人工智能基础与应用ppt课件.pptx

A I 遇见应用 兴趣引领未来,人工智能基础与应用项目一 初探人工智能,目 录,教学目标教学要求内容概览相关知识1.1.1 机器能思考吗？1.1.2 人工智能的发展历程1.1.3 人工智能的产业结构1.1.4 人工智能砸了谁的饭碗练习与思考,人工智能基础与应用项目一 初探人工智能,1.掌握人工智能发展以及与其他新技术的关系2.了解人工智能的发展历程3.了解人工智能的产业结构、代表企业及人才培养要求4.思考人工智能可能替代哪些岗位、催生哪些就业机会,【教学目标】,1. 知识点AI发展历程 AI产业结构 人工智能训练师2. 技能点理解人工智能的发展目标及与其他新技术的相互关系3. 重难点通过本单元的学习，重点了解人工智能的产业结构、具体应用及对应的人才培养层次；难点是拓展学习人工智能训练师诞生的职业背景，理解其岗位能力要求和数据标注及训练的重要性。,【教学要求】,【内容概览】,“云”“物” “大”“智”物联网：对接真实的物理世界，获取海量数据；云计算：为海量数据提供强大的承载能力；大数据：对海量数据进行挖掘和分析，实现数据到信息的转换；人工智能：对数据进行学习，对信息进行理解，最终实现数据到知识和智能的转换。如果用人体来比喻，物联网是人体的神经网络，大数据是流动的血液，云计算是心脏，人工智能则是掌控的大脑。,【相关知识】,艾智讯AI小课堂：一起来了解“云”“物”“大”“智”,【相关知识】,（点击播放视频）,人工智能是什么？人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器。概括来说，就是研究如何使机器具备以下能力： 能听（语音识别、机器翻译等）；会说（语音合成、人机对话等）；能看（图像识别、文字识别）；能思考（人机对弈、定理证明等）；会学习（机器学习、知识表示等）；会行动（机器人、自定驾驶汽车等）；能应变（认知智能、自主行动）。,一、机器能思考吗？,人工智能的研究领域包括语音识别、图像识别、机器学习、深度学习、自然语言处理、知识图谱、脑机互动等等。,一、机器能思考吗？,人工智能拟人能力图,人工智能的智能水平人工智能像“人”一样，其智能水平也在逐步发展，从低到高可划分为计算智能、感知智能、认知智能三个阶段。第一层次：计算智能机器像人类一样会计算、传递信息，例如神经网络、遗传算法等，各种棋类游戏、专家系统体现的就是计算智能。第二层次：感知智能机器能听会说、能看会认，像语音助手、人脸识别、看图搜图和无人驾驶等。第三层次：认知智能机器能理解会思考，主动采取行动，这是人工智能领域专家们正在努力的方向，比如微软小冰就具有非常初级的理解语意的能力。,一、机器能思考吗？,人工智能的智能水平三种智能水平的行业应用特点：第一种类型，信息完全输入的状况。在这种状况下，机器得到输入，就可以充分准确的得到相应的输出。像实时语音转写，人脸识别、图像识别等技术，“输入”即可以得到“输出”，在这一领域机器将来可以完全替代人工。第二种类型，是仅仅有输入还不够，还需要知识积累，需要思维判断的工作。这一领域是人和机器耦合的，比如机器人可以回答孩子的问题，教孩子知识，和孩子玩耍，但不能完全代替父母陪伴孩子、和孩子实时交流等。这种场景下：机器无法完全替代人工，而是辅助人，人机耦合进行工作。第三种类型，没有信息输入，而是主要靠创意，靠想象力的工作。今天的机器可以作图、作曲、写诗，但更多还是模仿，让机器具备思考的能力、主动创作的能力目前还很难做到。这是人工智能发展的未来趋势之一，因此需要创意和想象力的工作是机器无法取代的。,一、机器能思考吗？,人工智能的发展历程可分为三段时期、6个阶段。第一阶段：人工智能起步期 19561980s1956达特茅斯会议标志AI诞生1957神经网络Perceptron被罗森布拉特发明；1964年，首台聊天机器人诞生1970受限于计算能力，人工智能进入第一个寒冬第二阶段：专家系统推广 1980s1990s1980卡耐基梅隆大学推进第一个名为XCON的专家系统，具有一套强大的知识库和推理能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工智能迎来第二个寒冬,二、人工智能的发展历程,第三阶段：深度学习 2000s至今1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑2006 Hinton提出“深度学习”的神经网络2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮近十年来，随着大数据、云计算、物联网等信息技术的发展，以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，实现了从“不能用、不好用”到“可以用”的技术突破。