听课笔记-《计算机科学速成课》34-40人工智能
文章目录
- 视频链接
- 视频目录
- 笔记
-
- 第34集·机器学习与人工智能 - Machine Learning & Artificial Intelligence
-
-
- 决策模型
- 人工神经网络
-
- 第35集·计算机视觉 - Computer Vision
-
-
- 像素色
- 垂直边缘算法
- 人脸识别
-
- 第36集·自然语言处理 - Natural Language Processing
-
-
- 语句
-
- 第37集·机器人 - Robots
-
-
- 机械爪
-
- 第38集·计算机中的心理学 - Psychology of Computing
-
-
- 分块
- 图标
- 恐怖谷
-
- 第39集·教育型科技 - Educational Technology
-
-
- 判断规则
-
- 第40集·奇点，天网，计算机的未来 - The Singularity, Skynet, and the Future of Computing
-
-
- 计算机处理能力
- 职业
-
- 1-4课笔记-计算机历史
- 5-9课笔记-计算机硬件
- 10-14课笔记-编程基础
- 15-17课笔记-计算机发展
- 18-21课笔记-操作系统
- 22-27课笔记-计算机交互
- 28-33课笔记-网络安全
- 34-40课笔记-人工智能
视频链接
视频目录
1 - 早期的计算 - Early Computing
2 - 电子计算 - Electronic Computing
3 - 布尔逻辑与逻辑电路 - Boolean Logic & Logic Gates
4 - 二进制 - Representing Numbers and Letters with Binary
5 - 算术逻辑单元 - How Computers Calculate - the ALU
6 - 寄存器 & 内存 - Registers and RAM
7 - 中央处理器 - The Central Processing Unit(CPU)
8 - 指令和程序 - Instructions & Programs
9 - 高级 CPU 设计 - Advanced CPU Designs
10 - 编程史话 - Early Programming
11 - 编程语言 - The First Programming Languages
12 - 编程原理：语句和函数 - Programming Basics: Statements & Functions
13 - 算法初步 - Intro to Algorithms
14 - 数据结构 - Data Structures
15 - 阿兰·图灵 - Alan Turing
16 - 软件工程 - Software Engineering
17 - 集成电路、摩尔定律 - Integrated Circuits & Moore’s Law
18 - 操作系统 - Operating Systems
19 - 内存 & 储存介质 - Memory & Storage
20 - 文件系统 - Files & File Systems
21 - 压缩 - Compression
22 - 命令行界面 - Keyboards & Command Line Interfaces
23 - 屏幕 & 2D 图形显示 - Screens & 2D Graphics
24 - 冷战和消费主义 - The Cold War and Consumerism
25 - 个人计算机革命 - The Personal Computer Revolution
26 - 图形用户界面 - Graphical User Interfaces
27 - 3D 图形 - 3D Graphics
28 - 计算机网络 - Computer Networks
29 - 互联网 - The Internet
30 - 万维网 - The World Wide Web
31 - 网络安全 - Cybersecurity
32 - 黑客与攻击 - Hackers & Cyber Attacks
33 - 加密 - Cryptography
34 - 机器学习与人工智能 - Machine Learning & Artificial Intelligence
35 - 计算机视觉 - Computer Vision
36 - 自然语言处理 - Natural Language Processing
37 - 机器人 - Robots
38 - 计算机中的心理学 - Psychology of Computing
39 - 教育型科技 - Educational Technology
40 - (完结) 奇点，天网，计算机的未来 - The Singularity, Skynet, and the Future of Computing
多图预警
笔记
第34集·机器学习与人工智能 - Machine Learning & Artificial Intelligence
决策模型
计算机很擅长存放，整理，获取和处理大量数据,如何让计算机做决策。这幅图是月蛾和帝娥的划分模型，有两个标记，一个是翼展长度，一个是重量，我们把起初采集的飞蛾测量好翼展长度和重量，标记在该二维模型中。好了我们现在来划分界限，以界限来判断是月蛾还是帝蛾，用于肉眼大致估算，翼展长度小于45毫米重量小于0.75的是帝蛾，其余是月蛾，可以发现按这种划分，有86只帝蛾在正确区域，82只月蛾在正确区域，不是100%正确的，我们试图移动划线界限，发现无论怎样划分，飞蛾的正确率都不能再提升了。这也是机器学习算法的目的，最大化正确分类，最小化错误分类。我们再捕获一只飞蛾，可以测量它的特征，并绘制再决策模型上，决策边界可以猜测飞蛾的种类。
这种决策边界是简单的几个矩形空间，是非常简单的决策模型，也可以转化成条件判断语言。
