《人工智能基礎(chǔ)》課件-AI的前世今生：她從哪里來(lái)

AI的前世今生：她從哪里來(lái)——

4.1追本溯源：什么是AI人工智能2人工智能（ArtificialIntelligence），英文縮寫為AI，它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能3人工智能是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)?！度斯ぶ悄軜?biāo)準(zhǔn)化白皮書2018》人工智能4人工智能的概念很寬，種類也很多。通常，按照水平高低，人工智能可以分成三大類：弱人工智能強(qiáng)人工智能超人工智能4.1.1弱人工智能（WeakAI）5弱人工智能是指不能真正實(shí)現(xiàn)推理和解決問題的智能機(jī)器，這些機(jī)器表面看像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。迄今為止的人工智能系統(tǒng)都還是實(shí)現(xiàn)特定功能的專用智能，目前還是弱人工智能。4.1.1弱人工智能（WeakAI）6谷歌的AlphaGo和AlphaGoZero就是典型“弱人工智能”思考與討論7你還知道哪些弱人工智能的例子？4.1.2強(qiáng)人工智能（StrongAI）8強(qiáng)人工智能是指真正能思維的智能機(jī)器，并且認(rèn)為這樣的機(jī)器是有知覺的和自我意識(shí)的，這類機(jī)器可分為類人與非類人兩大類。9“強(qiáng)人工智能”一詞最初是約翰·羅杰斯·希爾勒針對(duì)計(jì)算機(jī)和其它信息處理機(jī)器創(chuàng)造的，其定義為：“強(qiáng)人工智能觀點(diǎn)認(rèn)為計(jì)算機(jī)不僅是用來(lái)研究人的思維的一種工具；相反，只要運(yùn)行適當(dāng)?shù)某绦?，?jì)算機(jī)本身就是有思維的?！?.1.2強(qiáng)人工智能（StrongAI）強(qiáng)人工智能理論10強(qiáng)人工智能的爭(zhēng)論要點(diǎn)是：如果一臺(tái)機(jī)器的唯一工作原理就是轉(zhuǎn)換編碼數(shù)據(jù)，那么這臺(tái)機(jī)器是不是有思維的？希爾勒認(rèn)為這是不可能的。他舉了個(gè)中文房間的例子來(lái)說(shuō)明，如果機(jī)器僅僅是轉(zhuǎn)換數(shù)據(jù)，而數(shù)據(jù)本身是對(duì)某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實(shí)際事情之間的對(duì)應(yīng)關(guān)系的前提下，機(jī)器不可能對(duì)其處理的數(shù)據(jù)有任何理解。11在超人工智能階段，人工智能已經(jīng)跨過(guò)“奇點(diǎn)”，其計(jì)算和思維能力已經(jīng)遠(yuǎn)超人腦。此時(shí)的人工智能已經(jīng)不是人類可以理解和想象。人工智能將打破人腦受到的維度限制，其所觀察和思考的內(nèi)容，人腦已經(jīng)無(wú)法理解，人工智能將形成一個(gè)新的社會(huì)。4.1.3超人工智能（SuperAI）思考與討論12說(shuō)一說(shuō)你所期待的超人工智能時(shí)代？拓展視野13人工智能的研究目標(biāo)：1．對(duì)智能行為有效解釋的理論分析。2．解釋人類智能。3．構(gòu)造智能的人工制品。

