人工智能技術(shù)應(yīng)用導(dǎo)論（第1版）課件 第一章 人工智能的產(chǎn)生與發(fā)展

人工智能的產(chǎn)生與發(fā)展人工智能技術(shù)應(yīng)用導(dǎo)論010203人工智能的發(fā)展歷程人工智能賦能人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)目錄04人工智能的三大基礎(chǔ)支撐：算法、算力、大數(shù)據(jù)0506人工智能的產(chǎn)業(yè)生態(tài)中國(guó)在人工智能領(lǐng)域的布局01人工智能的發(fā)展歷程PARTONE人工智能的發(fā)展歷程人工智能（ArtificialIntelligence，AI）：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)的一門技術(shù)科學(xué)。1956年夏天在美國(guó)達(dá)特茅斯學(xué)院（DartmouthCollege）召開的十人研討會(huì)，正式提出“人工智能”的名稱，標(biāo)志著人工智能的正式誕生。隨著Google的AlphaGo戰(zhàn)勝人類圍棋頂尖選手，以及人工智能技術(shù)在多個(gè)領(lǐng)域取得的突破性成績(jī)，2016年被稱為“人工智能的元年”，標(biāo)志著AI的黃金時(shí)代的到來。人工智能的發(fā)展歷程中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院2018年1月發(fā)布的《人工智能標(biāo)準(zhǔn)化白皮書（2018版）》把人工智能的發(fā)展大致分為三個(gè)階段：第一階段（20世紀(jì)50年代——80年代）:

快速發(fā)展--局限性--瓶頸第二階段（20世紀(jì)80年代——90年代末）:

低谷期第三階段（21世紀(jì)初——至今）:

繁榮時(shí)期。人工智能的發(fā)展歷程人工智能六十年的發(fā)展歷程：02人工智能賦能PARTTWO人工智能賦能人工智能賦能即通過人工智能技術(shù)模仿和增強(qiáng)人類的記憶、感知、語(yǔ)言、學(xué)習(xí)、推理和規(guī)劃等一系列能力，為應(yīng)用系統(tǒng)、機(jī)器設(shè)備賦予人的能力、智力甚至智慧，提升應(yīng)用系統(tǒng)與機(jī)器設(shè)備的服務(wù)水平。典型應(yīng)用：自動(dòng)化生產(chǎn)線、自動(dòng)駕駛汽車、圖像識(shí)別、聊天機(jī)器人、智能監(jiān)控、語(yǔ)音識(shí)別、機(jī)器翻譯等。人工智能賦能當(dāng)前實(shí)現(xiàn)人工智能賦能的主要研究領(lǐng)域與實(shí)現(xiàn)技術(shù)人工智能賦能感知能力-圖像與視覺人工智能在模仿人的感知能力方面主要集中在視覺和聽覺（見下節(jié)），對(duì)觸覺和嗅覺的模仿在特定的領(lǐng)域也有研究應(yīng)用。人工智能在視覺方面的研究與應(yīng)用主要分為數(shù)字圖像處理（DigitalImageProcessing）、計(jì)算機(jī)視覺（ComputerVision，CV）機(jī)器視覺（MachineVision，MV）等三大領(lǐng)域。人工智能賦能數(shù)字圖像處理數(shù)字圖像處理又稱為計(jì)算機(jī)圖像處理，簡(jiǎn)稱圖像處理，是指將圖像信號(hào)或視頻信號(hào)（視頻可以理解為連續(xù)的圖像信號(hào)）轉(zhuǎn)換成一幅幅數(shù)字圖像信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。主要處理方法和技術(shù)包括去噪、增強(qiáng)、復(fù)原、分割、變換、重建、提取特征、識(shí)別（場(chǎng)景、物體、動(dòng)作、形態(tài)等）等。人工智能賦能計(jì)算機(jī)視覺計(jì)算機(jī)視覺是利用攝像機(jī)和計(jì)算機(jī)模仿人類視覺（眼睛與大腦），對(duì)目標(biāo)進(jìn)行分割、分類、識(shí)別、跟蹤、判別、決策等功能的人工智能技術(shù)。它的研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，即在基本圖像處理的基礎(chǔ)上，進(jìn)一步進(jìn)行圖像識(shí)別、圖像（視頻）理解和場(chǎng)景重構(gòu)。計(jì)算機(jī)視覺是當(dāng)今非常活躍的人工智能研究與應(yīng)用領(lǐng)域，其主要應(yīng)用有人臉識(shí)別、智能監(jiān)控、圖像識(shí)別分析、駕駛輔助/智能駕駛、三維圖像視覺、智能醫(yī)學(xué)影像、文字識(shí)別、圖像及視頻的智能編輯等。人工智能賦能機(jī)器視覺機(jī)器視覺就是用機(jī)器代替人眼來做測(cè)量和判斷。機(jī)器視覺系統(tǒng)是通過圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳送給專用的圖像處理系統(tǒng)，得到被攝目標(biāo)的形態(tài)信息，然后根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字信號(hào)，系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場(chǎng)的設(shè)備動(dòng)作。