总体趋势：人工智能的发展历程曲折起伏，高峰与低谷交替出现。未来随着人工智能核心技术的突破，将不断改善提升现有的局限性，向各行各业快速渗透融合，这是人工智能驱动第四次技术革命的最主要表现方式。,二、人工智能的发展历程,人工智能的产业链划分概览,三、人工智能的产业结构,基础支撑层（基础层）人工智能产业的基础主要是研发硬件及软件，为人工智能提供数据及算力支撑。主要包括物质基础：即计算硬件（AI芯片、传感器）、计算系统技术（大数据、云计算和5G通信）、数据（数据采集、标注和分析）和算法模型。传感器负责收集数据，AI芯片（GPU、FPGA、ASIC等）负责运算，算法模型负责训练数据。,三、人工智能的产业结构,技术驱动层（技术层）人工智能产业的核心主要包括图像识别、文字识别、语音识别、生物识别等应用技术，主要用于让机器完成对外部世界的探测，即看懂、听懂、读懂世界，进而才能够做出分析判断、采取行动，让更复杂层面的智慧决策、自主行动成为可能。,三、人工智能的产业结构,场景应用层（应用层）人工智能产业的延伸，专注行业应用主要面向AI与传统产业的深度融合，实现不同行业应用场景的解决方案（如“AI+”制造、家居、金融、教育、交通、安防、医疗、物流、零售等领域）和AI消费级终端产品（如智能汽车、智能机器人、智能无人机、智能家居设备、可穿戴设备等）。,三、人工智能的产业结构,三、人工智能的产业结构,人工智能产业结构图,三、人工智能的产业结构,人工智能应用正在以场景化、碎片化的方式涌现预计2030年，我国人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元！国务院新一代人工智能发展规划,三、人工智能的产业结构,中国人工智能产业结构概览中国人工智能企业多集中在应用层，技术层和基础层企业占比相对较小；从技术类型分布来看，涉及机器学习、大数据、云计算和机器人技术的企业较多，整体分布相对均匀。在应用技术方面，以语音识别、机器视觉为代表的人工智能技术快速成熟，已达到规模化产业实用水平。,三、人工智能的产业结构,中国人工智能产业结构概览全球科技竞争进入敏感时期，产品出口、系统软件采购、芯片进口等多方面都可能面临挑战，这对以应用开发见长、基础层支撑积累较浅的国内企业带来压力，但同时也形成了倒逼产业链上游企业发展的动力。,三、人工智能的产业结构,人工智能产业的人才需求结构AI产业链分为:基础层、技术层、应用层。AI产业链以算力驱动，场景为王。未来各行各业的应用需要大量的技术技能型人才认识人工智能、参与到场境训练与应用中。,三、人工智能的产业结构,动力市场的变化劳动者面临职业替代风险对人才培养模式和体系提出了变革要求,“物信融合”时代教育面临的挑战AI、5G 、VR等新技术势不可挡，未来的教育教学模式如何变革？技术真的能奏效吗？教学方法和教学内容如何提升？如何让所有从事和参与教育的人享受教育生活，让以教师为中心的学习向以学生为中心的学习转变，享受学习过程，让所有的人真正成为他自己。人工智能时代的到来倒逼未来教育的发展，同时技术更迭与教育伦理需做好有效衔接和平衡。,“物信融合”背景下教育发展面临的挑战:,三、人工智能的产业结构,人工智能（AI）政策支持情况政策导向人工智能（AI）技术的应用，加大对人工智能人才（技术应用）的培养力度势在必行。,四、人工智能砸了谁的饭碗,你的职业未来会消失吗？人工智能的本质：是将人们从简单、机械的劳动中解放出来，有效地提高效率与质量、节约时间，降低人力与业务成本。从社会分工来看，最先被取代的是很多简单的工作、易于自动化的内部工作。如：依靠训练即可掌握的技能；重复性劳动，熟练即可的工作；。典型的如生产工、装配工、流水线作业等。非自动化工作，如：创意、设计、发明、沟通协调等，对劳动力的需求将会上升，并在企业内外部创造出一些新的工作机会。从本质上说，人工智能将带来的是一种劳动力的转型，将改变人们的工作性质，重塑未来的劳动力。,四、人工智能砸了谁的饭碗,你的职业未来会消失吗？,（数据来源：牛津大学、麦肯锡、普华永道、创新工场研究报告）,人工智能替代职业的概率排名情况,四、人工智能砸了谁的饭碗,什么是“人工智能训练师”？2020年3月，人社部向社会发布了未来紧需的16个新职业，其中人工智能训练师名列其中，这是人工智能的第一个非技术类新职位，更是一个面向行业应用的新岗位。