AI的前世今生：她從哪里來(lái)——

4.2一波三折：AI發(fā)展三次浪潮15人工智能的起源161950年，馬文·明斯基與同學(xué)鄧恩·埃德蒙一起，建造了世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)，被看做是人工智能的一個(gè)起點(diǎn)。1956年夏天，美國(guó)達(dá)特茅斯學(xué)院舉行了歷史上第一次人工智能研討會(huì)，被認(rèn)為是人工智能誕生的標(biāo)志。4.2.1理論的革新——人工智能的第一次高潮期17在研究人工智能的初期,受到顯著成果和樂觀精神驅(qū)使的很多美國(guó)大學(xué)，如：麻省理工大學(xué)、卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)和愛丁堡大學(xué)，都很快建立了人工智能項(xiàng)目及實(shí)驗(yàn)室,同時(shí)他們獲得來(lái)自APRA（美國(guó)國(guó)防高級(jí)研究計(jì)劃署）等政府機(jī)構(gòu)提供的大批研發(fā)資金。4.2.1理論的革新——人工智能的第一次高潮期181959年，德沃爾與美國(guó)發(fā)明家約瑟夫·英格伯格聯(lián)手制造出第一臺(tái)工業(yè)機(jī)器人，成立了世界上第一家機(jī)器人制造工廠——Unimation公司。第一代機(jī)器人更像“機(jī)器”，通過(guò)計(jì)算機(jī)控制一個(gè)自由度很高的機(jī)械，反復(fù)重復(fù)人類教授的動(dòng)作，并對(duì)外界環(huán)境沒有任何感知。4.2.1理論的革新——人工智能的第一次高潮期191965年，約翰·霍普金斯大學(xué)應(yīng)用物理實(shí)驗(yàn)室研制出Beast機(jī)器人。Beast能通過(guò)聲納系統(tǒng)、光電管等裝置，根據(jù)環(huán)境校正自己的位置。隨后開始興起研究“有感覺”的機(jī)器人，這意味著人工智能的研發(fā)又向前邁進(jìn)了一步。人工智能第一次低谷期20計(jì)算機(jī)性能不足問題的復(fù)雜性數(shù)據(jù)嚴(yán)重缺失人工智能面臨的技術(shù)瓶頸拓展視野21圖靈與圖靈測(cè)試：有一臺(tái)機(jī)器和一個(gè)人，都被放置在黑屋子里，測(cè)試員不知道哪個(gè)屋子是機(jī)器哪個(gè)屋子是人。然后由測(cè)試員就開始問問題，一直問到他能判斷哪個(gè)屋子里是機(jī)器，哪個(gè)屋子里是人，那這個(gè)測(cè)試就完成了。當(dāng)測(cè)試員把所有能夠想出來(lái)的問題都問完了，他還判斷不出來(lái)哪個(gè)是機(jī)器哪個(gè)是人，這個(gè)機(jī)器就具有智能了。4.2.2思維的轉(zhuǎn)變——人工智能的第二次高潮期22從1980年到1987年，由于引入了“知識(shí)”，人工智能迎來(lái)了第二次發(fā)展高潮。在人工智能專家費(fèi)根·鮑姆的帶領(lǐng)下，人工智能開辟了一個(gè)新的領(lǐng)域——專家系統(tǒng)。4.2.2思維的轉(zhuǎn)變——人工智能的第二次高潮期23所謂“專家系統(tǒng)”就是利用計(jì)算機(jī)化的知識(shí)進(jìn)行自動(dòng)推理，從而模仿領(lǐng)域?qū)＜医鉀Q問題。典型的專家系統(tǒng)的例子：卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司設(shè)計(jì)的名為“X-CON”的專家系統(tǒng)；IBM研發(fā)的“沃森”機(jī)器人。人工智能第二次低谷期24人工智能再次陷入低谷，這次遭遇低谷的主要原因還是技術(shù)本身的實(shí)現(xiàn)程度支撐不起足夠多的應(yīng)用。思考與討論25談一談你對(duì)沃森機(jī)器人的了解。4.2.3技術(shù)的融合——人工智能的第三次高潮期261997年，比爾﹒蓋茨的豪宅完全按照智能住宅的概念建造。4.2.3技術(shù)的融合——人工智能的第三次高潮期271997年，IBM深藍(lán)以3.5:2.5戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫成為首個(gè)在標(biāo)準(zhǔn)比賽時(shí)限內(nèi)擊敗國(guó)際象棋世界冠軍的電腦系統(tǒng)。4.2.3技術(shù)的融合——人工智能的第三次高潮期282018年韓國(guó)平昌冬奧會(huì)閉幕式上的“北京八分鐘”智能機(jī)器人與演員共舞驚艷了全世界。世界各國(guó)都開始重視人工智能的發(fā)展29美國(guó)：《為人工智能的未來(lái)做好準(zhǔn)備》；英國(guó)：《人工智能：未來(lái)決策制定的機(jī)遇和影響》；法國(guó)：《國(guó)家人工智能戰(zhàn)略》；德國(guó)頒布全國(guó)第一部自動(dòng)駕駛的法律；石油大國(guó)阿聯(lián)酋將人工智能確立為國(guó)家戰(zhàn)略；中國(guó)：《新一代人工智能發(fā)展規(guī)劃》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》。世界各國(guó)都開始重視人工智能的發(fā)展302019年人工智能連續(xù)第三年寫入政府工作報(bào)告，并且首次提出了“智能+”。政府工作報(bào)告提出，打造工業(yè)互聯(lián)網(wǎng)平臺(tái)，拓展“智能+”，為制造業(yè)轉(zhuǎn)型升級(jí)賦能。2019年5月16日，國(guó)際人工智能與教育大會(huì)在北京召開。國(guó)家主席習(xí)近平向大會(huì)致賀信。與前兩次的浪潮的明顯不同31前兩次人工智能浪潮主要是由學(xué)術(shù)界提出問題，并在勸說(shuō)、游說(shuō)政府和投資人投錢，基本停留在市場(chǎng)宣傳層面；這次人工智能浪潮是以解決問題為目的，投資人已主動(dòng)向熱點(diǎn)領(lǐng)域的學(xué)術(shù)項(xiàng)目和創(chuàng)業(yè)項(xiàng)目投錢，已上升到商業(yè)模式層面。思考與討論321.說(shuō)一說(shuō)你使用的手機(jī)是什么品牌的，具有什么功能，有哪些人工智能的功能？2.談?wù)勀銓?duì)第三次人工智能浪潮的想法。實(shí)踐任務(wù)33使用清華大學(xué)自然語(yǔ)言處理與社會(huì)人文計(jì)算實(shí)驗(yàn)室開發(fā)的“九歌——計(jì)算機(jī)詩(shī)詞創(chuàng)作系統(tǒng)”進(jìn)行集句詩(shī)、絕句、藏頭詩(shī)、詞創(chuàng)作。AI的前世今生：她從哪里來(lái)——

