人工智能概論PPT全套完整教學(xué)課件

《人工智能概論》第一章人工智能的前世今生主講教師：XXX由于文檔上傳大小限制，本課件里的視頻均由圖片代替。目錄三人工智能應(yīng)用概況一人工智能內(nèi)涵二人工智能理論基礎(chǔ)人工智能內(nèi)涵一情景導(dǎo)入同學(xué)們，說說你身邊的人工智能？情景導(dǎo)入什么是人工智能？人工智能內(nèi)涵圖靈（1912-1954），英國數(shù)學(xué)家、邏輯學(xué)家，被稱為計算機科學(xué)之父，人工智能之父。1950年在論文《機器能思考么？》中提出了圖靈測試，一種用于判定機器是否具有智能的試驗方法，如下：提問者和回答者分開，提問者通過一些裝置（鍵盤）向機器隨意提問。多次測試，如果有超過30%的提問者認(rèn)為回答問題的是人而不是機器，那么這臺機器就通過了測試，具有了人工智能。人工智能內(nèi)涵學(xué)術(shù)界定義約翰麥卡錫使一部機器的反應(yīng)方式像一個人在行動時所依據(jù)的智能；制造智能機器的科學(xué)與工程，特別是智能計算機程序；NilsJ.Nilsson人工智能是關(guān)于知識的學(xué)科—怎樣表示知識以及怎樣獲得知識并使用知識的學(xué)科；PatrickWinston人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。人工智能內(nèi)涵廣義人工智能人工智能指通過計算機實現(xiàn)人的頭腦思維所產(chǎn)生的效果，是對能夠從環(huán)境中獲取感知并執(zhí)行行動的智能體的描述和構(gòu)建人工智能產(chǎn)業(yè)人工智能產(chǎn)業(yè)的構(gòu)建包括數(shù)據(jù)資源、計算引擎、算法、技術(shù)、基于人工智能算法和技術(shù)進(jìn)行研發(fā)及拓展應(yīng)用的企業(yè)以及應(yīng)用領(lǐng)域人工智能技術(shù)人工智能技術(shù)是人類在利用和改造機器的過程中所掌握的物質(zhì)方法、手段和只是等各種活動方式的總和人工智能概念及界定人工智能內(nèi)涵定義我們通常講的人工智能指向人工智能技術(shù)，指利用技術(shù)學(xué)習(xí)人、模擬人，乃至超越人類智能的綜合能力；即通過機器實現(xiàn)人的頭腦思維，使其具備感知、決策與行動力。形象來說，人工智能可理解為由不同音符組成的音樂，而不同音符是由不同的樂器所奏響的，最終實現(xiàn)傳遞演奏者內(nèi)心所想與頭腦所思的效果。具體包括使用機器幫助、代替甚至部分超越人類實現(xiàn)認(rèn)知、識別、分析、決策等功能的技術(shù)手段。舉例如自然語言處理、語音識別、計算機視覺、機器智能技術(shù)、通過圖靈測試的智能等等。人工智能內(nèi)涵A通過視覺、聽覺、觸覺等感官活動，接受并理解文字、圖像、聲音、語言等各種外界信息，這就是認(rèn)識和理解外界環(huán)境的能力。C通過教育、訓(xùn)練和學(xué)習(xí)過程，日益豐富自身的知識和技能，這就是學(xué)習(xí)的能力。B通過人腦的生理與心理活動以及有關(guān)的信息處理過程，將感性知識抽象為理性知識，并能對事物運行的規(guī)律進(jìn)行分析、判斷和推理，這就是提出概念、建立方法，進(jìn)行演繹和歸納推理、作出決策的能力。D對不斷變化的外界環(huán)境條件（如干擾、刺激等外界作用）能靈活地作出正確地反應(yīng)，這就是自適應(yīng)能力。人工智能內(nèi)涵人工智能與大數(shù)據(jù)、云計算的最大的區(qū)別是，互聯(lián)網(wǎng)及新興技術(shù)改造的是傳統(tǒng)行業(yè)，是應(yīng)用層的創(chuàng)新，但人工智能改變的卻是互聯(lián)網(wǎng)本身。全新交互方式自進(jìn)化去節(jié)點化人工智能內(nèi)涵人工智能帶來的則是真正意義上的用戶交互層上的革命，真正解放了人類的雙手，讓語音交互、圖像識別、自然語言理解等成為新的傳遞媒介和對話窗口。而每一次交互方式上的重大變革，都會摧毀舊有的產(chǎn)業(yè)，孕育全新的產(chǎn)業(yè)，出現(xiàn)顛覆性的產(chǎn)業(yè)變化。全新的交互方式人工智能內(nèi)涵人工智能依托于互聯(lián)網(wǎng)海量數(shù)據(jù)的積累，用戶軌跡，以及數(shù)據(jù)挖掘、自然語言處理、語音交互、圖像識別、深度升級網(wǎng)絡(luò)、機器學(xué)習(xí)及用戶建模等方面的技術(shù)積淀，這些為人工智能提供了足夠快、足夠猛烈的爆發(fā)力和成長養(yǎng)料。同樣一年進(jìn)化期，人工智能的應(yīng)用和成長速度只能用指數(shù)級增長來形容，遠(yuǎn)遠(yuǎn)超過了過去互聯(lián)網(wǎng)所出現(xiàn)的電商、社交等的線性成長速度。自進(jìn)化阿爾法狗再進(jìn)化:無師自通學(xué)3天擊敗老狗(顫抖吧人類)人工智能內(nèi)涵去節(jié)點化即“所說即所得”，人工智能將使用門檻降到了0。就如小孩剛剛降生，首先最早學(xué)會的就是說話，而不是讀書、寫字一樣。人工智能以對話為主要的交互方式，更像是身體器官的自然延伸，而不像PC、手機，還得依靠雙手、眼睛和腦力，這一改變使其使用門檻幾乎為零，讓用戶獲取服務(wù)變得更加簡單便捷，真正實現(xiàn)了“所說即所得”。就如蘋果手機的觸控體驗給智能手機產(chǎn)業(yè)帶來的革命一樣，人工智能以對話為主的看似傻瓜式的改變，預(yù)期也會引發(fā)互聯(lián)網(wǎng)的一場顛覆革命。去節(jié)點化人工智能內(nèi)涵人工智能四種途徑像人一樣行動：圖靈測試的途徑像人一樣思考：認(rèn)知建模的途徑合理地思考：“思維法則”的途徑合理地行動：合理Agent的途徑人工智能內(nèi)涵像人一樣行動：圖靈測試的途徑1自然語言處理（naturallanguageprocessing）：使之能成功地用人類語言交流；2知識表示（knowledgerepresentation）：存儲它知道的或聽到的信息；4機器學(xué)習(xí)（machinelearning）：適應(yīng)新情況并進(jìn)行檢測和預(yù)測。