“人工智能训练师”，是阿里巴巴率先提出，被形象的称为“机器人饲养员”。 其目的就是让AI更“懂”人，通“人”性，更好地为人们服务。具体定义： 是指使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员。,四、人工智能砸了谁的饭碗,人工智能训练师产业的背景行业背景：随着人工智能技术的不断变革，人工智能正在加快与各行各业深度融合，加快产业智能化进程。AI+传统产业已是大势所趋，未来对人才培养的倒逼、企业岗位的变化以及职业能力的要求将出现巨大改变。岗位需求：人工智能的应用需要大量数据的支撑，而在各行各业获取到的原始数据无法直接用于模型训练，这需要专业的标注和加工后才能使用，但如果标注人员不懂行业具体的应用场境，对数据的理解和标注质量差异很大，将导致整体标注工作的效率和效果都不够理想。因此，“人工智能训练师” 应运而生，这不是一个人工智能技术职位，而是“人工智能+专业应用”的新岗位。,四、人工智能砸了谁的饭碗,人工智能训练师需要具备什么能力？人工智能训练师从智能产品应用、数据分析、业务理解、智能训练等维度划分五个等级，包括：（1）标注和加工图片、文字、语音等业务的原始数据；（2）设计人工智能产品的交互流程和应用解决方案；（3）分析提炼专业领域特征，训练和评测人工智能产品相关算法、功能和性能；（4）监控、分析、管理人工智能产品应用数据；（5）调整、优化人工智能产品参数和配置。其核心目标就是通过分析需求和相关数据，完成数据标注规则的制定，最终实现提高数据标注工作的质量和效率，让智能更懂人类，更好地为人类服务。,【练习与思考】,选择题：1. 人工智能的智能水平从低到高怎么发展？A. 认知智能感知智能计算智能B. 感知智能计算智能认知智能C. 计算智能认知智能感知智能D. 认知智能计算智能感知智能2. 人工智能的其他支撑技术包括哪些？（多选题）A. 云计算 B. 大数据 C. 物联网 D. 5G通信3. 以下哪项不属于人工智能的技术驱动层内容？A. 图像识别 B. 语音识别 C. AI芯片 D. 知识图谱,【练习与思考】,选择题：4. 以下哪项内容不属于人工智能的应用层范围？A. AI+金融 B. AI+无人驾驶 C. AI+教育 D. 智能芯片5. 以下哪项是人工智能未来可替代的职业？（多选题）A. 财务类人员 B. 流水线工人 C. 电话销售员 D. 心理学家判断题：1. 人工智能的发展是曲折起伏的，有低谷也有高潮，一直沿着这种趋势不断前进。2. 人工智能训练师要求具备人工智能技术背景，是一个人工智能技术岗位。,【练习与思考】,讨论题：1. 让学生想一想，人工智能从会学习、会行动到能思考、能应变，两种不同的智能水平可能带来的人类工作、生活的巨大变化，我们和机器怎么协同共处？2. 让学生结合自己所学的专业，查阅相关行业资料，思考该行业未来需要人工智能训练师吗？在哪些具体工作领域有需求？,【练习与思考】,客观题答案选择题：1. C 2. ABCD 3. C 4. D 5. ABC判断题：1. 对 2. 错（是一个非人工智能技术类职位）,人工智能基础与应用项目一 初探人工智能,A I 遇见应用 兴趣引领未来,A I 遇见应用 兴趣引领未来,人工智能基础与应用项目二 认知人工智能 的基础支撑,目 录,教学目标教学要求内容概览相关知识2.1.1 人工智能的核心驱动力2.1.2 人工智能的其他支撑技术2.1.3 了解人工智能的数据服务练习与思考,人工智能基础与应用项目二 认知人工智能的基础支撑,1.学习人工智能的核心驱动力算力、算法、数据，以及相互间的关系2.概要了解人工智能的其他支撑技术物联网、云计算、5G及相互间的赋能3.数据作为AI算法“燃料”的重要性以及采集、标注及分析的基本流程,【教学目标】,1. 知识点人工智能芯片的分类及特点 认知物联网和AIoT，以及云计算、5G的概念及应用人工智能数据服务的采集、标注及统计分析2. 重难点通过本单元的学习，厘清机器学习、深度学习之间的关系及重点应用领域；了解AIoT这一高频词的出现背景，思考人工智能技术与物联网在实际行业应用中的落地融合；深刻理解数据、算法模型及场境应用的流程及相互关系，由此学习人工智能数据服务的相关内容。,【教学要求】,【内容概览】,人工智能的核心驱动力人工智能的核心驱动力包括：大数据、算法、算力。大数据可以比作人工智能的燃料，算法是发动机，算力则是支撑发动机高速运转的加速器。三者相辅相成，数据量的上涨、运算力的提升和深度学习算法的出现才能极大地促进人工智能行业的发展。