《計算機應用基礎》課件-8.1 人工智能與機器學習

8.1人工智能與機器學習本模塊將學習我們一起來學習人工智能與機器學習。計算機應用基礎計算機應用基礎在計算機中，人工智能的加入，讓教育變得更加精準。教育更精準計算機人工智能人工智能與機器學習以科大訊飛等人工智能企業(yè)的落地情況，展示了我國在人工智能應用領域的明顯優(yōu)勢。我國人工智能應用領域的明顯優(yōu)勢人工智能企業(yè)截至2022年5月31日，訊飛開放平臺已開放493項AI產品及能力，在此基礎上推出覆蓋多個行業(yè)的智能產品及服務。人工智能企業(yè)開放493項AI產品及能力智能產品智能服務在智慧教育領域，提供精準教學、智慧考試、高效管理、創(chuàng)新教育等服務，智慧教育領域精準教學智慧考試創(chuàng)新教育高效管理助力構建智能化教學環(huán)境，提供教學、學情、管理數(shù)據(jù)分析，協(xié)助實現(xiàn)因材施教。構建智能化教學環(huán)境提供教學、學情、管理數(shù)據(jù)分析協(xié)助實現(xiàn)因材施教智慧教育領域當前信息技術已呈現(xiàn)明顯的趨勢性變化。特別是信息基礎設施的完善和用戶消費習慣的改變，使得信息技術成為人類生產生活越來越離不開的基礎平臺，信息技術趨勢性變化完善基礎設施改變消費習慣生活離不開的基礎平臺人工智能等新一代信息技術已成為各國競爭的新舞臺。新一代信息技術成為各國競爭的新舞臺信息技術一、人工智能人工智能與機器學習01人工智能02機器學習人工智能與機器學習02機器學習01人工智能人工智能的應用越來越廣泛，與我們的生活關系也越來越密切，影響也越來越深遠，其中很多已進入尋常百姓家，人工智能應用廣泛已進入尋常百姓家如無人機、網(wǎng)約車平臺、自動導航、智能家電、電商推薦、人機對話機器人等。無人機網(wǎng)約車平臺自動導航智能家電電商推薦人機對話機器人人工智能（ArtificialIntelligence），英文縮寫為AI，人工智能英文縮寫AI人工智能的概述01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、技術及應用系統(tǒng)的一門新的技術科學.人工智能模擬、延伸和擴展人的智能一門新的技術科學人工智能的概述01早在1950年，阿蘭·圖靈就提出了圖靈測試機，大意是將人和機器放在一個小黑屋里與屋外的人對話，如果屋外的人分不清對話者是人類還是機器，那么這臺機器就擁有像人一樣的智能。隨后，在1956年的達特茅斯會議上，“人工智能”的概念被首次提出。1959年，第一臺工業(yè)機器人誕生；1964年，首臺聊天機器人也誕生了。由于當時計算能力的嚴重不足，在20世紀70年代，人工智能迎來了第一個寒冬。人工智能的發(fā)展史021950年1956年1959年1964年

阿蘭·圖靈提出圖靈測試機，大意是將人和機器放在一個小黑屋里與屋外的人對話，如果屋外的人分不清對話者是人類還是機器，那么這臺機器就擁有像人一樣的智能

達特茅斯會議上，“人工智能”的概念被首次提出第一臺工業(yè)機器人誕生首臺聊天機器人誕生。由于當時計算能力的嚴重不足，在20世紀70年代，人工智能迎來第一個寒冬。在1980年，卡內基梅隆大學設計出了第一套專家系統(tǒng)——XCON，然而隨著專家系統(tǒng)的應用領域越來越廣，問題也逐漸暴露出來。專家系統(tǒng)應用有限，且經常在常識性問題上出錯，因此人工智能迎來了第二個寒冬。1997年，IBM公司的“深藍”計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，成為人工智能史上的一個重要的里程碑。2006年，大型圖像數(shù)據(jù)集ImageNet完成構建，圖像識別大賽由此拉開帷幕。人工智能的發(fā)展史021980年1997年2006年

卡內基梅隆大學設計出了第一套專家系統(tǒng)——XCON，然而隨著專家系統(tǒng)的應用領域越來越廣，問題暴露出來。專家系統(tǒng)應用有限，在常識性問題上出錯，人工智能迎來第二個寒冬。

IBM公司的“深藍”計算機戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫，成為人工智能史上的一個重要的里程碑。