3自動推理（automatedreasoning）：運用存儲的信息來回答問題并推出新結(jié)論；1.計算機視覺（computervision）：感知物體；2.機器人學(xué)（robotics）：操縱和移動對象。人工智能內(nèi)涵像人一樣思考：認(rèn)知建模的途徑內(nèi)省通過內(nèi)省捕獲人類自身的思維過程；心理實驗通過心理實驗觀察工作中的人類思維變化；腦成像通過腦成像觀察人類思考過程中的組織成分變化。認(rèn)知科學(xué)人工智能內(nèi)涵合理地思考：“思維法則”的途徑1965邏輯學(xué)家為世界上各種對象及對象之間關(guān)系的陳述制訂了一種精確的表示法（類似于算術(shù)表示法，算術(shù)只是關(guān)于數(shù)的陳述的表示法）人工智能中的邏輯主義（logicist）流派希望通過這樣的程序來創(chuàng)建智能系統(tǒng)，此途徑被稱為“思維法則”的途徑。已有程序原則上可以求解用邏輯表示法描述的任何可解問題（如果不存在解，那么程序可能無限循環(huán)）19世紀(jì)1965年人工智能邏輯學(xué)人工智能內(nèi)涵合理地思考：“思維法則”的途徑邏輯學(xué)兩個障礙首先，獲取非格式化的知識并用邏輯表示法要求的形式術(shù)語來陳述是不容易的，特別是在知識不是百分之百肯定時；其次，在“原則上”可解一個問題與實際上解決該問題之間存在巨大的差別，甚至求解只有幾百條事實的問題就可耗盡任何計算機的計算資源。人工智能內(nèi)涵Agent是進(jìn)行運行操作的智能安排（英語的agent源于拉丁語的agere，意為“去做”）。所有計算機程序都在運行并處理任務(wù)，但是普通計算機不能感知環(huán)境、長期持續(xù)、適應(yīng)變化并能創(chuàng)建與追求目標(biāo)。Agent能實現(xiàn)更多功能：自主操作進(jìn)行合理安排，或者當(dāng)存在不確定性時，為了實現(xiàn)最佳期望結(jié)果而重新規(guī)劃任務(wù)。合理地行動：合理Agent的途徑人工智能內(nèi)涵合理性的標(biāo)準(zhǔn)在數(shù)學(xué)上定義明確且完全通用，并可被“解決并取出”來生成可證實現(xiàn)了合理性的Agent設(shè)計。另一方面，人類行為可以完全適應(yīng)特定環(huán)境，并且可以很好地定義為人類做的所有事情的總和。所以研究合理Agent的一般原則以及用于構(gòu)造這樣的Agent的部件將是使用的一個重點。因為在現(xiàn)實中，盡管問題可被陳述地簡單，但是在試圖求解問題時各種各樣的難題就出現(xiàn)了。但是，合理Agent途徑在復(fù)雜環(huán)境中不可行，因為計算要求太高。合理地行動：合理Agent的途徑合理Agent的途徑與其他途徑相比有兩個優(yōu)點。首先，它比“思維法則”的途徑更普遍，因為正確的推理只是實現(xiàn)合理性的幾種可能的機制之一。其次，它比其他基于人類行為或人類思維的途徑更經(jīng)得起科學(xué)發(fā)展的檢驗。優(yōu)點習(xí)題通過Siri添加日程安排1.打開蘋果手機2.呼叫Siri3.請Siri添加下周日程安排4.對比通過Siri添加日程安排與以往添加日程安排的異同實訓(xùn)題人工智能理論基礎(chǔ)二人工智能理論基礎(chǔ)數(shù)學(xué)神經(jīng)科學(xué)計算機科學(xué)控制論大數(shù)據(jù)1自然科學(xué)類人工智能理論基礎(chǔ)哲學(xué)經(jīng)濟學(xué)倫理學(xué)心理學(xué)語言學(xué)2社會科學(xué)類人工智能應(yīng)用概況三人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能產(chǎn)業(yè)圖譜2各國人工智能應(yīng)用概況3人工智能應(yīng)用概況人工智能發(fā)展歷程1人工智能應(yīng)用概況人工智能發(fā)展歷程1深度學(xué)習(xí)，蓬勃興起機器學(xué)習(xí)，迎來曙光知識表示，走出困境計算推理，奠定基礎(chǔ)4.03.02.01.0人工智能應(yīng)用概況1956年，美國達(dá)特茅斯學(xué)院舉行第一次人工智能研討會，人工智能誕生的標(biāo)志麥卡錫首次提出了“人工智能”概念，紐厄爾和西蒙則展示了編寫的邏輯理論機器。而馬文·明斯基提出的“智能機器能夠創(chuàng)建周圍環(huán)境的抽象模型，如果遇到問題，能夠從抽象模型中尋找解決方法”這一定義，成為后30年智能機器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基礎(chǔ)生理學(xué)知識和腦神經(jīng)元的功能；羅素和懷特海德的對命題邏輯的形式分析；以及圖靈的計算理論。計算推理，奠定基礎(chǔ)1.0人工智能應(yīng)用概況1968MACSYMA系統(tǒng)1969DENDRAL程序20世紀(jì)70年代人工智能又從具體系統(tǒng)的研究逐漸回到一般研究，圍繞知識這一核心問題，人們在知識獲取、知識表示和知識推理等方面開始出現(xiàn)新的原理、方法、技術(shù)和工具。以E.A.Feigenbaum為代表的學(xué)者認(rèn)為，知識是有智能的機器所必備的，于是在他們的倡導(dǎo)下，在20世紀(jì)70年代中后期，人工智能進(jìn)入了“知識表示期”，E.A.Feigenbaum后來被稱為“知識工程”之父。知識表示，走出困境2.0人工智能由追求萬能、通用的一般研究轉(zhuǎn)入特定的具體研究，產(chǎn)生了以專家系統(tǒng)為代表的基于知識的各種人工智能系統(tǒng)人工智能應(yīng)用概況198119892001偉博斯在神經(jīng)網(wǎng)絡(luò)反向傳播（BP）算法中具體提出多層感知機模型帶領(lǐng)機器學(xué)習(xí)進(jìn)入了新時代。隨機森林出現(xiàn)于2001年，于AdaBoost算法同屬集成學(xué)習(xí)，雖然簡單，但在很多問題上效果卻出奇的好，因此現(xiàn)在還在被大規(guī)模使用。LeCun設(shè)計出了第一個真正意義上的卷積神經(jīng)網(wǎng)絡(luò)，用于手寫數(shù)字的識別，這是現(xiàn)在被廣泛使用的深度卷積神經(jīng)網(wǎng)絡(luò)的鼻祖。