人工智能的产生与发展ppt课件.pptx
第1章 人工智能的产生与发展,第1章 人工智能的产生与发展,1.1 引言-激动人心的AI-20161.2 人工智能的产生与发展1.3 认识人工智能的赋能1.4 人工智能、机器学习与深度学习1.5 算法、算力、大数据1.6 人工智能的产业生态1.7 科技巨头在AI领域的布局1.8 人工智能技术应用的学习路径,1.1 引言-激动人心的AI-2016,人工智能（Artificial Intelligence，AI）:通过计算机程序和模型模拟人类心智(Mind) 。标志：2016年3月AlphaGo以4：1战胜李世石，标志着AI技术发展达到了一个新的高度和热度。布局：谷歌、微软、腾讯、阿里巴巴、百度、科大讯飞、旷视科技等宣布将AI作为他们下一步发展的战略重心。重点领域：AI博弈、图像识别、计算机视觉、语音处理、商业智能、自动驾驶、智能机器人等。,1.1 引言-激动人心的AI-2016,1.1.1 无敌围棋系统-AlphaGoAlphaGo是由谷歌旗下的的DeepMind公司的戴维西尔弗、艾佳黄和杰、米斯哈萨比斯与他们的团队开发的一款基于人工智能的围棋程序。发展历程：AlphaGoAlphaGo-MasterAlphaGo-ZeroAlphaZero,1.1 引言-激动人心的AI-2016,1.1.2 计算机视觉的“世界杯”-ILSVRC 图像识别的典型场景：,ImageNet 是一个计算机视觉系统识别项目数据集（1500万张图片)。目的：通过设计和训练相关的人工智能系统（算法、模型），使其能够从ImageNet的图片中识别物体、场景，解决未来的计算机视觉（机器视觉）对物品、人和场景的直接辨认。,1.1 引言-激动人心的AI-2016,ILSVRC(ImageNet Large Scale Visual Recognition Challenge)，即“ImageNet大规模视觉识别挑战赛” ，已经成功举办七届。任务：物体定位（识别）、物体检测、视频物体检测。成绩： 在ILSVRC-2017中，360公司AI团队夺得了冠军， “物体定位”任务第一，所有任务和场景中取得了全球前三。,1.1 引言-激动人心的AI-2016,ILSVRC-2017中，中国的360公司AI团队与新加坡国立大学合作夺得了冠军。模型：“DPN 双通道网络+基本聚合”物体识别错误率：2.25%（人类识别错误率5.1%）。,物体识别错误率：,1.1 引言-激动人心的AI-2016,1.1.3 计算机听觉的实现-智能语音处理科大讯飞作为全球领先的智能语音技术提供商，在语音识别、语音合成、语义理解、机器翻译、语音交互、口语评测等多项技术上取得了国际领先的成果。关键技术：语音合成语音识别语义理解,1.1 引言-激动人心的AI-2016,1.1.4 人工智能的综合应用-自动驾驶汽车 ADAS基本原理：,驾驶辅助系统（Advanced Driver Assistant System， ADAS）利用车载传感器（摄像机、雷达等）来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。,1.1 引言-激动人心的AI-2016,1.1.5 中国新一代人工智能发展规划出台国务院于2017年7月8日印发了新一代人工智能发展规划，明确了我国新一代人工智能发展的战略目标：到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径；到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。,1.2 人工智能的产生与发展,1.2.1 人工智能的孕育与诞生1956年夏天，达特茅斯研讨会：正式提出了“人工智能（Artificial Intelligence，AI ）”的概念，标志着人工智能正式诞生并且成为一个独立领域。2006年AI创始人五十年后达特茅斯学院重聚(左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫),1.2 人工智能的产生与发展,1.2.2 人工智能的六十年历程AI的产生与发展历程,1.2 人工智能的产生与发展,人工智能大事记：,1942年美国科幻巨匠阿西莫夫提出“机器人三定律”。1956年人工智能的诞生。1965年兴起研究“有感觉”的机器人。1968年世界第一台智能机器人诞生。2002年家用机器人诞生。2014年机器人首次通过图灵测试。2016年AlphaGo打败人类。,1.3 认识人工智能的赋能,1.3.1 人工智能赋能实现人工智能赋能的主要研究领域与实现技术,1.3 认识人工智能的赋能,1.3.2 记忆能力-知识表示与知识图谱知识表示= 结构模型+处理机制。知识表示方法：逻辑表示法、产生式表示法、框架表示、面向对象的表示方法、 知识库是基于知识的系统（或专家系统）具有智能性。知识库技术包括知识的组织、管理、维护、优化等技术。知识库有两种含义：一种是指专家系统设计所应用的规则集合，不存在共享问题；另一种是指具有特定领域、可共享的知识库。如：自动驾驶服务。,1.3 认识人工智能的赋能,1.3.3 推理能力-自动推理与专家系统人工智能在获取了一定人类知识的基础上，还必须模仿人的推理能力，得到新知识，或者直接利用旧知识解决问题。专家系统=知识库+推理机一个专家系统应该具备以下三个要素：具备某个应用领域的专家级知识；能模拟专家的思维；能达到专家级的解题水平。