4.3重獲新生：AI應(yīng)用現(xiàn)狀35人工智能有三要素：數(shù)據(jù)、算力、算法。人工智能高速發(fā)展主要取決于以下三個(gè)原因：一、計(jì)算力的增長(zhǎng)；二、海量數(shù)據(jù)的積累；三、算法的進(jìn)步和優(yōu)化。4.3.1計(jì)算力的增長(zhǎng)36計(jì)算能力的限制曾經(jīng)是人工智能研究跌入低谷的原因。隨著摩爾定律的發(fā)展，計(jì)算能力逐步得到解放。CPU性能飛速提升，被最初用來(lái)訓(xùn)練深度學(xué)習(xí)。擁有出色的浮點(diǎn)計(jì)算性能的GPU更適合做深度學(xué)習(xí)訓(xùn)練。4.3.1計(jì)算力的增長(zhǎng)37GPU相比CPU擁有更高的訓(xùn)練速度批處理大小CPU訓(xùn)練時(shí)間GPU訓(xùn)練時(shí)間GPU加速64images64s7.5s8.5x128images124s14.5s8.5x256images257s28.5s9.0x3839未來(lái)人工智能芯片的應(yīng)用大體有兩個(gè)方向：其一是用于云端服務(wù)器的的芯片，其二是用于終端（例如手機(jī)及其他智能硬件）的人工智能芯片。4.3.1計(jì)算力的增長(zhǎng)拓展視野40基于FPGA的半定制化芯片F(xiàn)PGA（Field－ProgrammableGateArray），即現(xiàn)場(chǎng)可編程門陣列，是一種半定制的集成電路，百度就采用了FPGA打造百度大腦專用AI芯片。拓展視野41全定制化ASIC芯片ASIC（ApplicationSpecificIntegratedCircuit）即專用集成電路，是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。4.3.2海量數(shù)據(jù)的積累42數(shù)據(jù)是限制人工智能爆發(fā)的又一因素。在大數(shù)據(jù)這個(gè)概念出現(xiàn)之前計(jì)算機(jī)并不能很好的解決需要人去做判別的一些問題。人工智能是用大量的數(shù)據(jù)作導(dǎo)向，讓需要機(jī)器來(lái)做判別的問題最終轉(zhuǎn)化為數(shù)據(jù)問題。4.3.2海量數(shù)據(jù)的積累43隨著移動(dòng)互聯(lián)網(wǎng)的爆發(fā)，數(shù)據(jù)量呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)，大數(shù)據(jù)的積累為人工智能提供了基礎(chǔ)支撐。大數(shù)據(jù)主要包括采集與預(yù)處理、存儲(chǔ)與管理、分析與加工、可視化計(jì)算及數(shù)據(jù)安全等，具備數(shù)據(jù)規(guī)模不斷擴(kuò)大、種類繁多、產(chǎn)生速度快、處理能力要求高、時(shí)效性強(qiáng)、可靠性要求嚴(yán)格、價(jià)值大但密度較低等特點(diǎn)，為人工智能提供豐富的數(shù)據(jù)積累和訓(xùn)練資源。4.3.