機器學(xué)習(xí)，迎來曙光3.0SVM代表了核技術(shù)的勝利，這是一種思想，通過隱式的將輸入向量映射到高維空間中，使得原本非線性的問題能得到很好的處理。而AdaBoost則代表了集成學(xué)習(xí)算法的勝利，通過將一些簡單的弱分類器集成起來使用居然能夠達(dá)到驚人的精度。人工智能應(yīng)用概況20062012ImageNet大賽上CNN奪冠2016深度學(xué)習(xí)領(lǐng)域的三巨頭LeCun、Bengio、Hinton聯(lián)手在Nature上發(fā)表綜述對DeepLearning進(jìn)行科普機器學(xué)習(xí)領(lǐng)域的泰斗Hinton和他的學(xué)生Salakhutdinov在頂尖學(xué)術(shù)刊物《Scince》上發(fā)表了一篇文章，開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮。深度學(xué)習(xí)，蓬勃興起4.020152014谷歌研發(fā)出20層的VGG模型。同年，DeepFace、DeepID模型橫空出世，在LFW數(shù)據(jù)庫上的人臉識別、人臉認(rèn)證的正確率達(dá)到99.75%，幾乎超越人類。阿爾法狗打敗李世石。人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況人工智能產(chǎn)業(yè)圖譜2人工智能應(yīng)用概況1）美國：美國領(lǐng)跑人工智能發(fā)展潮流，戰(zhàn)略層面高度重視人工智能應(yīng)用概況3美國政府成立多個人工智能管理與指導(dǎo)部門A美國政府優(yōu)先對人工智能投資B美國開展并更新相關(guān)戰(zhàn)略計劃C人工智能應(yīng)用概況2）歐洲：歐洲各國相繼出臺人工智能重大發(fā)展戰(zhàn)略人工智能應(yīng)用概況325個歐洲國家簽署《加強人工智能合作宣言》，強調(diào)作為“歐洲數(shù)字化的領(lǐng)導(dǎo)者”的北歐和波羅的海國家將加強人工智能方面的合作，以保持其歐洲數(shù)字化領(lǐng)先地區(qū)的地位，瑞典將在這一領(lǐng)域合作發(fā)揮關(guān)鍵領(lǐng)導(dǎo)作用?！叭斯ぶ悄軅惱怼眴栴}歐盟發(fā)布《人工智能時代：確立以人為本的歐洲戰(zhàn)略》和《歐盟人工智能》報告2018年6月，歐盟委員會（EuropeanCommission）成立承擔(dān)咨詢機構(gòu)角色的人工智能高級小組（AIHLG）人工智能應(yīng)用概況2）歐洲：歐洲各國相繼出臺人工智能重大發(fā)展戰(zhàn)略人工智能應(yīng)用概況3注重實效性，強調(diào)“綜合施治、合力發(fā)展”英國2018年3月，宣布《人工智能發(fā)展戰(zhàn)略》，承諾五年內(nèi)提供超過18.5億美元資金，重點為醫(yī)療保健和自動駕駛汽車領(lǐng)域法國“智能工廠”為重心的“工業(yè)4.0計劃”；“腦科學(xué)”戰(zhàn)略重點是機器人和數(shù)字化；2018年7月，德國聯(lián)邦政府發(fā)布《聯(lián)邦政府人工智能戰(zhàn)略要點》德國人工智能應(yīng)用概況3）亞洲：亞洲國家緊追人工智能潮流力爭向先進(jìn)國家看齊人工智能應(yīng)用概況3日本2018年發(fā)布《綜合創(chuàng)新戰(zhàn)略》，突顯大學(xué)改革、加強政府對創(chuàng)新的支持、人工智能、農(nóng)業(yè)發(fā)展、環(huán)境能源等五大重點措施韓國2018年發(fā)布《人工智能研發(fā)戰(zhàn)略》，并計劃在五年內(nèi)投入20億美元用于在國防、生命科學(xué)和公共安全領(lǐng)域應(yīng)用人工智能解決方案印度2018年發(fā)布《人工智能國家戰(zhàn)略》，特別關(guān)注軍事安全與道德隱私領(lǐng)域，重點放在健康護(hù)理、農(nóng)業(yè)、教育、智慧城市和基礎(chǔ)建設(shè)與智能交通五大領(lǐng)域；阿聯(lián)酋2018年3月，阿聯(lián)酋內(nèi)閣批準(zhǔn)組建“阿聯(lián)酋人工智能委員會”人工智能應(yīng)用概況4）中國人工智能應(yīng)用概況3從政策角度來看中國人工智能政策主要關(guān)注以下六個方面：中國制造、創(chuàng)新驅(qū)動、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)+、大數(shù)據(jù)、科技研發(fā)。其中，《中國制造2025》處于人工智能政策應(yīng)用網(wǎng)絡(luò)的核心，在地方人工智能政策制定過程中發(fā)揮著綱領(lǐng)性的作用。從風(fēng)險投資來看根據(jù)2013年到2018年第一季度全球的投融資數(shù)據(jù)，中國已在人工智能融資規(guī)模上超越美國成為全球最“吸金”國家，但是在投融資筆數(shù)上，美國仍然在全球處于領(lǐng)先地位。國內(nèi)融資金額和融資筆數(shù)最高的省市是北京，且遙遙領(lǐng)先其他各省。上海、浙江、江蘇和廣東等省市的表現(xiàn)也比較突出。人工智能應(yīng)用概況·人工智能企業(yè)數(shù)量人工智能應(yīng)用概況3人工智能應(yīng)用概況·人工智能企業(yè)城市分布人工智能應(yīng)用概況3習(xí)題人工智能具有以下哪些特征：（）A.全新交互方式B.自進(jìn)化C.去節(jié)點化D.自動化多選題正確答案：ABC《人工智能概論》第二章算法技術(shù)讓人工智能更聰明主講教師：XXX目錄三人工智能算法的應(yīng)用一機器學(xué)習(xí)二深度學(xué)習(xí)機器學(xué)習(xí)一情景導(dǎo)入訊飛翻譯機AlphoGo人臉識別情景導(dǎo)入是什么讓計算機或者軟件如此精通人性？為什么讓計算機或者軟件如此造化出神？計算機或者軟件還能做什么精妙絕倫的事情？人工智能人工智能算法人工智能的應(yīng)用人類越來越需要人工智能！機器學(xué)習(xí)機器學(xué)習(xí)是實現(xiàn)人工智能應(yīng)用的算法技術(shù)之一，也是人工智能算法技術(shù)研究領(lǐng)域的一個分支.