,【相关知识】,人工智能三要素,大数据这是让计算机获得智能的钥匙，具有三大特征：体量大、多维度、全面性；算法如深度学习、机器学习等，就是让计算机通过大量的数据具备学习能力；算力每个聪明的人工智能系统背后都有一套强大的硬件系统，用于计算处理大数据和执行先进算法的能力。,一、人工智能的核心驱动力,（一）人工智能的“加速器”算力 什么是算力？算力是人工智能的基础硬件层，为算法提供基础计算能力。涵盖：GPU、CPU、FPGA和各种各样的ASIC专用芯片。 芯片的发展历程？传统计算机芯片为CPU, 但这种传统计算架构无法支撑深度学习的大规模并行计算需求。GPU（图像处理器） 作为应对图像处理需求而出现的芯片，其海量数据并行运算的能力与深度学习需求不谋而合，因此，被最先引入深度学习。GPU的优点：让并行计算成为可能，对数据处理规模、数据运算速度带来了指数级的增长。和使用传统双核 CPU 在运算速度上的差距最大会达到近七十倍，解决了制约计算机视觉发展的主要瓶颈。,一、人工智能的核心驱动力,（一）人工智能的“加速器”算力 人工智能芯片的发展路径两种发展路径：一种是延续传统计算架构，加速硬件计算能力，主要以 3 种类型的芯片为代表，即 GPU、FPGA、ASIC，但 CPU依旧发挥着不可替代的作用；另一种是采用类脑神经结构来提升计算能力，以IBM TrueNorth芯片为代表。,一、人工智能的核心驱动力,传统芯片及类脑芯片硬件信息比较,什么是算法模型？算法是人工智能的发动机，有了算法，有了被训练的数据，经过多次训练，经过模型评估和算法人员不断调整后，会获得训练模型。有了好的算法模型，人工智能业务要求的基础功能才能得以实现。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,人工智能的算法理论人工智能、机器学习和深度学习的关系：人工智能是目标，机器学习是重要实现手段之一，深度学习则源于机器学习的一个技术方向人工神经网络。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,什么是机器学习？让计算机具有像人一样的学习和思考能力，即从已知数据中获得规律，并利用规律对未知数据进行预测的技术。在这整个过程中，最关键的是数据。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,机器学习的分类3种学习方式的分类：监督学习、无监督学习和强化学习。监督学习（Supervised Learning）：简单理解为“跟老师学”，即在有老师的环境下，学生从老师那里获得做对或做错的反馈。其学习结果为函数，以概率函数、代数函数或人工神经网络为函数模型无监督学习（Unsupervised Learning）：简单理解为“自学标评”，即没有老师的环境下，学生自己学习，一般有既定标准评价，或者无评价。采用聚类方法，学习结果为类别。强化学习（Reinforcement Learning）：简单理解为“自学自评”，即没有老师的环境下，学生对问题答案自我评价，以统计和动态规划技术为指导的一种学习方法。,什么是机器学习？什么是监督学习这是最简单、最直接的一种机器学习方式。类似高考前所做的练习题是有标准答案的，在做题的过程中，我们可以通过对照答案，来分析问题找出方法。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,什么是机器学习？什么是非监督学习也称为无监督学习，就是所做的练习题没有标准答案，换句话说，你也不知道自己做的是否正确，没有参照。由于这种方式能够帮助克服很多实际应用中获取监督数据的困难，因此一直是人工智能发展的一个重要研究方向。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,什么是机器学习？什么是强化学习这是一种非常强大的学习方式，其目标就是要获得一个策略去指导行动。比如在围棋博弈中，这个策略可以根据盘面形势指导每一步应该在哪里落子；在股票交易中，这个策略会告诉我们应该在什么时候买入、什么时候卖出。具体案例：2016年击败围棋世界冠军李世石九段的阿尔法狗，其令世人震惊的博弈能力就是通过强化学习训练出来的。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,什么是深度学习？这是机器学习比较热门的一个方向，其本身是神经网络算法的衍生。深度学习是让算法自动从数据中获取特征，而不是像从前的机器学习方法，人为的去提取特征。