3算法的進(jìn)步和優(yōu)化44近20年來(lái)，人工智能學(xué)家們?cè)噲D用神經(jīng)網(wǎng)絡(luò)建模來(lái)模擬大腦，用生物進(jìn)化機(jī)制來(lái)提升機(jī)器的智能。他們將自治體的方法論與神經(jīng)網(wǎng)絡(luò)的模型結(jié)合起來(lái)，形成了當(dāng)代人工智能研究中最令人興奮的、最具開拓性的研究成果——深度學(xué)習(xí)。深度學(xué)習(xí)成為人工智能最為主流的算法。拓展視野45深度學(xué)習(xí)：深度學(xué)習(xí)（DeepLearning,DL）或階層學(xué)習(xí)（hierarchicallearning）是機(jī)器學(xué)習(xí)的技術(shù)和研究領(lǐng)域之一，通過(guò)建立具有階層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)（ArtifitialNeuralNetworks,ANNs），在計(jì)算系統(tǒng)中實(shí)現(xiàn)人工智能。實(shí)踐任務(wù)46了解百度大腦AI開放平臺(tái)、科大訊飛AI開放平臺(tái)、飛槳PaddlePaddle開源深度學(xué)習(xí)平臺(tái)。AI的前世今生：她從哪里來(lái)——