人工智能賦能計(jì)算機(jī)視覺與機(jī)器視覺的主要區(qū)別列項(xiàng)計(jì)算機(jī)視覺機(jī)器視覺功能利用計(jì)算機(jī)分析得到的圖像，對(duì)圖像所包含的信息分析處理與光源鏡頭自動(dòng)化控制相關(guān)，替代人類在視覺感官上做不到的工作性質(zhì)對(duì)視覺的一個(gè)“質(zhì)”的分析，側(cè)重于計(jì)算機(jī)，更學(xué)術(shù)一些對(duì)視覺上的一個(gè)“量”的分析，側(cè)重于機(jī)器，更工程一些應(yīng)用人臉識(shí)別、車牌識(shí)別、目標(biāo)跟蹤等測(cè)量、定位、運(yùn)動(dòng)控制等人工智能賦能語(yǔ)言能力-自然語(yǔ)言處理人工智能模仿人的聽覺能力主要分為語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成、語(yǔ)音輸入、語(yǔ)音交互、機(jī)器翻譯等多個(gè)相互關(guān)聯(lián)的研究與應(yīng)用領(lǐng)域，統(tǒng)稱為自然語(yǔ)言處理（NaturalLanguageProcessing，NLP），是人工智能的一個(gè)重要研究領(lǐng)域。從廣義上來講，自然語(yǔ)言處理包括對(duì)各種形式的自然語(yǔ)言的處理，即既包括文本，也包括語(yǔ)音。不過，因?yàn)閷?duì)語(yǔ)音的處理涉及信號(hào)處理，跟文本處理不一樣，所以常常把語(yǔ)音單獨(dú)拿出來說。這樣，狹義的NLP就單指對(duì)文本的處理了。自然語(yǔ)言處理對(duì)計(jì)算機(jī)和人類的交互方式有著重要的影響。人工智能賦能自然語(yǔ)言處理的關(guān)鍵技術(shù)：語(yǔ)音識(shí)別語(yǔ)義理解主要應(yīng)用有：信息抽取、文本生成、對(duì)話系統(tǒng)、文本挖掘、語(yǔ)音識(shí)別和生成、信息過濾、輿情分析、信息檢索、機(jī)器翻譯人工智能賦能語(yǔ)音處理技術(shù)的應(yīng)用--人機(jī)對(duì)話系統(tǒng)。在一個(gè)人機(jī)對(duì)話系統(tǒng)中一般有5個(gè)技術(shù)模塊，分別為：自動(dòng)語(yǔ)音識(shí)別（ASR）自然語(yǔ)言理解（NLU）對(duì)話管理（DM）自然語(yǔ)言生成（NLG）文字轉(zhuǎn)語(yǔ)音（TTS）人工智能賦能記憶能力-知識(shí)表示與知識(shí)圖譜知識(shí)表示：對(duì)知識(shí)的一種描述，或者說是對(duì)知識(shí)的一組約定。伴隨著人工智能技術(shù)的發(fā)展，已經(jīng)有許多種知識(shí)表示方法得到了深入的研究和應(yīng)用，如：邏輯表示法、產(chǎn)生式表示法、框架表示、面向?qū)ο蟮谋硎痉椒ā⒄Z(yǔ)義網(wǎng)表示法、基于XML的表示法、本體表示法、概念圖、Petri法、基于網(wǎng)格的知識(shí)表示方法、粗糙集、基于云理論的知識(shí)表示方法等。在實(shí)際應(yīng)用過程中，一個(gè)智能系統(tǒng)往往包含了多種表示方法。人工智能賦能記憶能力-知識(shí)表示與知識(shí)圖譜知識(shí)圖譜（KnowledgeGraph）本質(zhì)上是一種揭示實(shí)體之間關(guān)系的語(yǔ)義網(wǎng)絡(luò)，可以用一種由節(jié)點(diǎn)（Vertex）和邊（Edge）構(gòu)成的多關(guān)系圖（Multi-relationalGraph）來對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)系進(jìn)行形式化地描述。在知識(shí)圖譜里，通常用“實(shí)體（Entity）”來表達(dá)圖里的節(jié)點(diǎn)、用“關(guān)系（Relation）”來表達(dá)圖里的“邊”。實(shí)體指的是現(xiàn)實(shí)世界中的事物比如人、地名、概念、藥物、公司等。人工智能賦能知識(shí)圖譜示列人工智能賦能推理能力-自動(dòng)推理與專家系統(tǒng)研究如何通過機(jī)器邏輯和機(jī)器推理模仿人的推理能力，從而通過簡(jiǎn)單推理如“規(guī)則演繹”，復(fù)雜推理如基于概率的不確定性推理（如“主觀貝葉斯”），得到新知識(shí)，或者直接利用舊知識(shí)解決問題。專家系統(tǒng)是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，通過對(duì)人類專家的問題求解能力的建模，采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題，達(dá)到具有與專家同等解決問題能力的水平。人工智能賦能規(guī)劃能力-智能規(guī)劃智能規(guī)劃(IntelligentPlanning)是人工智能模仿人的規(guī)劃能力的一個(gè)重要研究與應(yīng)用領(lǐng)域。規(guī)劃是指對(duì)某個(gè)待求解問題給出求解過程的步驟，是通過對(duì)周圍環(huán)境的認(rèn)識(shí)與分析，根據(jù)預(yù)定實(shí)現(xiàn)的目標(biāo)，對(duì)若干可供選擇的動(dòng)作及所提供的資源限制施行推理，綜合制定出實(shí)現(xiàn)目標(biāo)的動(dòng)作序列。智能規(guī)劃是一種重要的問題求解技術(shù)，與一般問題求解相比，智能規(guī)劃更注重于問題的求解過程，而不是求解結(jié)果。