)計(jì)算方案APU。

APU就是一種智能計(jì)算架構(gòu)，通過(guò)無(wú)縫地分配相應(yīng)的任務(wù)至適合的處理單元，使CPU、GPU和其他處理器和諧工作在單一芯片上。AMD下一代APU代號(hào)RavenRidge，官方稱(chēng)CPU性能提升50%，GPU性能提升40%，功耗降低50%，綜合性能以及能效會(huì)比之前的APU會(huì)提升一個(gè)等級(jí)，在AI時(shí)代AMD異構(gòu)計(jì)算APU架構(gòu)將會(huì)占據(jù)市場(chǎng)重要位置。國(guó)內(nèi)外AI芯片戰(zhàn)略（三）蘋(píng)果A11處理器2017年9月12日，蘋(píng)果在秋季發(fā)布會(huì)上正式推出最新移動(dòng)芯片A11Bionic。A11芯片擁有六個(gè)核心和43億個(gè)晶體管，與A10Fusion芯片相比，兩個(gè)性能核心的速度提升最高可達(dá)25%，四個(gè)能效核心的速度提升最高可達(dá)70%。當(dāng)需要提升處理速度時(shí)，第二代性能控制器能同時(shí)發(fā)揮全部六個(gè)核心的性能最高提升70%。國(guó)內(nèi)外AI芯片戰(zhàn)略（三）蘋(píng)果A11處理器除了強(qiáng)大的CPU和GPU，A11另一大亮點(diǎn)是其搭載的“A11生物神經(jīng)網(wǎng)絡(luò)引擎”（A11bionicneuralengine）芯片，該芯片采用雙核設(shè)計(jì)，每秒運(yùn)算次數(shù)最高可達(dá)6000億次。該芯片主要用于機(jī)器學(xué)習(xí)任務(wù)，賦能的最重要工作是FaceID身份認(rèn)證功能，可以快速識(shí)別人臉從而解鎖iPhoneX或進(jìn)行購(gòu)物。A11內(nèi)置了蘋(píng)果自研的最新GPU，圖形處理速度較A10提升了30%，功耗降低了一半。國(guó)內(nèi)外AI芯片戰(zhàn)略（四）中國(guó)AI芯片發(fā)展現(xiàn)狀海外國(guó)家對(duì)芯片技術(shù)管控嚴(yán)格美歐等發(fā)達(dá)國(guó)家出于安全和技術(shù)保護(hù)對(duì)我國(guó)高端芯片進(jìn)口以及技術(shù)獲取設(shè)置了各種障礙，并多次阻止中國(guó)企業(yè)和基金收購(gòu)海外芯片業(yè)務(wù)，中國(guó)人工智能?chē)?guó)產(chǎn)芯片相對(duì)薄弱人工智能三大要素中唯獨(dú)在計(jì)算能力的基石——智能計(jì)算芯片領(lǐng)域，我國(guó)還嚴(yán)重依賴(lài)海外產(chǎn)品：目前國(guó)內(nèi)CPU、GPU民用市場(chǎng)幾部被Intel、AMD和NVIDIA三家巨頭全部占據(jù)。國(guó)內(nèi)外AI芯片戰(zhàn)略（四）中國(guó)AI芯片發(fā)展現(xiàn)狀寒武紀(jì)新興的人工智能ASIC專(zhuān)用芯片領(lǐng)域國(guó)內(nèi)技術(shù)處于比較領(lǐng)先的地位。全球第一個(gè)成功流片并擁有成熟產(chǎn)品的智能芯片公司，主要產(chǎn)品是各類(lèi)智能云服務(wù)器、智能終端以及智能機(jī)器人的核心處理器芯片。國(guó)內(nèi)外AI芯片戰(zhàn)略（四）中國(guó)AI芯片發(fā)展現(xiàn)狀寒武紀(jì)世界首款商用深度學(xué)習(xí)處理器CAMBRICON-1A系列IP產(chǎn)品可授權(quán)集成到手機(jī)、安防、可穿戴設(shè)備、無(wú)人機(jī)、智能駕駛、智能機(jī)器人等終端芯片中，華為發(fā)布全球首款手機(jī)AI芯片麒麟970，搭載的NPU據(jù)稱(chēng)正是寒武紀(jì)科技的CAMBRICON-1A處理器。