4.4百家爭(zhēng)鳴：AI主流學(xué)派4.4.1認(rèn)知學(xué)派48以明斯基、西蒙和紐厄爾等人為代表，從人的思維活動(dòng)出發(fā)，利用計(jì)算機(jī)進(jìn)行宏觀功能模擬。馬文·明斯基4.4.1認(rèn)知學(xué)派49認(rèn)知學(xué)派認(rèn)為認(rèn)知的基元是符號(hào)，智能行為通過(guò)符號(hào)操作來(lái)實(shí)現(xiàn)。認(rèn)知學(xué)派以美國(guó)人Robinson提出的消解法（即歸結(jié)原理）為基礎(chǔ)，以LISP和Prolog語(yǔ)言為代表，著重于問題求解中的啟發(fā)式搜索和推理過(guò)程。4.4.1認(rèn)知學(xué)派50該學(xué)派在邏輯思維的模擬方面取得成功，如自動(dòng)定理證明和專家系統(tǒng)。明斯基從心理學(xué)的研究出發(fā)，認(rèn)為人們?cè)谌粘５恼J(rèn)識(shí)活動(dòng)中，使用了大批從以前的經(jīng)驗(yàn)中獲取并經(jīng)過(guò)整理的知識(shí)，這些知識(shí)是以一種類似框架的結(jié)構(gòu)記存在人腦中，由此提出了框架知識(shí)表示方法。4.4.2符號(hào)主義學(xué)派51符號(hào)主義又稱為邏輯主義，心理學(xué)派或計(jì)算機(jī)學(xué)派。其原理主要為物理符號(hào)系統(tǒng)(即符號(hào)操作系統(tǒng))假設(shè)和有限合理性原理。這一派認(rèn)為實(shí)現(xiàn)人工智能必須用邏輯和符號(hào)系統(tǒng)。自動(dòng)定理證明起源于邏輯，初衷就是把邏輯演算自動(dòng)化。符號(hào)派的思想源頭和理論基礎(chǔ)就是定理證明。邏輯學(xué)家戴維斯在1954年完成了第一個(gè)定理證明程序。牛津計(jì)算機(jī)系主任：AI中符號(hào)主義和神經(jīng)網(wǎng)絡(luò)應(yīng)融合發(fā)展4.4.2符號(hào)主義學(xué)派52符號(hào)主義學(xué)派在人工智能研究中，強(qiáng)調(diào)的是概念化知識(shí)表示、模型論語(yǔ)義、演繹推理等。約翰·麥卡錫主張任何事物都可以用統(tǒng)一的邏輯框架來(lái)表示，在常識(shí)推理中以非單調(diào)邏輯為中心。53行為行為主義主義又稱進(jìn)化主義或控制論學(xué)派，其原理為控制論及感知-動(dòng)作型控制系統(tǒng)。行為主義以布魯克斯等人為代表，認(rèn)為智能行為只能在現(xiàn)實(shí)世界中，由系統(tǒng)與周圍環(huán)境的交互過(guò)程中表現(xiàn)出來(lái)。4.4.3學(xué)派54首先，智能系統(tǒng)與環(huán)境進(jìn)行交互，即從運(yùn)行的環(huán)境中獲取信息（感知），并通過(guò)自己的動(dòng)作對(duì)環(huán)境施加影響；其次，指出智能取決于感知和行為，提出了智能行為的“感知-行為”模型，認(rèn)為智能系統(tǒng)可以不需要知識(shí)、不需要表示、不需要推理，像人類智能一樣可以逐步進(jìn)化；再次，強(qiáng)調(diào)直覺和反饋的重要性，智能行為體現(xiàn)在系統(tǒng)與環(huán)境的交互之中，功能、結(jié)構(gòu)和智能行為是不可分割的。行為主義學(xué)派主要觀點(diǎn)4.

4.4連接主義學(xué)派55連接主義又稱為仿生學(xué)派(bionicsism)或生理學(xué)派(physiologism)，其主要原理為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。4.

4.4連接主義學(xué)派56以Rumelhart、Mcclelland和Hopfield等人為代表，從人的大腦神經(jīng)系統(tǒng)結(jié)構(gòu)出發(fā)，研究非程序的、適應(yīng)性的、類似大腦風(fēng)格的信息處理的本質(zhì)和能力，人們也稱它為神經(jīng)計(jì)算?；羝辗茽柕?7人工智能各學(xué)派的研究方法各有長(zhǎng)短，既有擅長(zhǎng)的處理能力,又有一定的局限性。仔細(xì)學(xué)習(xí)和研究各個(gè)學(xué)派思想和研究方法之后，可以發(fā)現(xiàn),各種學(xué)派可以取長(zhǎng)補(bǔ)短,實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。過(guò)去在激烈爭(zhēng)論時(shí)期,那種企圖完全否定對(duì)方而以一家的主義和方法主宰人工智能世界的氛圍,正被互相學(xué)習(xí)、優(yōu)勢(shì)互補(bǔ)、集成模擬、合作共贏、和諧發(fā)展的新氛圍所代替。58未來(lái)人工智能的各個(gè)學(xué)派,一方面要密切合作,取長(zhǎng)補(bǔ)短,可把一種學(xué)派無(wú)法解決的問題轉(zhuǎn)化為另一學(xué)派能夠解決的問題；另一方面,逐步建立統(tǒng)一的人工智能理論體系和方法論,在一個(gè)統(tǒng)一系統(tǒng)中集成了邏輯思維、形象思維和進(jìn)化思想,創(chuàng)造人工智能更先進(jìn)的研究方法。思考與討論59人工智能各主流學(xué)派對(duì)人工智能方法的爭(zhēng)論是什么？AI的前世今生：她從哪里來(lái)——