深度学习通过构建一个多层的表示学习结构，使用一系列非线性变换操作，从原始数据中提取简单的特征进行组合，从而获得更高层、更抽象的表示。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,机器学习和深度学习的差异其最大的不同在于深度学习不需要人为的做特征工程，而是可以通过算法直接获取特征。这使机器学习向“全自动数据分析”又前进了一步。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,什么是深度学习？ 深度学习的主要应用方向1. 图像处理领域图像分类（物体识别）：整幅图像的分类或识别。物体检测：检测图像中物体的位置进而识别物体。图像分割：对图像中的特定物体按边缘进行分割。图像回归：预测图像中物体组成部分的坐标。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,2. 语音识别领域语音识别：将语音识别为文字。声纹识别：识别是哪个人的声音。语音合成：根据文字合成特定人的语音。,什么是深度学习？ 深度学习的主要应用方向3. 自然语言处理领域语言模型：根据前一个单词预测下一个单词。情感分析：分析文本体现的情感（正负向、正负中或多态度类型）。神经机器翻译：基于统计语言模型的多语种互译。神经自动摘要：根据文本自动生成摘要。机器阅读理解：通过阅读文本回答问题、完成选择题或完型填空。自然语言推理：根据一句话（前提）推理出另一句话（结论）。,一、人工智能的核心驱动力,（二）人工智能的“发动机”算法,认识数据对人工智能的重要性数据集的丰富性和大规模性对算法训练尤为重要。实现精准视觉识别的第一步，就是获取海量而优质的应用场景数据。以人脸识别为例，训练该算法模型的图片数据量至少应为百万级别。大数据的来源社交网络用户数据 科学仪器获取数据 移动通信记录数据 传感器检测数据 飞机飞行记录数据 医疗数据：放射影像数据，疾病数据 商务数据：刷卡消费数据，网购交易数据信息量越来越大、维度越来越多，从图像、声音等媒体数据，到动作、姿态、轨迹等人类行为数据，再到地理位置、天气等环境数据,一、人工智能的核心驱动力,（三）人工智能的“燃料”数据,大数据的特点规模性（Volume，耗费大量存储、计算资源）；高速性（Velocity，增长迅速、急需实时处理）；多样性（Variety，来源广泛、形式多样）；价值稀疏性（Value，价值总量大、知识密度低）。 大数据与人工智能的关系一方面，大数据要求人工智能不断提高其计算能力；另一方面，大数据也在不断地训练着人工智能，使结果更加精准。,一、人工智能的核心驱动力,（三）人工智能的“燃料”数据,没有数据的人工智能是无法前行的。情景驱动的人工智能应用，对企业的数据处理能力提出迫切要求。企业不仅需要采集数据，还需要利用深度学习将这些数据转化为人工智能的“知识”。在每一个转化环节，都需要能读懂和识别数据背后信息的“AI+专业”应用人才。,一、人工智能的核心驱动力,总结,什么是物联网？狭义：指通过信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络。这些传感设备包括：射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等。广义：打造“物物相连的互联网”，指通过多种信息技术的结合，实现物体与物体之间、环境以及状态信息之间实时的共享，以及智能化的收集、传递、处理、执行。,二、人工智能的其他支撑技术,（一）认知物联网和AIoT,物联网与人工智能有什么关系？什么是AIoT？“AIoT”即“AI+IoT”，指的是人工智能技术与物联网在实际行业应用中的落地融合。物联网的最终目的是要解决具体场景的实际应用，赋予物联网一个“大脑”；AI通过对历史和实时数据的深度学习，能够更准确的判断用户习惯，使设备做出符合用户预期的行为，变得更加智能。人工智能也需要物联网这个重要的平台来完成落地应用。AI的数据只有IoT能够源源不断的提供，IoT提供的海量庞杂的数据可以让AI快速的获取知识，不断训练。,二、人工智能的其他支撑技术,（一）认知物联网和AIoT,物联网与人工智能有什么关系？什么是AIoT？,二、人工智能的其他支撑技术,（一）认知物联网和AIoT,因此只有两者结合才能发挥出更大的作用，把应用边界不断拓展，这也是产业互联网发展的核心诉求之一。,什么是云计算,二、人工智能的其他支撑技术,（二）了解云计算,从广义上说，计算资源的共享池叫做“云”。其实质是一个网络，云计算把许多计算资源集合起来，通过软件实现自动化管理，只需要很少的人参与，就能让资源被快速提供。