因此，掌握‘機器學(xué)習(xí)’符合當(dāng)下人才培養(yǎng)的時代需求.人工智能是未來的發(fā)展趨勢，什么是人工智能？機器學(xué)習(xí)機器學(xué)習(xí)(一)機器學(xué)習(xí)的概念(二)機器學(xué)習(xí)的常見算法(三)強化學(xué)習(xí)機器學(xué)習(xí)（一）機器學(xué)習(xí)的概念機器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗來優(yōu)化提升行為判斷的計算程序簡單的講機器學(xué)習(xí)是一種能夠賦予機器學(xué)習(xí)的能力，讓它完成直接編程無法完成的功能的方法廣義上講機器學(xué)習(xí)是一種通過利用數(shù)據(jù)，訓(xùn)練出模型，然后使用模型預(yù)測的一種方法實踐上講機器學(xué)習(xí)的思想：機器學(xué)習(xí)是對人類在生活中學(xué)習(xí)成長的一個模擬。機器學(xué)習(xí)1.機器學(xué)習(xí)算法的技術(shù)分類有監(jiān)督學(xué)習(xí)特點應(yīng)用樣本數(shù)據(jù)同時包含特征自變量(X)和目標(biāo)變量(Y)。然后使用有監(jiān)督學(xué)習(xí)算法訓(xùn)練得到從特征自變量輸入到目標(biāo)變量輸出的映射函數(shù)：Y=f(X)。(1).分類問題如判斷“垃圾郵件”或“非垃圾郵件.(2).回歸問題如預(yù)測旅游人數(shù)機器學(xué)習(xí)1.機器學(xué)習(xí)算法的技術(shù)分類無監(jiān)督學(xué)習(xí)特點應(yīng)用樣本數(shù)據(jù)只有特征自變量(X)，沒有目標(biāo)變量(Y)。算法在輸入數(shù)據(jù)的過程中自己發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律或模式。(1).關(guān)聯(lián)問題關(guān)聯(lián)規(guī)則學(xué)習(xí)目的是從數(shù)據(jù)中發(fā)現(xiàn)強規(guī)則。如通過分析數(shù)據(jù)發(fā)現(xiàn)，買了商品A的顧客有可能還會買商品B(2).聚類問題聚類方法可以發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的組群關(guān)系。如確定衣服尺碼的大小。機器學(xué)習(xí)1.機器學(xué)習(xí)算法的技術(shù)分類半監(jiān)督學(xué)習(xí)特點應(yīng)用樣本數(shù)據(jù)部分被標(biāo)識，部分沒有被標(biāo)識。這種學(xué)習(xí)模型可以用來進(jìn)行預(yù)測，但是模型首先需要學(xué)習(xí)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)以便合理地組織數(shù)據(jù)來進(jìn)行預(yù)測。(1).分類問題(2).回歸問題機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識數(shù)據(jù)：機器學(xué)習(xí)算法的“學(xué)習(xí)資料”A訓(xùn)練數(shù)據(jù),用來訓(xùn)練模型的，是算法的學(xué)習(xí)資料B驗證數(shù)據(jù)，用來評估不同參數(shù)下模型效果，選擇最優(yōu)模型C測試數(shù)據(jù)，用來測試模型效果，評估泛化能力訓(xùn)練集和驗證集的劃分方法有兩種：“hold-out”和交互檢驗。訓(xùn)練數(shù)據(jù)是算法真正用來“學(xué)習(xí)”（擬合）的數(shù)據(jù)。機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識數(shù)據(jù)：三者的關(guān)系機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識目標(biāo)函數(shù)：機器學(xué)習(xí)算法學(xué)習(xí)的方向意義機器學(xué)習(xí)算法通過學(xué)習(xí)輸入數(shù)據(jù)，在求解目標(biāo)函數(shù)的極值的過程中，訓(xùn)練得到算法參數(shù)的最優(yōu)值，也即求解模型參數(shù)。舉例：邏輯回歸算法機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識基于梯度的參數(shù)優(yōu)化方法基于梯度的參數(shù)優(yōu)化方法指利用導(dǎo)數(shù)求目標(biāo)函數(shù)的極值（最值）機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識超參數(shù)及超參數(shù)尋優(yōu)參數(shù)：可以從數(shù)據(jù)中學(xué)習(xí)得到超參數(shù)：無法從數(shù)據(jù)里學(xué)習(xí)得到，需要靠人的經(jīng)驗來設(shè)定機器學(xué)習(xí)算法參數(shù)是由樣本數(shù)據(jù)學(xué)習(xí)得到，不需要提前設(shè)置；機器學(xué)習(xí)參數(shù)通常作為最終模型的一部分保存；使用模型進(jìn)行預(yù)測時，需要使用保存的參數(shù)。主要應(yīng)用于模型參數(shù)的學(xué)習(xí)過程，無法從樣本數(shù)據(jù)中直接學(xué)習(xí)；超參數(shù)通常使用啟發(fā)式方法，在訓(xùn)練之前提前設(shè)置；超參數(shù)定義關(guān)于模型更高層級的概念，如模型復(fù)雜度等。機器學(xué)習(xí)2.機器學(xué)習(xí)中的基礎(chǔ)知識超參數(shù)及超參數(shù)尋優(yōu)超參數(shù)的尋優(yōu)一般使用經(jīng)驗法則或通過反復(fù)試驗的方法，來探尋算法超參數(shù)的最優(yōu)值。