大型圖像數(shù)據(jù)集ImageNet完成構建，圖像識別大賽由此拉開帷幕。人工智能是對人的意識、思維的信息過程的模擬，但不是人的智能，能像人那樣思考、也可能超過人的智能。人工智能的應用03對人的智能的模擬不是人的智能可能超過人的智能人工智能有許多方法用于開發(fā)和構建人工智能系統(tǒng)，主要包括以下幾種。人工智能方法04機器學習深度學習貝葉斯網(wǎng)絡遺傳算法機器學習。人工智能的這一分支使用統(tǒng)計方法和算法來發(fā)現(xiàn)模式，并“訓練”系統(tǒng)在沒有明確編程的情況下做出預測或決策。它可能包括有監(jiān)督和半監(jiān)督的機器學習（包括分類和標簽）和無監(jiān)督的機器學習（僅使用數(shù)據(jù)輸入，不使用人類應用的標簽）。機器學習深度學習貝葉斯網(wǎng)絡使用統(tǒng)計和算法發(fā)現(xiàn)模式，“訓練”系統(tǒng)在無明確編程的情況下預測或決策有監(jiān)督和半監(jiān)督的機器學習（包括分類和標簽）和無監(jiān)督的機器學習（僅使用數(shù)據(jù)輸入，不使用人類應用的標簽）人工智能方法04深度學習。這種方法依靠人工神經網(wǎng)絡模擬來近似人腦的神經。深度學習系統(tǒng)對于發(fā)展計算機視覺、語音識別、機器翻譯、社會網(wǎng)絡過濾、電子游戲、醫(yī)學診斷等具有特別重要的價值。深度學習機器學習貝葉斯網(wǎng)絡依靠人工神經網(wǎng)絡模擬人腦的神經發(fā)展計算機視覺、語音識別、機器翻譯、社會網(wǎng)絡過濾、電子游戲、醫(yī)學診斷等具有特別重要的價值人工智能方法04貝葉斯網(wǎng)絡。這些系統(tǒng)依賴于概率圖形模型，這些模型使用隨機變量和條件獨立性來更好地理解和處理事物之間的關系，例如藥物和副作用。貝葉斯網(wǎng)絡機器學習深度學習依賴概率圖形模型，模型使用隨機變量和條件獨立性來理解和處理事物之間的關系例如:

藥物和副作用遺傳算法人工智能方法04遺傳算法。這些搜索算法利用自然選擇后建模的啟發(fā)式方法，使用變異模型和交叉技術來解決復雜的生物挑戰(zhàn)和其他問題。遺傳算法機器學習深度學習搜索算法利用自然選擇后建模的啟發(fā)式方法，使用變異模型和交叉技術來解決復雜的生物挑戰(zhàn)和其他問題貝葉斯網(wǎng)絡人工智能方法04二、機器學習我們一起來認識機器學習。人工智能與機器學習02機器學習01人工智能機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，特別是如何在經驗學習中改善具體算法的性能。機器學習機器學習的概述01機器學習是人工智能的科學主要研究人工智能如何改善算法的性能概率論統(tǒng)計學逼近論凸分析算法復雜度理論機器學習還是一門多領域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。機器學習是多領域交叉學科機器學習的概述01專門研究計算機怎樣模擬或實現(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構使之不斷改善自身的性能。研究計算機模擬人類的學習行為獲取新的知識或技能機器學習的概述01重組知識結構不斷改善自身的性能機器學習是人工智能的核心，是使計算機具有智能的根本途徑。是人工智能的核心，是計算機有智能的途徑機器學習的概述01推動我國關鍵核心技術不斷突破，數(shù)字經濟蓬勃發(fā)展，信息基礎設施實現(xiàn)代際跨越大數(shù)據(jù)環(huán)境下機器學習的研究方面：研究如何有效利用信息決策樹隨機森林人工神經網(wǎng)絡貝葉斯學習獲取隱藏的、有效的、可理解的知識【3539836科技線條人工智能機器人AE模版】/video/BV17K411p7cK/?share_source=copy_web&vd_source=d31725100b5c6b8854450e4ef87daf65機器學習基于數(shù)據(jù)，并以此獲取新知識、新技能。它的任務有很多，分類是其基本任務之一。機器學習的基本任務03機器學習基于數(shù)據(jù)新知識新技能分類是基本任務分類就是將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征，如果目標特征為連續(xù)型，則往往采用回歸方法?；貧w是對新目標特征進行預測，是機器學習中使用非常廣泛的方法之一。機器學習的基本任務03將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征分類連續(xù)型用回歸方法分類就是將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征，如果目標特征為連續(xù)型，則往往采用回歸方法。回歸是對新目標特征進行預測，是機器學習中使用非常廣泛的方法之一。機器學習的基本任務03將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征分類對新目標特征進行預測，是機器學習中使用非常廣泛的方法回歸分類和回歸，都是先根據(jù)標簽值或目標值建立模型或規(guī)則，然后利用這些帶有目標值的數(shù)據(jù)形成的模型或規(guī)則，對新數(shù)據(jù)進行識別或預測。這兩種方法都屬于監(jiān)督學習。機器學習的基本任務03將新數(shù)據(jù)劃分到合適的類別中，一般用于類別型的目標特征分類對新目標特征進行預測，是機器學習中使用非常廣泛的方法回歸根據(jù)標簽值建立模型利用模型，識別新數(shù)據(jù)監(jiān)督學習與監(jiān)督學習相對的是無監(jiān)督學習，無監(jiān)督學習不指定目標值或預先無法知道目標值，它可以把相似或相近的數(shù)據(jù)劃分到相同的組里，聚類就是解決這一類問題的方法之一。機器學習的基本任務03不指定目標值或預先無法知道目標值，把相似或相近的數(shù)據(jù)劃分到相同的組里，聚類就是解決這一類問題的方法無監(jiān)督學習4.機器學習的應用：機器學習應用廣泛，無論是在軍事領域還是民用領域，都有機器學習算法施展的機會，主要包括數(shù)據(jù)分析與挖掘、模式識別、基因工程等多個