核心概念就是以互联网为中心，在网站上提供快速且安全的云计算服务与数据存储，让每一个使用互联网的人都可以使用网络上的庞大计算资源与数据中心。,云计算的特点和应用,二、人工智能的其他支撑技术,（二）了解云计算,计算能力作为一种商品，可以无限扩展，只要按使用量付费就可以；可以在互联网上流通，可以方便地取用，且价格较为低廉。较为简单的云计算技术服务，包括最为常见的网络搜索引擎和网络邮箱。其他的如存储云、医疗云、金融云、教育云等等，也已广泛地应用在行业及生活中。,云计算与人工智能的关系,二、人工智能的其他支撑技术,（二）了解云计算,云计算不仅是人工智能的基础计算平台，也是人工智能的能力集成到千万应用中的便捷途径。作为IT基础设施，它是人工智能与大数据之间的桥梁。人工智能的自我学习需要海量数据用于训练。而云计算支撑了人工智能和大数据这些计算存储密集型任务，它是帮助获得海量真实大数据的重要方式。,什么是5G？,二、人工智能的其他支撑技术,（三）走近第五代移动通信技术（5G）,5G：第五代移动通信系统，也是继1G、2G、3G和4G系统之后的延伸。1G：语音通话，20世纪80年代；2G：消息传递，20世纪90年代；3G：多媒体、文本、互联网，20世纪90年代末至21世纪初；4G：实时数据，包括车载导航、视频共享，2008年推出。从模拟通信到数字通信，从文字传输、图像传输又到视频传输，移动通信技术极大地改变了我们的生活。而前四代移动通信网络技术，只是专注于移动通信，而5G在此基础上还包括了工业互联网和人工智能等诸多应用场景。,5G的特点,二、人工智能的其他支撑技术,（三）走近第五代移动通信技术（5G）,其性能目标是高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接。5G的到来，更高的速率、更大的带宽、更低的延迟成为可能。,5G能实现什么场景？,二、人工智能的其他支撑技术,（三）走近第五代移动通信技术（5G）,国际电信联盟无线电通信局定义了5G的三大典型应用场境：增强型移动宽带：主要面向虚拟现实（VR）/增强现实（AR）,以及在线视频4K/8K等高带宽需求业务；超可靠低时延通信：主要面向车联网与自动驾驶、远程外科手术、智能电网、无人机等时延敏感的业务；海量大规模连接物联网：主要面向智慧城市、智能交通等高连接密度需求的业务。,什么是人工智能数据服务？,三、了解人工智能的数据服务,即：为AI算法训练及优化提供的数据采集、清洗、信息抽取、标注等服务，这对于人工智能纵深到细分行业和场境应用至关重要。,三、了解人工智能的数据服务,人工智能数据服务包括以下步骤：1. 数据采集又称数据获取。被采集数据可以是被监测的各种物理量，如温度、湿度、水位等，也可以是各类影音图文信息。2. 数据标注包括：语音标注、图像标注、文本标注、视频标注等种类。标记的基本形式有：标注画框、3D画框、文本转录、图像打点、目标物体轮廓线等。3. 数据分析指用适当的统计方法对收集来的大量数据进行分析，提取有用信息和形成结论。通常包含以下三个步骤：探索性数据分析模型选定分析推断分析,三、了解人工智能的数据服务,人工智能数据服务什么是图像标注？图像标注和视频标注可统一称为图像标注，因为视频也是由图像连续播放组成，1秒钟的视频包含25帧图像，每1帧都是1张图像。现实应用场景：人脸识别以及自动驾驶车辆识别等。图形的数据标注需要相对复杂的过程。图像包括形态、目标点、结构划分等，数据标注人员需要对不同的目标标记物用不同的颜色进行轮廓标记，然后对相应的轮廓打标签，用标签来概述轮廓内的内容，以便让模型能够识别图像的不同标记物。,三、了解人工智能的数据服务,人工智能数据服务是深度学习技术催生出来的新职业，而数据标注员从事的是人工智能时代的信息处理工作。当技术的进步大幅提升了数据处理的效率，人的作用将从原来的重复劳动变成监督和辅助机器学习，职业要求和内涵也将发生重大变化。未来展望：随着算法需求越来越旺盛，由机器持续学习人工标注，提升预标注和自动标注能力对人工的替代率将成趋势。当技术大幅进步，数据标注师如何变成人工智能训练师，新技术在取代人力的同时也带来了新的职业路径和新的职业要求。,总结,【练习与思考】,选择题：1. 人工智能的核心驱动力包括以下哪些要素？（多选题）A. 算法 B. 数据 C. 算力 D. 物联网2. 以下哪个要素被称为人工智能的发动机？A. 算力 B. 数据 C. 云计算 D. 算法3. 人工智能与机器学习、深度学习的包含关系是什么？A. 人工智能深度学习机器学习B. 