,1.3 认识人工智能的赋能,专家系统与传统的计算机程序的主要区别,1.3 认识人工智能的赋能,1.3.4 规划能力-智能规划智能规划(Intelligent Planning)是人工智能模仿人的规划能力。应用场景包括：航空航天自主控制、机器人动作规划、生产调度、物流调度、导航路径优化、网络安全、军事对抗等。,1.3 认识人工智能的赋能,1.3.5 感知能力-图像与视觉人工智能在视觉方面的研究与应用主要分为：数字图像处理（Digital Image Processing）、计算机视觉（Computer Vision, CV）、机器视觉（Machine Vision, MV）。数字图像处理方法和技术包括：去噪、增强、复原、分割、变换、重建、提取特征、识别（场景、物体、动作、形态等）等。数字图像的基本应用：美颜相机、遥感图、气象云图、金相图分析、医学影像图等。,1.3 认识人工智能的赋能,计算机视觉是对目标进行：分割、分类、识别、跟踪、判别、决策等功能的人工智能技术。,计算机视觉应用领域：人脸识别、智能监控、图像识别、驾驶辅助/智能驾驶、三维图像视觉、工业视觉检测、医疗影像、文字识别。,1.3 认识人工智能的赋能,1.3.6 语言能力-自然语言处理自然语言处理（Natural Language Processing，NLP）。人工智能模仿人的听觉能力主要分为语音识别、语义理解、语音输入、语音交互、语音合成、机器翻译。,1.3 认识人工智能的赋能,1.3.7 学习能力-机器学习人工智能模仿人类的综合学习能力。实现方法：机器学习（Machine Learning，ML）。深度学习是模仿人的学习能力解决数据分类、回归、聚类和规则等学习问题，从数据中找出规律、提炼模型，应用模型对新的相似数据进行预测。机器学习的应用领域：图像识别、语音识别、AlphaGo围棋等。,1.3 认识人工智能的赋能,1.3.8 人工智能赋能实体经济,1.4 人工智能、机器学习与深度学习,1.4.1人工智能的分类按智能的能力分：强人工智能（General AI）弱人工智能（Narrow AI）按智能的方式分：计算智能：计算能力和存储能力超强的智能认知智能：能听会说人类的语言、看懂世界万物的智能感知智能：能够主动思考并采取行动的智能,1.4 人工智能、机器学习与深度学习,1.4.2人工智能与机器智能“人工智能” ：以“人”为中心定义的“智能”，通过计算机程序和模型模拟人类心智(Mind)能做的各种事情，如记忆、推理、感知、语言和学习等能力；“机器智能（Machine Inteligence, MI）” ：以“机器（机械）”为中心实现的“智能”，通过人工智能的相关技术赋予机器特定的智能，甚至一些超越人类的能力。,1.4 人工智能、机器学习与深度学习,1.4.3 人工智能与模式识别模式识别(Pattern Recognition) ：通过计算机采用数学的知识和方法来研究模式的自动处理及判读，实现人工智能。在模式识别的过程中，信息处理实际上是机器对周围环境及客体的识别过程，是对人参与智能识别的一个仿真。,1.4 人工智能、机器学习与深度学习,1.4.4 机器学习,1.4 人工智能、机器学习与深度学习,机器学习基本原理：,1.4 人工智能、机器学习与深度学习,1.4.5 深度学习,1.4 人工智能、机器学习与深度学习,一种多层卷积神经元网络模型LeNet-5示意图,1.5 算法、算力、大数据,1.5.1人工智能崛起的三大基石,1.5 算法、算力、大数据,1.5.2 计算能力云计算技术、高性能计算技术的发展，解决了 “算力横向扩展”的需求；服务器芯片处理能力和方式的发展解决了单台服务器“算力纵向扩展”的需求。GPU（ Graphics Processing Unit ）、TPU（ Tensor Processing Unit ）、FPGA（Field-Programmable Gate Array）,1.5 算法、算力、大数据,1.5.3 云存储与大数据,1.5 算法、算力、大数据,1.5.4 深度学习算法,1.6 人工智能的产业生态,1.6.1 人工智能产业链的三层划分,1.6 人工智能的产业生态,1.6.2 基础层,1.6 人工智能的产业生态,1.6.3 技术层全球主流AI框架的认可度比较,1.6 人工智能的产业生态,1.6.4 应用层应用层按照对象不同，可分为消费级终端应用产品以及行业场景应用两大类。消费级终端：智能机器人、智能无人机以及智能硬件。AI应用场景：智慧医疗、智慧教育、智慧金融、新零售、智慧安防、 智慧营销、智慧城市等。,1.7 科技巨头在AI领域的布局,1.7.1 国外巨头在AI的布局谷歌 ：TPU，基于TensorFlow的谷歌云平台微软： 开源了深度学习工具包CNTK，微软认知服务Facebook：Torchnet，Pytorch，DeepText， FastText， DeepFace IBM：类脑芯片TrueNorth，机器学习平台SystemML，云平台 Bluemix亚马逊苹果,1.7 科技巨头在AI领域的布局,1.7.2 中国巨头在AI领域的布局百度：深度学习框架，百度云平台，应用技术接口腾讯：深度学习平台，腾讯的平台，应用技术接口阿里：机器学习平台 PAI 2.0，阿里云，应用技术接口科大讯飞：自主研发麦克风阵列、语音合成芯片、离线识别芯片旷视科技：深度学习算法引擎 Brain+，人脸识别技术 Face+ 寒武纪：寒武纪1A处理器,1.8 人工智能技术应用的学习路径,AI应用人才知识技术与能力体系：,1.8 人工智能技术应用的学习路径,就业岗位、工作内容、典型工作任务分析：,