4.5武功秘籍：AI領(lǐng)域的關(guān)鍵技術(shù)61近二十年來(lái)人工智能領(lǐng)域的技術(shù)在不斷發(fā)展、融合，其關(guān)鍵技術(shù)主要包括機(jī)器學(xué)習(xí)、知識(shí)圖譜、自然語(yǔ)言處理、計(jì)算機(jī)視覺、人機(jī)交互、生物特征識(shí)別、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)等關(guān)鍵技術(shù)。4.

5.1機(jī)器學(xué)習(xí)62機(jī)器學(xué)習(xí)（MachineLearning）是一門涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識(shí)、逼近理論、神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心。4.

5.1機(jī)器學(xué)習(xí)63根據(jù)學(xué)習(xí)模式將機(jī)器學(xué)習(xí)分類為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等。根據(jù)學(xué)習(xí)方法可以將機(jī)器學(xué)習(xí)分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。此外，機(jī)器學(xué)習(xí)的常見算法還包括遷移學(xué)習(xí)、主動(dòng)學(xué)習(xí)和演化學(xué)習(xí)等。64知識(shí)圖譜本質(zhì)上是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù)，是一種由節(jié)點(diǎn)和邊組成的圖數(shù)據(jù)結(jié)構(gòu)，以符號(hào)形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實(shí)體—關(guān)系—實(shí)體”三元組，以及實(shí)體及其相關(guān)“屬性—值”對(duì)。不同實(shí)體之間通過(guò)關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。4.

5.2知識(shí)圖譜65知識(shí)圖譜可用于反欺詐、不一致性驗(yàn)證、組團(tuán)欺詐等公共安全保障領(lǐng)域，需要用到異常分析、靜態(tài)分析、動(dòng)態(tài)分析等數(shù)據(jù)挖掘方法。4.

5.2知識(shí)圖譜66自然語(yǔ)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，研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法，涉及的領(lǐng)域較多，主要包括機(jī)器翻譯、機(jī)器閱讀理解和問答系統(tǒng)等。4.

5.

3自然語(yǔ)言處理67自然語(yǔ)言處理面臨四大挑戰(zhàn)：一是在詞法、句法、語(yǔ)義、語(yǔ)用和語(yǔ)音等不同層面存在不確定性；二是新的詞匯、術(shù)語(yǔ)、語(yǔ)義和語(yǔ)法導(dǎo)致未知語(yǔ)言現(xiàn)象的不可預(yù)測(cè)性；三是數(shù)據(jù)資源的不充分使其難以覆蓋復(fù)雜的語(yǔ)言現(xiàn)象；四是語(yǔ)義知識(shí)的模糊性和錯(cuò)綜復(fù)雜的關(guān)聯(lián)性難以用簡(jiǎn)單的數(shù)學(xué)模型描述，語(yǔ)義計(jì)算需要參數(shù)龐大的非線性計(jì)算。4.

5.