終端作為PCIE加速卡插在云服務(wù)器上，主要面向中科曙光、浪潮信息等服務(wù)器廠商智能云服務(wù)器芯片國(guó)內(nèi)外AI芯片戰(zhàn)略（四）中國(guó)AI芯片發(fā)展現(xiàn)狀華為2017201820192017年9月2日，華為在德國(guó)IFA發(fā)布全球首款麒麟970移動(dòng)計(jì)算平臺(tái)，搶先一步占領(lǐng)AI芯片制高點(diǎn)。2019年5月17日，由于華為被美國(guó)商務(wù)部列入管制“實(shí)體名單”，將無(wú)法向美國(guó)企業(yè)購(gòu)買(mǎi)元器件，華為宣布全面使用自主研發(fā)的芯片，進(jìn)行科技自立。2018年8月31日，華為于德國(guó)柏林IFA2108發(fā)布新一代麒麟芯片——麒麟980，這是全球首款商用7nmSoC，代表著麒麟芯片的最高水平。國(guó)內(nèi)外AI芯片戰(zhàn)略（四）中國(guó)AI芯片發(fā)展現(xiàn)狀百度2017年3月30日，百度發(fā)布DuerOS智慧芯片。這款芯片搭載了DuerOS對(duì)話(huà)式人工智能操作系統(tǒng)，可以賦予輕量級(jí)設(shè)備可對(duì)話(huà)的能力百度智慧芯片已將DuerOS與紫光展銳RDA5981進(jìn)行了集成，使其具有低功耗、低成本的特點(diǎn)，習(xí)題專(zhuān)用神經(jīng)網(wǎng)絡(luò)處理器芯片屬于以下哪種類(lèi)型的芯片（）A.CPUB.FPGAC.GPUD.ASIC單選題正確答案：D《人工智能概論》第五章人工智能讓生活更便捷主講教師：XXX目錄01智能購(gòu)物03智能出行05智能語(yǔ)音助手02智能閱讀04智能健康管理06智能翻譯01智能購(gòu)物情景導(dǎo)入你身邊哪些設(shè)備上存在有芯片？討論：對(duì)未來(lái)購(gòu)物有哪些憧憬？智能購(gòu)物智能購(gòu)物指的是一切可以讓購(gòu)物行為變得更便捷、更智能的人工智能技術(shù)展現(xiàn)形式。大型購(gòu)物超市室內(nèi)定位導(dǎo)航。嵌入式系統(tǒng)為顧客提供個(gè)性化商品推薦RFID技術(shù)，輕松查詢(xún)商品和結(jié)算繳費(fèi)智能購(gòu)物（一）現(xiàn)狀人工智能融入購(gòu)物的背景下，消費(fèi)者可以同時(shí)體驗(yàn)到現(xiàn)場(chǎng)挑選的樂(lè)趣和網(wǎng)上購(gòu)物的便捷，零售商店乃至整個(gè)供應(yīng)鏈也可以實(shí)現(xiàn)多種商品及客戶(hù)管理需求。改變了商品的分銷(xiāo)結(jié)構(gòu)和供應(yīng)鏈智能分析消費(fèi)者行為數(shù)據(jù)，智能推送無(wú)人超市消費(fèi)端的智能體驗(yàn)暫時(shí)沒(méi)有普及智能購(gòu)物查一查，想一想：RFID技術(shù)在哪些領(lǐng)域得到了應(yīng)用，其主要優(yōu)點(diǎn)和缺點(diǎn)分別是什么？（二）智能購(gòu)物的技術(shù)原理—RFID不同的智能購(gòu)物展現(xiàn)形式背后所應(yīng)用的技術(shù)各有不同，以智能購(gòu)物車(chē)自動(dòng)結(jié)算為例，了解一下RFID的工作原理。RFID（射頻識(shí)別）是一種無(wú)線(xiàn)通信技術(shù)，可以通過(guò)無(wú)線(xiàn)電訊號(hào)識(shí)別特定目標(biāo)并讀寫(xiě)相關(guān)數(shù)據(jù)，而無(wú)需識(shí)別系統(tǒng)與特定目標(biāo)之間建立機(jī)械或者光學(xué)接觸。非接觸識(shí)別，閱讀速度極快定義優(yōu)點(diǎn)智能購(gòu)物（二）智能購(gòu)物的技術(shù)原理—RFID智能購(gòu)物（三）應(yīng)用案例——智能購(gòu)物車(chē)智能購(gòu)物車(chē)以芯片為核心控制系統(tǒng)，由閱讀器、重量傳感器模塊、無(wú)線(xiàn)通信模塊和語(yǔ)音模塊等構(gòu)成，完成定位導(dǎo)航、商品查詢(xún)、即時(shí)支付、個(gè)性化推薦等功能，嵌入式系統(tǒng)的液晶觸摸屏則提供人機(jī)交互服務(wù)討論分別從商家和消費(fèi)者的角度，談一談智能購(gòu)物車(chē)的優(yōu)勢(shì)？