人工智能賦能學(xué)習(xí)能力-機(jī)器學(xué)習(xí)目前的主要實(shí)現(xiàn)方法是機(jī)器學(xué)習(xí)（MachineLearning，ML）尤其是基于深度人工神經(jīng)元網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，后者習(xí)慣上簡(jiǎn)稱為深度學(xué)習(xí)（DeepLearning，DL）。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，是當(dāng)前人工智能模仿人的學(xué)習(xí)能力的實(shí)現(xiàn)技術(shù)，是從大量的數(shù)據(jù)中找出規(guī)律、反復(fù)提煉模型，持續(xù)應(yīng)用模型對(duì)新的相似數(shù)據(jù)進(jìn)行預(yù)測(cè)。機(jī)器學(xué)習(xí)的應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，如圖像識(shí)別、語(yǔ)音識(shí)別、AlphaGo圍棋等都是基于深度學(xué)習(xí)的人工智能應(yīng)用實(shí)現(xiàn)。人工智能賦能人工智能賦能實(shí)體經(jīng)03人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)PARTTHREE人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)人工智能分類：按“智能”程度分：強(qiáng)人工智能（GeneralAI）弱人工智能（NarrowAI）按“智能”的方式分：計(jì)算智能感知智能認(rèn)知智能人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)人工智能與機(jī)器智能：“人工智能”是以“人”為中心定義的“智能”，通過計(jì)算機(jī)程序和模型模擬人類心智(Mind)所能做的各種事情，如記憶、推理、感知、語(yǔ)言和學(xué)習(xí)等能力?！皺C(jī)器智能（MachineInteligence,MI）”是建立在人工智能技術(shù)基礎(chǔ)之上，以“機(jī)器”為中心實(shí)現(xiàn)的“智能”，是通過人工智能的相關(guān)技術(shù)，為傳統(tǒng)的機(jī)械、控制與傳輸賦予一定的感知、認(rèn)知與學(xué)習(xí)能力。人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支與核心研究?jī)?nèi)容，是目前實(shí)現(xiàn)人工智能的一個(gè)重要途徑。機(jī)器學(xué)習(xí)專門研究機(jī)器怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為?！皺C(jī)器”是指包含硬件和軟件的計(jì)算機(jī)系統(tǒng)。機(jī)器學(xué)習(xí)的應(yīng)用遍及人工智能的各個(gè)分支，如專家系統(tǒng)、自動(dòng)推理、自然語(yǔ)言理解、模式識(shí)別、計(jì)算機(jī)視覺、智能機(jī)器人等領(lǐng)域。從技術(shù)實(shí)現(xiàn)的角度看，機(jī)器學(xué)習(xí)就是通過算法或模型設(shè)計(jì)，使機(jī)器從已有數(shù)據(jù)（訓(xùn)練數(shù)據(jù)集）中自動(dòng)分析、習(xí)得規(guī)律（模型與參數(shù)），再利用所獲得的規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)機(jī)器學(xué)習(xí)（有監(jiān)督學(xué)習(xí)）基本原理：人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)深度學(xué)習(xí)是基于人工神經(jīng)元網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，“深度”是指人工神經(jīng)元網(wǎng)絡(luò)的層數(shù)（可多達(dá)上千層）。旨在通過非線性變換進(jìn)行分析、抽象和學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來“分層”抽象和解釋數(shù)據(jù)、提取特征、建立模型。04三大支撐：算法、算力、大數(shù)據(jù)PARTFOUR三大支撐：算法、算力、大數(shù)據(jù)互聯(lián)網(wǎng)與云計(jì)算支撐下的大數(shù)據(jù)、計(jì)算力和深度學(xué)習(xí)算法構(gòu)成了當(dāng)今人工智能技術(shù)快速發(fā)展和應(yīng)用的三大基石05人工智能的產(chǎn)業(yè)生態(tài)PARTFIVE人工智能的產(chǎn)業(yè)生態(tài)06中國(guó)在人工智能領(lǐng)域的布局PARTSIX中國(guó)在人工智能領(lǐng)域的布局在2017年7月8日，國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》:到2020年，人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步，人工