3自然語(yǔ)言處理68人機(jī)交互主要研究人和計(jì)算機(jī)之間的信息交換，主要包括人到計(jì)算機(jī)和計(jì)算機(jī)到人的兩部分信息交換，是人工智能領(lǐng)域的重要的外圍技術(shù)。人機(jī)交互是與認(rèn)知心理學(xué)、人機(jī)工程學(xué)、多媒體技術(shù)、虛擬現(xiàn)實(shí)技術(shù)等密切相關(guān)的綜合學(xué)科。4.

5.

4人機(jī)交互69計(jì)算機(jī)視覺是使用計(jì)算機(jī)模仿人類視覺系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。自動(dòng)駕駛、機(jī)器人、智能醫(yī)療等領(lǐng)域均需要通過(guò)計(jì)算機(jī)視覺技術(shù)從視覺信號(hào)中提取并處理信息。4.

5.

5計(jì)算機(jī)視覺70根據(jù)解決的問題，計(jì)算機(jī)視覺可分為計(jì)算成像學(xué)、圖像理解、三維視覺、動(dòng)態(tài)視覺和視頻編解碼五大類。4.

5.

5計(jì)算機(jī)視覺714.

5.

5計(jì)算機(jī)視覺72生物特征識(shí)別技術(shù)是指通過(guò)個(gè)體生理特征或行為特征對(duì)個(gè)體身份進(jìn)行識(shí)別認(rèn)證的技術(shù)。從應(yīng)用流程看，生物特征識(shí)別通常分為注冊(cè)和識(shí)別兩個(gè)階段。4.

5.6生物特征識(shí)別73生物特征識(shí)別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態(tài)等多種生物特征，其識(shí)別過(guò)程涉及到圖像處理、計(jì)算機(jī)視覺、語(yǔ)音識(shí)別、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)。目前生物特征識(shí)別作為重要的智能化身份認(rèn)證技術(shù)，在金融、公共安全、教育、交通等領(lǐng)域得到廣泛的應(yīng)用。4.

5.6生物特征識(shí)別拓展視野74指紋識(shí)別：指紋識(shí)別過(guò)程通常包括數(shù)據(jù)采集、數(shù)據(jù)處理、分析判別三個(gè)過(guò)程。數(shù)據(jù)采集通過(guò)光、電、力、熱等物理傳感器獲取指紋圖像；數(shù)據(jù)處理包括預(yù)處理、畸變校正、特征提取三個(gè)過(guò)程；分析判別是對(duì)提取的特征進(jìn)行分析判別的過(guò)程。拓展視野75人臉識(shí)別：人臉識(shí)別是典型的計(jì)算機(jī)視覺應(yīng)用，從應(yīng)用過(guò)程來(lái)看，可將人臉識(shí)別技術(shù)劃分為檢測(cè)定位、面部特征提取以及人臉確認(rèn)三個(gè)過(guò)程。人臉識(shí)別技術(shù)的應(yīng)用主要受到光照、拍攝角度、圖像遮擋、年齡等多個(gè)因素的影響，在約束條件下人臉識(shí)別技術(shù)相對(duì)成熟，在自由條件下人臉識(shí)別技術(shù)還在不斷改進(jìn)。拓展視野76虹膜識(shí)別：虹膜識(shí)別的理論框架主要包括虹膜圖像分割、虹膜區(qū)域歸一化、特征提取和識(shí)別四個(gè)部分，研究工作大多是基于此理論框架發(fā)展而來(lái)。虹膜識(shí)別技術(shù)應(yīng)用的主要難題包含傳感器和光照影響兩個(gè)方面：一方面，由于虹膜尺寸小且受黑色素遮擋，需在近紅外光源下采用高分辨圖像傳感器才可清晰成像，對(duì)傳感器質(zhì)量和穩(wěn)定性要求比較高；另一方面，光照的強(qiáng)弱變化會(huì)引起瞳孔縮放，導(dǎo)致虹膜紋理產(chǎn)生復(fù)雜形變，增加了匹配的難度。拓展視野77指靜脈識(shí)別：指