人工智能概论——发展流派关键技术；883专业课参考书目第一章

人工智能的概念与定义

1. 目标： 自我学习，自我思考，自我决策

2. 定义：研究用于模拟，延申，扩展人的智能的理论方法，技术及应用系统的一门新的技术科学。
   简要版： 模拟人的思维过程和智能行为的学科

3. 意义：了解人类智能的实质，并寄托计算机生产出一种新的能以人类智能相似的方式做出反应的智能机器

4. 分类
   （分类依据：人工智能达到的能力水平）
   4.1 弱人工智能
   概念：基本逻辑推理，解决某种特定问题
   应用：文本理解，图像识别，语音识别，知识关联
   缺点：程式化的部分替代；不具备自主意识
   4.2 强人工智能
   又名 通用人工智能，完全人工智能
   概念：胜任人类所有工作的
   4.3 超人工智能
   概念：比人类大脑聪明很多，
   不一定能够实现

5. 总结
   弱人工智能代表了人工智能主流；
   应用产品：alphaGo;人脸识别技术；扫地机器人；自动驾驶汽车…

人工智能三大学派

符号主义

主要研究：基于逻辑推理的智能模拟方法
代表技术：启发式算法–>专家系统–>知识工程理论与技术
主流派别
代表成果：知识图谱–>自然语言理解–>知识问答，自动客服，智司法，答题机器人

连接主义

主要研究：神经网络间的连接机制和学习方法
代表技术：感知机；反向传播算法；卷积神经网络；深度信念网络

行为主义

主要研究：控制论。
早期研究重点是模拟人在控制过程中的智能行为和应用，如自寻优，自适应…后期：智能控制和智能机器人系统
主要成果：波士顿动力机器人

人工智能起源与发展

推理和搜索 -->知识工程和专家系统–>机器学习和深度特征表示学习

新一代人工智能的驱动因素

• 大数据
• 计算能力的提升
• 移动互联网和手机的结合

1. 数据量爆发性增长

丰富的数据训练集为人工智能在更多产业应用提供了可能

2. 计算能力大幅提升

• GPU并行计算能力可同时处理人工智能算法所需的大量数据，从而大大提升计算效率
• GPU缩短了深度学习的训练周期，进而加速人工智能产业发展进程
• 专门为深度学习训练用的专用计算芯片，使深度学习模型运行更快，同时能耗和物理空间都很小

3. 深度学习等算法发展

计算能力的提升和数据规模的增长，使得深度学习，强化学习，迁移学习等算法发展起来。

4. 移动AI创新应用牵引

移动互联网和智能手机的结合，催生了移动应用app时代到来。

人工智能关键技术

1. 机器学习和深度学习

• 根据学习模式将机器学习分为监督学习，无监督学习和强化学习；
• 根据学习方法将机器学习分为传统机器学习和深度学习。

深度学习：
更接近ai追求的目标；
学习：样本数据的内在规律和表示层次；
目标：让机器能够像人一样具有分析学习能力，能够识别文字，图像和声音数据。
人工智能，机器学习，深度学习的关系
依次包含。

• 人工智能：能够感知，推理，行动和适应的程序
• 机器学习：能够随着数据量的增加不断改进性能的算法
• 深度学习：机器学习的一个子集，利用多层神经网络从大量数据中进行学习

2. 知识图谱

• 本质：结构化的语义知识库
• 基本组成单位：“实体-关系-实体”三元组，以及实体及其相关的“属性–值”对
• 每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。
• 应用：反欺诈，不一致性验证等公共安全领域；搜索引擎，可视化展示，精准营销
• 用到的技术：动态分析等数据挖掘方法
• 存在问题：数据噪声问题，即数据本身的错误冗余

3. 自然语言处理

• 研究方向：人与计算机之间用自然语言进行有效通信的各种理论和方法

• 分类：
  3.1 机器翻译
  3.2 语义理解
  3.3 问答系统

• 存在问题：
  ①词法，句法，语义等不同层面存在不确定性；
  ②新的词汇，术语，语义导致语言现象的不可预测性
  ③数据资源的不充分使其难以覆盖复杂的语言现象

4. 人机交互

5. 计算机视觉

• 主要研究：使用计算机模拟人类视觉系统
• 应用：自动驾驶，智能医疗，机器人
• 分类：计算成像学，图像理解，三维视觉，动态视觉，视频编码
• 存在问题：
  ①不同领域与其他技术更好结合
  ②降低开发时间和人力成本
  ③新型算法的设计与开发

6. 生物特征识别

• 主要研究：通过个体 生理特征和行为特征 对个体身份识别认证的技术
• 阶段：注册和识别两个阶段
  ①注册：采集信息，预处理，特征提取，存储
  ②识别：对比分析
• 任务分类：辨认和确认
  6.1 辨认：
  一对多，从存储库中确定待识别人身份的过程；
  6.2 确认：
  一对一，将待识别人信息与存储库中特定单人信息比对
• 应用：指纹，人脸，虹膜等多种生物特征，智能化身份认证技术

7. SLAM技术-同步定位与建模

• 主要研究：室内自主定位与导航技术，根据传感器的信息，一边计算自身位置，一边构建环境地图或环境模型
• 分类：
  ①基于视觉的VSLAM：视觉导航技术，成本低，采集到环境图像搭载训练完成的AI模型
  ②基于激光雷达的SLAM：激光导航技术，二维三维的建模

8. VR/AR/MR技术
   虚拟现实（Virtual Reality，VR）、
   增强现实（AugmentedReality，AR）、
   混合现实（Mixed Reality，MR）

总结。

什么是人工智能？意义与目标？

人工智能是研究，开发用于模拟人类思维和行为方式的科学，研究目标是希望计算机能够达到甚至超越人类智慧，实现自我思考，自我学习，自我决策。研究意义在于了解人类智慧的本质，在不同领域设计研发出智能化设备帮助解决相关问题，改善人类生活，如智慧医疗，智慧城市等。

驱动新一代人工智能发展与进步的关键因素有哪些？

1. 计算能力的提升，GPU的并行计算缩短了ai训练周期，降低成本提高研发效率；
2. 移动网络与智能手机的结合。
3. 深度学习等新型算法的出现及发展
4. 大数据的发展。数据量暴增推进数据挖掘等大数据方法的进步

人工智能有哪三大流派？各种流派有哪些特点和代表性研究成果

1. 符号主义：
   特点：认为ai起源于逻辑推理；
   代表性研究成果：知识图谱。
2. 连接主义：
   特点：研究神经网络间的联系
   代表成果：卷积神经网络CNN模型等
3. 行为主义：
   特点：控制论。
   代表成果：波士顿动力机器人

新一代人工智能的关键技术有哪些？

1. 深度学习和机器学习
2. 知识图谱
3. VR／AR等技术发展
4. 人机交互
5. 计算机视觉
6. 自然语言处理
7. 生物特征识别
8. 室内定位与导航技术