智能購(gòu)物（三）應(yīng)用案例——魔鏡“魔鏡”是一臺(tái)“58英寸的等離子顯示器”，借助3D技術(shù)來(lái)判斷顧客的身材和離攝像機(jī)的遠(yuǎn)近，為鏡前的顧客在鏡中“穿”上他想試穿的衣服。技術(shù)運(yùn)動(dòng)感應(yīng)器和增強(qiáng)現(xiàn)實(shí)技術(shù)智能購(gòu)物京東無(wú)人倉(cāng)采用大量智能物流機(jī)器人進(jìn)行協(xié)同與配合，通過(guò)人工智能、深度學(xué)習(xí)、圖像智能識(shí)別、大數(shù)據(jù)應(yīng)用等技術(shù)，讓工業(yè)機(jī)器人可以進(jìn)行自主的判斷和行為，完成各種復(fù)雜的任務(wù)，在商品分揀、運(yùn)輸、出庫(kù)等環(huán)節(jié)實(shí)現(xiàn)自動(dòng)化。作業(yè)無(wú)人化運(yùn)營(yíng)數(shù)字化決策智能化（三）應(yīng)用案例——京東無(wú)人倉(cāng)習(xí)題實(shí)現(xiàn)顧客在查詢(xún)商品和結(jié)算繳費(fèi)時(shí)，無(wú)需逐個(gè)掃描，實(shí)現(xiàn)自動(dòng)結(jié)算的技術(shù)基礎(chǔ)是：（）A.NFC技術(shù)B.RFID技術(shù)C.移動(dòng)支付技術(shù)D.NLP技術(shù)單選題正確答案：B02智能閱讀智能閱讀（一）現(xiàn)狀用戶(hù)在信息時(shí)代面臨著大量的信息和數(shù)據(jù)，信息過(guò)載問(wèn)題逐漸困擾著我們，在面對(duì)海量信息時(shí)常常無(wú)法從中獲得對(duì)自己真正有用信息，信息的有效性反而降低了。信息過(guò)濾系統(tǒng)，預(yù)測(cè)用戶(hù)行為基于用戶(hù)畫(huà)像對(duì)用戶(hù)做出的一系列反饋背景智能閱讀（二）智能閱讀的技術(shù)原理——智能推薦基于內(nèi)容的推薦算法1原理是在用戶(hù)喜歡和自己關(guān)注過(guò)的項(xiàng)目的基礎(chǔ)上推薦內(nèi)容類(lèi)似的項(xiàng)目。2協(xié)同過(guò)濾算法原理是用戶(hù)喜歡那些具有相似興趣的用戶(hù)喜歡過(guò)的商品3基于知識(shí)的推薦算法比較典型的是構(gòu)建領(lǐng)域本體，或者是建立一定的規(guī)則進(jìn)行推薦4混合推薦算法則會(huì)融合以上方法，以加權(quán)或者串聯(lián)、并聯(lián)等方式融合查一查，想一想：與人工推薦相比，智能推薦有哪些優(yōu)勢(shì)？智能閱讀（三）應(yīng)用案例——今日頭條智能推薦今日頭條的個(gè)性化推薦引擎，能夠根據(jù)用戶(hù)的興趣、位置等多個(gè)維度進(jìn)行個(gè)性化推薦，推薦內(nèi)容包括新聞、音樂(lè)、電影、游戲、購(gòu)物，等等。原理今日頭條的個(gè)性化推薦算法是基于投票的方法，其核心理念就是投票。個(gè)性化推薦并不是機(jī)器給用戶(hù)推薦，而是用戶(hù)之間在互相推薦智能閱讀（三）應(yīng)用案例——網(wǎng)易音樂(lè)歌單智能推薦基于用戶(hù)基于用戶(hù)就是如果用戶(hù)間收藏的歌單相似度很高，那么在判斷用戶(hù)口味相似的基礎(chǔ)上，可以給對(duì)方推薦己方歌單里他沒(méi)收藏過(guò)的單曲。基于歌曲基于歌曲就是將用戶(hù)對(duì)一首歌的偏好作為向量計(jì)算單曲之間的相似度，比對(duì)相似度后，根據(jù)這個(gè)用戶(hù)歷史偏好為另一位用戶(hù)推薦單曲。協(xié)同過(guò)濾算法智能閱讀（三）應(yīng)用案例——搜狗AI主播2019年現(xiàn)身于央視的AI主播名叫“姚小松”，是由搜狗AI成功與央視合作開(kāi)發(fā)的。