超參數(shù)尋優(yōu)的基本思路嘗試不同的超參數(shù)組合來訓(xùn)練模型，通過比較不同組合得到的模型表現(xiàn)，最終確定最優(yōu)的超參數(shù)組合。網(wǎng)格搜索（GridSearch）隨機搜索（RandomSearch）機器學(xué)習(xí)3.機器學(xué)習(xí)的“學(xué)習(xí)”過程BDFACE首先準(zhǔn)備用于機器學(xué)習(xí)算法的數(shù)據(jù)集，以二維矩陣形式表示，每行代表一條學(xué)習(xí)樣本，每列代表一個變量，包括特征自變量（X）及目標(biāo)變量（Y）選擇一種機器學(xué)習(xí)算法并確定其目標(biāo)函數(shù)；使用驗證集評估不同超參數(shù)組合下的模型效果，選擇最優(yōu)模型；將數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；設(shè)定不同的算法超參數(shù)組合，在每組確定的超參數(shù)下，使用訓(xùn)練集進(jìn)行算法參數(shù)的尋優(yōu)，得到該組超參數(shù)下的最優(yōu)參數(shù)模型；使用測試集評估最優(yōu)模型的效果，即最終模型的泛化能力。機器學(xué)習(xí)(一)機器學(xué)習(xí)的概念(二)機器學(xué)習(xí)的常見算法(三)強化學(xué)習(xí)機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法決策樹算法用樹的結(jié)構(gòu)來構(gòu)建分類模型，每個節(jié)點代表著一個屬性，根據(jù)屬性的劃分，進(jìn)入這個節(jié)點的子節(jié)點直至葉子節(jié)點，每個葉子節(jié)點都代表一定的類別，從而達(dá)到分類的目的。概念如果要解決的問題需要模型具備很好的可解釋性，可以考慮決策樹算法。應(yīng)用用于貸款審批的決策樹模型舉例決策樹機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法舉例：用于貸款審批的決策樹模型假設(shè)該模型通過年齡、學(xué)歷、是否擁有房產(chǎn)等特征，對貸款申請人做出批準(zhǔn)或拒絕的決策，如圖2-5所示。輸入的申請人特征會按照決策樹的結(jié)構(gòu)自上而下進(jìn)行條件判斷，最終分類到某個葉子節(jié)點，根據(jù)模型對該葉子節(jié)點定義的屬性，來判斷是否通過該申請人的貸款。如，某申請人年齡為40歲，但沒有房產(chǎn)，若其月收入超過1.5萬元，模型認(rèn)定可以通過其貸款申請。決策樹具有很好的可解釋性，銀行可以向被拒絕貸款的客戶解釋拒絕原因，例如該客戶沒有房產(chǎn)且月收入小于1.5萬元機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法集成學(xué)習(xí)就是將多個弱監(jiān)督模型組合使用，以期得到一個更好更全面的模型。即便某一個弱模型得到了錯誤的預(yù)測，其他的弱分類器也可以將錯誤糾正回來。概念集成學(xué)習(xí)在任何規(guī)模的數(shù)據(jù)集上都有很好的應(yīng)對策略。應(yīng)用Bagging和Boosting舉例集成學(xué)習(xí)算法利用Bootstrap方法從樣本數(shù)據(jù)中采取有放回抽樣，經(jīng)過訓(xùn)練得到一個模型

，如此重復(fù)進(jìn)行M次，得到M個獨立模型。最終的預(yù)測模型可以將所有M個模型的預(yù)測結(jié)果按照一定的方法綜合使用。通常，分類問題采用M個模型預(yù)測投票的方式；回歸問題采用M個模型預(yù)測平均的方式。機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法舉例：Bagging和BoostingBaggingBoosting隨機森林是Bagging方法的一種。BGM是Boosting方法的一種。Boosting（提升方法）是一種可以用來減少有監(jiān)督學(xué)習(xí)中偏差的機器學(xué)習(xí)算法。機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法邏輯回歸算法邏輯回歸是一種基于線性回歸的經(jīng)典分類模型。核心思想：將線性函數(shù)的結(jié)果映射到了sigmoid函數(shù)中。公式如下：其中：z是關(guān)于輸入變量的線性回歸。機器學(xué)習(xí)（二）機器學(xué)習(xí)的常見算法神經(jīng)網(wǎng)絡(luò)是將多個sigmoid函數(shù)單元通過某種方式疊加形成的機器學(xué)習(xí)算法。概念輸入層：輸入變量隱藏層：sigmoid函數(shù)輸出層：預(yù)測值結(jié)構(gòu)‘隱藏層’多層的神經(jīng)網(wǎng)絡(luò)模型深度神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)(一)機器學(xué)習(xí)的概念(二)機器學(xué)習(xí)的常見算法(三)強化學(xué)習(xí)機器學(xué)習(xí)（三）強化學(xué)習(xí)強化學(xué)習(xí)的概念概念強化學(xué)習(xí)是機器學(xué)習(xí)的一個重要分支，是受到行為主義心理學(xué)研究的啟發(fā)，產(chǎn)生的一種交互式學(xué)習(xí)方法，又稱為增強學(xué)習(xí)。算法思想讓機器通過不斷的嘗試，從錯誤中學(xué)習(xí)，從一開始完全隨機進(jìn)行操作，到最后找到規(guī)律，學(xué)會達(dá)到目的的方法。基本要素環(huán)境，Agent，動作，反饋。機器學(xué)習(xí)（三）強化學(xué)習(xí)強化學(xué)習(xí)的概念A(yù)強化學(xué)習(xí)的輸入數(shù)據(jù)是序列的、交互的并且還是有反饋（Reward）的。而有監(jiān)督學(xué)習(xí)的輸入數(shù)據(jù)是多樣化的標(biāo)簽數(shù)據(jù)。輸入數(shù)據(jù)不同B強化學(xué)習(xí)是一個決策模型，有監(jiān)督學(xué)習(xí)更偏向模式挖掘。