深度学习机器学习人工智能C. 机器学习深度学习人工智能D. 人工智能机器学习深度学习,【练习与思考】,选择题：4. 机器学习的分类方式有以下哪些？（多选题）A. 监督学习 B. 强化学习 C. 深度学习 D. 无监督学习5. 5G能实现以下哪些性能目标？（多选题）A. 减少延迟 B. 降低成本 C. 实现大规模设备连接 D.高数据速率6. 以下哪些应用场境属于5G的典型应用？(多选题)A. 无人驾驶 B. 车联网 C. 在线视频 D. 8K业务7. 大数据有哪些特点？（多选题）A. 多样性 B. 高速性 C. 规模性 D. 价值稀疏性,【练习与思考】,选择题：8. 人工智能的数据服务包括哪些步骤？(多选题)A. 数据标注 B. 数据采集 C. 数据分析 D. 数据清洗判断题：1. 作为组成人工智能的核心驱动力之一，算力被比作人工智能的燃料。2. 算力涵盖GPU、CPU、FPGA和各种各样的ASIC专用芯片。3. 深度学习的主要应用方向包括了图像识别、语音识别、自然语言处理等。,【练习与思考】,讨论题：1. 小组合作任务：将班级学生分成若干个小组，各小组就生活中的实际案例进行数据采集、并完成标注及分析，最终输出专题报告。2. 深度学习和传统机器学习相比，具有哪些优势？互联网时代，网购已经深入千家万户，结合本节学习内容思考深度学习在京东、美团、淘宝等网购平台有哪些用武之地？,【练习与思考】,客观题答案选择题：1. ABC 2. D 3. B 4. ABD 5. ABCD 6. ABCD 7. ABCD 8. ABC判断题：1. 错 2. 对 3. 对,人工智能基础与应用项目二 认知人工智能的基础支撑,A I 遇见应用 兴趣引领未来,A I 遇见应用 兴趣引领未来,人工智能基础与应用项目三 认知人工智能 的应用技术,任务一 视觉智能机器如何识字、看人,人工智能基础与应用项目三 认知人工智能的应用技术,目 录,教学目标教学要求内容概览相关知识3.1.1 图像识别技术的原理及应用3.1.2 人脸识别技术及应用3.1.3 OCR文字识别技术及应用练习与思考,1掌握图像识别、人脸识别、文字识别的含义2理解图像识别、人脸识别、文字识别的原理、技术流程、应用及发展趋势3进行图像识别、人脸识别、文字识别的实训,【教学目标】,1. 知识点图像识别、视频识别、人脸识别、行为识别、文字识别的概念和技术流程2. 技能点掌握图像识别、人脸识别、文字识别的实训操作3. 重难点通过本项目的学习，重点理解视觉智能包括哪些应用技术，过去的计算机视觉和现在的视觉智能有什么区别和联系，思考在生活和行业方面有哪些具体应用？从“看得见”到“看得清楚、看得明白”之间，需要我们怎么去训练机器？同时，结合每个任务后的实训项目进一步思考，尝试拓展更多实训任务。,【教学要求】,【内容概览】,【相关知识】,计算机视觉应用场景,图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门的领域之一。其目的是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。图像识别的发展经历三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别通过分类并提取重要特征并排除多余的信息来识别图像。图像的内容通常是用图像特征进行描述，包括：颜色特征、纹理特征、形状特征及局部特征点等。,一、图像识别技术的原理及应用,（一）什么是图像识别？,图像识别过程图像识别过程分为图像处理和图像识别两个部分。,一、图像识别技术的原理及应用,（一）什么是图像识别？,图像识别过程1. 图像处理分为模拟图像处理和数字图像处理。其目的是去除干扰、噪声，将原始图像进行特征提取，主要包括图像采集、图像增强、图像复原、图像编码与压缩和图像分割。,一、图像识别技术的原理及应用,（一）什么是图像识别？,图像识别过程2. 图像识别将经过处理的图像进行特征提取和分类，这就是图像识别。通常有几种常用的识别方法：统计法、模板匹配法和神经网络法。统计法该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质特点的特征来进行图像识别。 缺点：当特征数量激增，给特征提取造成困难，分类也难以实现。模板匹配法即把已知物体的模板与图像中所有未知物体进行比较，如果某一未知物体与该模板匹配，则该物体被检测出来，并被认为是与模板相同的物体。缺点：虽然简单方便，但应用有很大的限制，识别率过多地依赖于已知物体的模板，如果已知物体的模板产生变形，会导致错误的识别。