如果翼展长度小于45，且重量小于0.75的就是帝蛾，其它的是月蛾。这种决策树叫森林，也可以不用树的方式，其是用任意线来切分决策空间，不一定是直线。
人工神经网络
一个一个的节点是神经元，它不用电信号，而是吃进去数字，吐出数字，然后一层一层的形成神经元网络。最左侧输入飞蛾的翼展长度和重量，然后最右端确定是飞蛾还是月蛾。中间经过了一层隐藏的中间层。
我们给神经元做一些权重组合，0.552.8+820.1=9.74，然后再该神经元处设置偏差值，9.74-6=3.74。这些权重值和偏差值起初是随机的，然后会调整这些值来训练神经网络。
最后，神经元有激活函数，向前传播，最终数字最高就是结果。
重要的是，隐藏层不是只能有一层，可以有很多很多层，深度学习因此得名，训练更复杂的网络，需要更多的计算量和数据。
第35集·计算机视觉 - Computer Vision
像素色
每一格像素都是三种色值决定的，通过三种原色的强度，可以得到任何颜色，RGB值。加入你想要跟踪一个粉色的球，我们先把这个球的RGB值保存下来，然后给程序喂入图像，让它找最接近这个颜色的像素，算法可以从左上角开始，追个检查像素，计算目标颜色的差异。检查了每个像素后，最贴近的像素就是我们要的目标。当然球的颜色会受到环境的影响。
垂直边缘算法
将照片转成灰度图，放大，很容易发现哪是柱子的边缘，因为有垂直的颜色变化，某像素是否是垂直边缘取决于左右两边像素的差异程度，差异程度越大，越可能是边缘，如果色差很小就不是边缘。
这种算法是核过滤器，中间栏是0，左侧是-1，右侧是1， 如果加入每像素的灰度值计算求和，得到中心核的数值，这个数值越小说明越可能是边界。
换算完之后是这个样子的，每个像素都是一个核值。把核应用于像素块，这种操作叫卷积。"核"能做很多种图像转换，比如这能锐化图像，能模糊图像。
人脸识别
"卷积神经网络"用一堆神经元处理图像数据，每个都会输出一个新图像，本质上是被不同的核处理了，输出会被后面一层神经元处理，卷积卷积再卷积，第一层可能发现，边缘这样的特征，下一层在这个基础上识别，下一层可以在这些基础上识别，比如由边缘组成的角落，然后在下一层可以在角落上继续卷积，比如嘴和眉毛，然后不但重复，逐渐增加复杂度。直到某一层把所有的特征放在一起，确定这就是“脸”。
有了上面的卷积神经网络，要识别眼睛是否是睁开的就容易了，眼睛的中心很好判断，眼睛的边缘的距离来判断是否睁开。也可以判断表情，微笑沮丧等。这些信息可以用“情感识别算法”来识别，让电脑知道你是开心，忧伤，沮丧，困惑等等，然后计算机可以做出适合的行为。比如当你不明白是给你提示。如果计算机能听懂我们然后回话，就更好了。
第36集·自然语言处理 - Natural Language Processing
语句
名词，代词，冠词，动词，形容词，副词，介词，连词，感叹词。使用短语结构规则用于计算机，句子可以由一个名词短语和一个动词短语组成，可以给一门语言指定出一堆规则，用这些规则，可以做出分析树。如何采集声音，信号来自麦克风内部隔膜震动的频率，横轴是时间，竖轴是隔膜移动的幅度。我们换一种图谱，横轴还是时间，竖轴是不同频率的振幅，颜色越亮，那个频率的声音越大。
第37集·机器人 - Robots
机械爪
这种行为可以用简单控制回路做，首先，判断机器人的位置，我们到了吗？没有，那么继续前进，再次判断位置，我们到了吗？没有所以继续前进，我们到了吗？是的！现在可以停下来了，别问了！，这个控制回路叫负反馈回路。首先是一个传感器，可以测量现实中的东西，比如水压，马达位置，根据传感器，计算目标值相差多大。现实中情况会很复杂，惯性让爪子超过了预期位置，然后控制回路又开始运行，叫爪子移动回去，一个糟糕的控制回路，可能会让爪子不断来回移动，甚至永远循环。还可能会有更多的外界干扰，比如摩擦力，风，等等。为了处理这些外力，我们需要更复杂的控制逻辑，一个使用广泛的机制，有控制回路和反馈机制。叫“比例-积分-微分控制器”，简称PID控制器。
比例值，实际值和理想值，实际值和理想值的差距越大，就越用力，比例控制。
第38集·计算机中的心理学 - Psychology of Computing
分块
从图中可以看到，一块一块的区间有利于我们接受，优秀的系统设计师在创造软件时，会运用社会心理学，认知心理学，行为心理学，感知心理学，人类擅长给颜色强度排序。除了视觉，理解人类认知系统能帮我们设计更好的界面，比如，如果信息分块了会更容易读，更容易记。对电脑来说，全部挤在一起更有效率，分块浪费内存，浪费屏幕，但这样设计更容易扫视，记住和访问。
图标
图形界面比命令行更容易用，文字，图片，声音可以用图片表示，比如垃圾桶的图标，代表里面放着被删除的文件，这比命令行好多了。
恐怖谷
人们喜欢拟人化的物体，对计算机也不例外，特别是会动的计算机，人们对像人的机器人会有好感，但随着相似度越来越高，事情会开始变得有些奇怪，引起一种怪异不安的感觉，这个几乎像人类和真的人类之间的小曲线，叫恐怖谷。
第39集·教育型科技 - Educational Technology
判断规则
判断规则+选择算法，组合为域模型，它给知识，解决步骤和一门学科比如代数，用一种正确写法来表示。贝叶斯知识追踪，看学生答题的正确度，更新学生掌握程度的估算值，会记录四个概率。学生已经学会的概率，瞎猜的概率，失误的概率，做过程中学会的概率。
第40集·奇点，天网，计算机的未来 - The Singularity, Skynet, and the Future of Computing
计算机处理能力
我们可以看到计算机的处理能力越来越高，正如摩尔定律所描述的，在本世纪中页，计算机的处理能力就能超过人类。然后人的参与会越来越少，人工智能会开始改造自己，智能科技的失控性发展叫奇点。
职业
我们可以看到需要脑力和非重复性的职业是越来越多了，重复性的，体力性职业已经逐步被机器人取代，当机器人能完全取代所有类型职业，会导致灾难性的后果。奇点会让我们超越肉体和大脑的局限性，我们能掌握自己的命运。人类的肉体死去，意识上传到计算机，从生物体变成数字体，可能是下一次进化跨越。我们正处于计算机的黄金时代。