學(xué)習(xí)目標(biāo)不同C強化學(xué)習(xí)是進(jìn)程安排自己去學(xué)習(xí)，有監(jiān)督學(xué)習(xí)是按照算法特點進(jìn)行參數(shù)最優(yōu)化求解。學(xué)習(xí)方式不同與監(jiān)督學(xué)習(xí)的區(qū)別機器學(xué)習(xí)（三）強化學(xué)習(xí)強化學(xué)習(xí)的技術(shù)分類根據(jù)強化學(xué)習(xí)算法是否依賴模型(1)基于模型的強化學(xué)習(xí)算法（Model-based）(2)無模型的強化學(xué)習(xí)算法（Model-free）01根據(jù)策略的更新和學(xué)習(xí)方法不同(1)基于值函數(shù)的強化學(xué)習(xí)算法(2)基于直接策略搜索的強化學(xué)習(xí)算法02根據(jù)環(huán)境返回的回報函數(shù)是否已知(1)正向強化學(xué)習(xí)算法(2)逆向強化學(xué)習(xí)算法03深度學(xué)習(xí)二深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（一）算法基礎(chǔ)感知器(決策模型)輸入幾個二進(jìn)制并生成一個二進(jìn)制的輸出原理一般，f(x)=1,表示‘是’，f(x)=0,表示‘否’。深度學(xué)習(xí)（一）算法基礎(chǔ)感知器舉例深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是將線性函數(shù)的結(jié)果映射后引入非線性的變換sigmoid函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是對輸入數(shù)據(jù)x,保留正數(shù)且以0代替負(fù)數(shù)ReLU函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)激活函數(shù)作用是將輸入數(shù)據(jù)x的值變換到-1和1之間tanh函數(shù)深度學(xué)習(xí)（一）算法基礎(chǔ)神經(jīng)網(wǎng)絡(luò)指對神經(jīng)網(wǎng)絡(luò)沿著從輸入層到輸出層的順序，依次計算并存儲模型的中間變量（包括輸出）。前向傳播計算神經(jīng)網(wǎng)絡(luò)參數(shù)梯度的方法反向傳播深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（二）卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)LeNetAelxNetGoogleNet深度學(xué)習(xí)(一)算法基礎(chǔ)(二)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(三)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)（三）循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)LSTMGRU人工智能算法的應(yīng)用三人工智能算法的應(yīng)用生活中的人工智能人工智能算法的應(yīng)用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應(yīng)用（一）智能推薦概念：智能推薦是為用戶推薦所需要物品的一種人工智能工具。目的對用戶提供決策支持，例如買什么物品、聽什么歌曲或讀什么新聞。價值幫助用戶解決信息過載的問題，做出最好的選擇。方法基于內(nèi)容的方法和協(xié)同過濾的方法。人工智能算法的應(yīng)用（一）智能推薦基于內(nèi)容的方法原則去識別那些有共同特征的項目（如電影、音樂等）。思路對某個用戶已經(jīng)評分過的項目分析其共同特點，然后將含有這些特點的新的項目推薦給該用戶。局限‘內(nèi)容分析限制’和‘過度專業(yè)化’人工智能算法的應(yīng)用（一）智能推薦協(xié)同過濾的方法特點：使用其他用戶對項目的評分信息思想：如果目標(biāo)用戶和某一用戶在某些項目評分上很相似，那么目標(biāo)用戶對新項目的評分與該用戶的評分也是相似的優(yōu)點：解決基于內(nèi)容的推薦方法存在的一些局限分類：基于鄰域的方法和基于模型的方法基于模型的方法包括：括貝葉斯聚類、潛在語義分析（LDA）、最大熵、玻爾茲曼機、支持向量機（SVM）和奇異值分解（SVD）智能推薦方法的評判標(biāo)準(zhǔn)：準(zhǔn)確率，效率，穩(wěn)定性，合理性，意外發(fā)現(xiàn)率010203040506人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場景例：網(wǎng)易云音樂1娛樂——電影、音樂、游戲的推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場景例：今日頭條2內(nèi)容——個性化新聞、網(wǎng)頁的推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場景例：京東3電子商務(wù)——消費者商品購買推薦；人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場景例：旅游攻略4服務(wù)——旅游服務(wù)推薦、專家咨詢推薦等人工智能算法的應(yīng)用（一）智能推薦智能推薦的應(yīng)用場景例：抖音5社交——社交網(wǎng)絡(luò)中朋友的推薦和社會媒體網(wǎng)站中的內(nèi)容推薦；人工智能算法的應(yīng)用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應(yīng)用（二）計算機視覺概念圖像分類、目標(biāo)檢測、目標(biāo)跟蹤、語義分割和實例分割五個方向.用攝影機和計算機代替人眼對目標(biāo)進(jìn)行識別、跟蹤和測量，并進(jìn)一步做圖形處理，使之成為更適合人眼觀察或傳送給儀器檢測的圖像。