,一、图像识别技术的原理及应用,（一）什么是图像识别？,图像识别过程2. 图像识别神经网络法指用神经网络算法对图像进行识别的方法。目前深度学习模型已应用于一般图像的识别和理解，不仅大大提升了图像识别的准确性，也避免了抽取人工特征时的时间消耗。什么是神经网络？神经网络侧重于模拟和实现人的认知过程中的感知过程、形象思维、分布式记忆和自学习自组织过程。神经网络的特征：具有容错性强、独特的联想记忆及自组织、自适应和自学习能力,特别适合处理信息模糊或不精确问题。,一、图像识别技术的原理及应用,（一）什么是图像识别？,举例：垃圾邮件的判断,图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。,一、图像识别技术的原理及应用,（二）图像识别的技术流程,视频监控、人脸检测和识别等都是图像识别最广泛的应用。从场境上，公共安全、生物、工业、农业、交通、医疗等均有广泛应用。存在的局限：图像识别技术在应用上还只是起着导盲犬性质的指引作用，需要通过人工添加标签或注释，帮助机器来理解图片。未来的技术将朝着能够具有人一样的视觉、能够理解图像内容的人工智能发展。,一、图像识别技术的原理及应用,（三）图像识别的应用,视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是由图像连续播放形成的（1秒钟的视频包含25帧图像，每1帧都是1张图像），视频识别中一个重要内容是视频理解，主要包括：视频结构化分析：即是对视频进行帧、超帧、镜头、场景、故事等分割，从而在多个层次上进行处理和表达。目标检测和跟踪：如车辆跟踪，多是应用在交通安防领域。人物识别：识别出视频中出现的人物。动作识别：识别出视频中人物的动作。视频中的行为识别是计算机视觉研究中的重要领域，将人的活动进行拆分并进行识别。,一、图像识别技术的原理及应用,（三）图像识别的应用,什么是人脸识别？人脸识别是图像识别的一个应用场景，通常也叫做人像识别、面部识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。 人脸识别技术的主要流程人脸图像采集及检测人脸图像预处理人脸图像特征提取匹配与识别。,二、人脸识别技术及应用,人脸识别技术的主要流程（1）人脸图像采集及检测人脸图像采集：通过摄像镜头采集，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。人脸检测：主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置、大小和特征。其目的就是把其中有用的信息挑出来，并利用这些特征实现检测。（2）人脸图像预处理基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。 包括人脸对准，人脸图像的光线补偿，灰度变换、直方图均衡化、归一化（取得尺寸一致，灰度取值范围相同的标准化人脸图像），中值滤波（图片的平滑操作以消除噪声）以及锐化等。,二、人脸识别技术及应用,人脸识别技术的主要流程（3）人脸图像特征提取也称人脸表征，是对人脸进行特征建模的过程。可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。（4）匹配与识别提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值，将相似度与这一阈值进行比较，来对人脸的身份信息进行判断。,二、人脸识别技术及应用,人脸识别技术的应用范围企业、住宅安全和管理：如人脸识别门禁考勤系统，人脸识别防盗门等电子护照及身份证公安、司法和刑侦自助服务信息安全：如计算机登录、电子政务和电子商务等其他类似常见技术还有指纹识别、手掌几何学识别、虹膜和视网膜识别等，也广泛地应用于身份认证等场境，比如签证应用、身份识别、打卡应用等。,二、人脸识别技术及应用,OCR，全称Optical Character Recognition，光学字符识别。利用该识别技术，OCR文字识别可以代替人工录入，将图片上的文字、符号识别出来并变为可编辑的文本。人工智能时代的OCR，又被称为文字识别技术，它是基于深度学习技术，将纸张、图片等载体上的文字内容，智能识别成为可编辑的文本。,三、OCR文字识别技术及应用,（一）什么是OCR识别？,1. 智能OCR的优点为什么会出现智能OCR？深度学习技术进入视觉识别领域，一种全新的基于深度学习的OCR流程被提出来。 优点：