這位AI主播的形象和聲音以央視主持人姚雪松為原型，與真人并無(wú)二異。在我們大眾看來(lái)，他不僅能像真人一樣播報(bào)新聞，甚至毛發(fā)牙齒都清晰可見(jiàn)。習(xí)題幫助用戶(hù)在大量繁雜的信息中獲取真實(shí)有用信息的人工智能應(yīng)用是（）。A.智能購(gòu)物B.智能閱讀C.智能翻譯D.智能語(yǔ)音助手單選題正確答案：B03智能出行智能出行（一）現(xiàn)狀設(shè)備數(shù)量增加后，設(shè)備故障問(wèn)題尤其突出智能交通系統(tǒng)規(guī)模擴(kuò)大后，系統(tǒng)可靠性與穩(wěn)定性也需要保證數(shù)據(jù)質(zhì)量不高限制了智能交通業(yè)務(wù)高水平的擴(kuò)展應(yīng)用信息安全隱患智能出行（二）智能出行的技術(shù)原理從產(chǎn)業(yè)變革的角度出發(fā)，如科技谷推出的智能出行大腦，依托于豐富的民航和鐵路大數(shù)據(jù)領(lǐng)域知識(shí)，運(yùn)用人工智能技術(shù)，實(shí)現(xiàn)旅客和航線(xiàn)知識(shí)的學(xué)習(xí)、推理、遷移和管理的大型行業(yè)應(yīng)用。智能出行（二）智能出行的技術(shù)原理從交通工具的角度出發(fā)，無(wú)論是飛機(jī)的自動(dòng)駕駛，還是汽車(chē)的自動(dòng)駕駛，都具備一個(gè)基本的技術(shù)概念模型，包括了感知單元、決策單元、控制單元。智能出行（三）應(yīng)用案例——谷歌無(wú)人駕駛汽車(chē)2014年，一輛嶄新的、長(zhǎng)著可愛(ài)的卡通版身軀的谷歌無(wú)人駕駛汽車(chē)在著名的谷歌X實(shí)驗(yàn)室問(wèn)世。這輛汽車(chē)除了萌萌的造型之外，最大的與眾不同之處在于，這是一輛完全不需要人工干預(yù)的自動(dòng)駕駛汽車(chē)，它沒(méi)有方向盤(pán)，沒(méi)有油門(mén)，沒(méi)有剎車(chē)踏板，乘客只要上車(chē)，說(shuō)出自己要抵達(dá)的目的地，就可以享受世界上第一輛完全意義上的“無(wú)人駕駛”汽車(chē)的周到服務(wù)。智能出行（三）應(yīng)用案例——ADAS高級(jí)駕駛輔助系統(tǒng)ADAS（AdvancedDrivingAssistantSystem）高級(jí)駕駛輔助系統(tǒng)是利用安裝在車(chē)上的各式各樣傳感器，在汽車(chē)行駛過(guò)程中隨時(shí)來(lái)感應(yīng)周?chē)沫h(huán)境，收集數(shù)據(jù)，進(jìn)行靜態(tài)、動(dòng)態(tài)物體的辨識(shí)、偵測(cè)與追蹤，并結(jié)合導(dǎo)航儀地圖數(shù)據(jù)，進(jìn)行系統(tǒng)的運(yùn)算與分析，從而預(yù)先讓駕駛者察覺(jué)到可能發(fā)生的危險(xiǎn)，有效增加汽車(chē)駕駛的舒適性和安全性。智能出行（三）應(yīng)用案例——ADAS高級(jí)駕駛輔助系統(tǒng)ADAS高級(jí)駕駛輔助系統(tǒng)實(shí)用功能非常多，而且根據(jù)車(chē)主不同需求選擇實(shí)用功能，以歐果G2智能HUD行車(chē)安全助手為例，ADAS系統(tǒng)主要包含三大實(shí)用功能：車(chē)道偏移預(yù)警前距防撞預(yù)警前車(chē)啟動(dòng)提醒智能出行（三）應(yīng)用案例——L5等級(jí)自動(dòng)駕駛04智能健康管理智能健康管理（一）現(xiàn)狀2017年人工智能在智能導(dǎo)診、語(yǔ)音電子病歷、影像輔助診斷等環(huán)節(jié)所表現(xiàn)出的能力，可以將醫(yī)生從繁重的重復(fù)性勞動(dòng)中掙脫出來(lái)，為解決醫(yī)療資源不平衡提供了新思路人工智能必須有大數(shù)據(jù)的支撐，尤其健康醫(yī)療領(lǐng)域，缺少高質(zhì)量數(shù)據(jù)支撐是無(wú)法得出可靠結(jié)論的與其他人工智能應(yīng)用相比，健康醫(yī)療人工智能還會(huì)涉及到道理倫理和法理的挑戰(zhàn)智能健康管理（二）智能健康管理的技術(shù)原理智能健康管理的技術(shù)原理以可穿戴傳感器為例?？