概念研究方向人工智能算法的應(yīng)用圖像分類判斷一張圖像中是否包含某種物體，給輸入圖像分配標(biāo)簽算法：卷積神經(jīng)網(wǎng)絡(luò)案例：AlexNet、GoogLeNet應(yīng)用：百度圖片（二）計算機視覺人工智能算法的應(yīng)用目標(biāo)檢測確定某張給定圖像中是否存在給定類別（比如人、車、自行車、狗和貓）的目標(biāo)實例。算法：卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用場景：智能視頻監(jiān)控，無人駕駛等（二）計算機視覺人工智能算法的應(yīng)用目標(biāo)跟蹤在特定場景跟蹤某一個或多個特定感興趣對象。算法：生成算法和判別算法例：主成分分析算法（PCA），卷積神經(jīng)網(wǎng)路（二）計算機視覺人工智能算法的應(yīng)用語義分割算法：完全卷積網(wǎng)絡(luò)將屬于同一類的像素歸為一類，屬于像素級別上的分類。（二）計算機視覺人工智能算法的應(yīng)用實例分割實例分割：是一個綜合問題，融合了目標(biāo)檢測，語義分割和圖像分類的內(nèi)容。（二）計算機視覺人工智能算法的應(yīng)用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應(yīng)用（三）自然語言處理概念研究人際之間用自然語言通信的方法。概念Google搜索引擎,Amazon的Alexa語音助手，機器翻譯，對話生成等。應(yīng)用語音識別技術(shù)與基于文本的自然語言處理技術(shù)。研究內(nèi)容人工智能算法的應(yīng)用（三）自然語言處理語音識別技術(shù)01讓計算機將人類語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入，如二進(jìn)制編碼等。概念02“傳統(tǒng)”的識別方法和基于深度神經(jīng)網(wǎng)絡(luò)的“端到端”方法。方法03翻譯機(科大訊飛)應(yīng)用人工智能算法的應(yīng)用（三）自然語言處理基于文本的自然語言處理技術(shù)A概念指對文本類型數(shù)據(jù)的處理，通過構(gòu)建計算算法自動分析、表征人類自然語言。B應(yīng)用文本分類，機器翻譯，垃圾郵件分類，問答系統(tǒng)（iPhone的siri,小米的小愛同學(xué)，各個網(wǎng)站的機器人客服等）人工智能算法的應(yīng)用習(xí)題1.某郵件服務(wù)商希望開發(fā)垃圾郵件過濾的人工智能應(yīng)用，實現(xiàn)自動區(qū)分垃圾郵件和非垃圾郵件的功能，下面哪種學(xué)習(xí)方法最適合此種應(yīng)用需求：（）。A.二分類問題B.多分類問題C.聚類問題D.回歸問題單選題正確答案：A習(xí)題2.以下選項中，機器學(xué)習(xí)算法真正用來“學(xué)習(xí)”的數(shù)據(jù)是（）。A.驗證集B.訓(xùn)練集C.測試集D.超參數(shù)集單選題正確答案：B習(xí)題3.以下機器學(xué)習(xí)算法中，屬于集成學(xué)習(xí)Bagging算法的是（）。A.決策樹B.邏輯回歸C.隨機森林D.GBM單選題正確答案：C習(xí)題4.以下神經(jīng)網(wǎng)絡(luò)不屬于卷積神經(jīng)網(wǎng)絡(luò)的算法是（）。A.LeNetB.AlexNetC.GoogLeNetD.LSTM單選題正確答案：D習(xí)題5.以下神經(jīng)網(wǎng)絡(luò)屬于循環(huán)神經(jīng)網(wǎng)絡(luò)的是（）。A.GRUB.InceptionV1C.AlexNetD.VGG單選題正確答案：A習(xí)題6.機器學(xué)習(xí)的任務(wù)類型包括（）。A.有監(jiān)督學(xué)習(xí)B.無監(jiān)督學(xué)習(xí)C.半監(jiān)督學(xué)習(xí)D.強化學(xué)習(xí)多選題D.人工智能正確答案：ABC習(xí)題1.以下屬于計算機視覺領(lǐng)域的研究方向的有（）。A.人臉識別B.目標(biāo)檢測C.語義分割D.智能推薦多選題正確答案：BDED.目標(biāo)跟蹤習(xí)題2.在電商平臺瀏覽商品時會出現(xiàn)平臺自動推薦的商品，其可能采用的技術(shù)有（）。A.基于內(nèi)容的推薦算法B.協(xié)同過濾算法C.語義分割技術(shù)D.目標(biāo)跟蹤技術(shù)多選題正確答案：AB習(xí)題3.以下屬于自然語言領(lǐng)域的研究有（）。A.語音識別B.語義分割C.智能翻譯D.文本分類多選題正確答案：ACD《人工智能概論》第三章大數(shù)據(jù)讓人工智能土壤更肥沃主講教師：XXX案例導(dǎo)讀

每年，地震在全球范圍內(nèi)導(dǎo)致超過1.3萬人死亡，500萬人受傷或財產(chǎn)受損，每年造成的經(jīng)濟損失高達(dá)120億美元。

多年以來，科學(xué)家們主要依靠對震頻的監(jiān)測來預(yù)測地震。盡管還有很多潛在的地震預(yù)警信號，如大氣條件的變化或大量蛇群的遷移，但基于這些信號做出的預(yù)測準(zhǔn)確率太低，無法在現(xiàn)實中實施。案例1:地震預(yù)測呼喚大數(shù)據(jù)

科學(xué)家們利用大數(shù)據(jù)技術(shù)對來自衛(wèi)星和氣象領(lǐng)域的數(shù)據(jù)進(jìn)行統(tǒng)計分析，開啟了一種全新的地震預(yù)測方法。

該項技術(shù)可以幫助人類最早能提前30天預(yù)測到全球主要地震多發(fā)國家即將發(fā)生的震級6級以上的大地震，精準(zhǔn)度已經(jīng)達(dá)到90%。曾經(jīng)提前9天預(yù)測到了2015年3月3日在印尼發(fā)生的6.4級地震。案例導(dǎo)讀案例導(dǎo)讀Viola.AI是全球第一個使用人工智能驅(qū)動的相親平臺。通過結(jié)合人工智能、區(qū)塊鏈技術(shù)和智能合約技術(shù)，Viola.AI試圖顛覆相親行業(yè)，給全球用戶提供無國界的一條龍解決方案，包括約會、求婚乃至結(jié)婚。平臺使用深度學(xué)習(xí)技術(shù)，分析每個用戶的個性、背景和行為習(xí)慣，給用戶最貼合個人的建議，并在預(yù)測感情可能出現(xiàn)問題時敦促他們主動解決，保證感情穩(wěn)定。