纱┐鱾鞲衅魍ㄟ^(guò)集成到智能手環(huán)和貼片的方式可以產(chǎn)生與人體健康相關(guān)的生物分子數(shù)據(jù)，當(dāng)大量的數(shù)據(jù)被收集之后，人工智能就可應(yīng)用在數(shù)據(jù)分析上，用來(lái)揭示其與健康狀況之間存在的聯(lián)系，為個(gè)人化即時(shí)診斷和疾病預(yù)防提供了巨大潛力。人們用可穿戴式智能設(shè)備，可以隨時(shí)隨地做汗液檢測(cè)，得到如血液檢測(cè)一般豐富有用的健康數(shù)據(jù)，7×24小時(shí)監(jiān)測(cè)你的健康狀況。智能健康管理（三）應(yīng)用案例——汗液傳感器KenzenPatch是Kenzen推出的新一代汗液傳感器，它貼在人體皮膚上，外型小巧、可以彎曲。它結(jié)合了傳感器和人工智能預(yù)測(cè)模型，來(lái)監(jiān)測(cè)人體的指標(biāo)，包括心率、出汗率、體溫和活動(dòng)狀況。Kenzen的傳感器會(huì)把數(shù)據(jù)實(shí)時(shí)傳輸?shù)绞謾C(jī)上，我們可以通過(guò)App實(shí)時(shí)看到自己的身體狀況、健康建議和健康預(yù)警；相應(yīng)的醫(yī)護(hù)人員也可以看到我們的健康狀況。智能健康管理（三）應(yīng)用案例——虛擬分身人工智能分析患者數(shù)據(jù)患者的虛擬分身類(lèi)似于一個(gè)搜集所有患者數(shù)據(jù)并隨時(shí)進(jìn)行分析跟進(jìn)的人工智能系統(tǒng)。隨著人工智能算力的提高，可以產(chǎn)生的數(shù)據(jù)量也會(huì)增加，從而提高數(shù)據(jù)的價(jià)值，可以對(duì)個(gè)人和社會(huì)的健康狀況提供更好的診斷，由虛擬分身實(shí)時(shí)分析數(shù)據(jù)與醫(yī)生分析有限的數(shù)據(jù)相比，能獲得更高的價(jià)值和更準(zhǔn)確的結(jié)果。7X24模式提供醫(yī)療照顧虛擬分身還可以基于現(xiàn)有數(shù)據(jù)的分析確定是否需要額外的數(shù)據(jù)以及需要什么類(lèi)型的數(shù)據(jù)，如果患者的健康趨勢(shì)是負(fù)面的，那么醫(yī)生或?qū)＜铱梢栽L(fǎng)問(wèn)患者的虛擬分身來(lái)確定需要采取什么措施，在人工智能的幫助下，虛擬分身自己也可以執(zhí)行類(lèi)似的診斷任務(wù)。虛擬分身的效率在于分析數(shù)據(jù)，提供的反饋可以比醫(yī)生提供的數(shù)據(jù)更有效。通過(guò)虛擬分身，一個(gè)人可以每周7天、每天24小時(shí)都得到醫(yī)療照顧。智能健康管理（三）應(yīng)用案例——精神狀況監(jiān)測(cè)利用基于人工智能的三維圖像識(shí)別，可以觀察到人的身體行為，隨著圖像傳感器和其他傳感器的能力進(jìn)一步增強(qiáng)，還可以監(jiān)測(cè)人的內(nèi)部生命體征，這里也包括了人的精神狀況。精神狀況監(jiān)測(cè)化學(xué)不平衡優(yōu)化方案數(shù)據(jù)識(shí)別人工智能05智能語(yǔ)音助手智能語(yǔ)音助手（一）現(xiàn)狀智能語(yǔ)音系統(tǒng)經(jīng)過(guò)60多年的發(fā)展，已經(jīng)達(dá)到了能夠讓人與電子設(shè)備順暢對(duì)話(huà)的水平，落實(shí)了商業(yè)化用途，已經(jīng)被廣泛應(yīng)用于我們的生活中。目前在智能家居、智能車(chē)載、兒童終端、服務(wù)等領(lǐng)域均有了迅猛發(fā)展。作為最早落地的人工智能技術(shù)，無(wú)論是產(chǎn)業(yè)模式、創(chuàng)新能