借助新技術(shù)和移動約會服務(wù)，相親行業(yè)在過去的10年里發(fā)展迅速。不過仍有許多亟待解決的問題。比如網(wǎng)戀騙局、交友疲勞癥、用戶信息濫用等。還有在全球離婚率上升潮中的婚后感情危機了。案例2:相親活動也愛大數(shù)據(jù)引言引言一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)它什么都知道一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)一·什么是大數(shù)據(jù)

大數(shù)據(jù)（bigdata），指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

到今天為止，很難有一個統(tǒng)一的定義。2·大數(shù)據(jù)的五個特點2·大數(shù)據(jù)的五個特點2·大數(shù)據(jù)的五個特點2·大數(shù)據(jù)的五個特點2·大數(shù)據(jù)的五個特點二·大數(shù)據(jù)是如何產(chǎn)生的（一）信息科技進(jìn)步（一）信息科技進(jìn)步（一）信息科技進(jìn)步（一）信息科技進(jìn)步（二）互聯(lián)網(wǎng)誕生（二）互聯(lián)網(wǎng)誕生

曾經(jīng)有制作服裝的公司，想要調(diào)查顧客的購買意愿。需要統(tǒng)計顧客拿起了哪件衣服，試穿了哪件？在專賣店逗留了多長時間？這就需要安裝攝像頭，要選樣本，可能花費上億的資金。要想省錢的話其結(jié)果可能會失去參考價值。如果在網(wǎng)上做同樣的事情，成本近乎為“零”。大家可以想想，在淘寶網(wǎng)或者京東商城的主頁上，每一個網(wǎng)頁都相當(dāng)于一家店鋪，打開這個網(wǎng)頁就等于進(jìn)入了店鋪；點擊了衣服，相當(dāng)于顧客拿起衣服仔細(xì)端詳；把衣服放到收藏夾，可以理解為試穿；在實體店中的顧客行為幾乎被完整地映射到網(wǎng)頁上。（三）云計算（三）云計算（三）云計算（四）物聯(lián)網(wǎng)發(fā)展（五）社交網(wǎng)絡(luò)發(fā)展（六）智能終端誕生三·大數(shù)據(jù)的應(yīng)用（五）社交網(wǎng)絡(luò)發(fā)展1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明1.大數(shù)據(jù)讓政府治理更精準(zhǔn)透明2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用

國外的保險公司在給用戶進(jìn)行車險報價時，需要參考汽車自身存儲的OBD信息，其記錄了駕駛員的駕駛習(xí)慣，例如是否經(jīng)常緊急剎車，是否經(jīng)常瞬間加速等。保險公司會依據(jù)客戶的駕駛習(xí)慣來定義車主的保險產(chǎn)品等級，良好駕駛習(xí)慣的車主，其車險價格就較低，反之則車險價格就較高。案例一：保險行業(yè)利用駕駛員駕駛信息來確定車險價格2.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用

“博時淘金100”是博時基金和阿里共同成立的基金，依托螞蟻金服提供的海量電商交易數(shù)據(jù)（包括買賣家數(shù)量變化、商品價格變化、成交量變化等），對用戶需求，企業(yè)產(chǎn)品、行業(yè)成長進(jìn)行分析，從預(yù)測相關(guān)行業(yè)和企業(yè)景氣度。分析結(jié)果結(jié)合博時基金多因子量化投資模型，指導(dǎo)基金經(jīng)理進(jìn)行股票投資。案例二：“博時淘金100”指數(shù)基金跑贏大盤3.大數(shù)據(jù)在教育領(lǐng)域的應(yīng)用4.大數(shù)據(jù)在生活娛樂領(lǐng)域的應(yīng)用4.大數(shù)據(jù)在生活娛樂領(lǐng)域的應(yīng)用四·大數(shù)據(jù)的基本處理模型四、大數(shù)據(jù)的基本處理模型一般而言數(shù)據(jù)問題可以通過四個步驟進(jìn)行數(shù)據(jù)使用數(shù)據(jù)分析數(shù)據(jù)存儲數(shù)據(jù)采集這四個步驟構(gòu)成了大數(shù)據(jù)分析的基本構(gòu)架數(shù)據(jù)采集數(shù)據(jù)存儲數(shù)據(jù)分析數(shù)據(jù)使用大數(shù)據(jù)的采集一般分別為系統(tǒng)日志采集、網(wǎng)絡(luò)數(shù)據(jù)采集和其他數(shù)據(jù)采集。目前很多公司有自己的海量數(shù)據(jù)采集工具滿足每秒數(shù)百兆字節(jié)的采集和傳輸需求。（1）采集大數(shù)據(jù)處理的模型也可以被認(rèn)為數(shù)據(jù)>>信息>>知識>>智慧的金字塔模型，這是一個量級由大到小，價值由低到高的數(shù)據(jù)模型。對海量數(shù)據(jù)進(jìn)行分析時，需要把原始數(shù)據(jù)導(dǎo)入一個大型分布式的數(shù)據(jù)庫中，并且做一些簡單的清洗和預(yù)處理工作。這一過程如同廚師在購入食材以后需要清洗整理搭配的過程一樣。（2）導(dǎo)入/預(yù)處理數(shù)據(jù)挖掘是對現(xiàn)有數(shù)據(jù)進(jìn)行各種算法的計算，從而達(dá)到預(yù)測的效果。（4）挖掘與傳統(tǒng)的數(shù)據(jù)分析不同，這一環(huán)節(jié)的統(tǒng)計分析設(shè)計的數(shù)據(jù)量大，一般采用分布式數(shù)據(jù)庫或者分布式的計算集群對海量數(shù)據(jù)進(jìn)行處理。（3）統(tǒng)計/分析智慧信息知識數(shù)據(jù)挖掘統(tǒng)計/分析導(dǎo)入/預(yù)處理采集五·大數(shù)據(jù)與人工智能的關(guān)系人工智能什么是人工智能（AI）用人工的方法在機器（計算機）上實現(xiàn)的智能；或者說是人們使機器具有類似于人的智能。圖靈預(yù)測2000年的時候會出現(xiàn)通過圖靈測試，具備人工智能的機器，然而直到2014年6月，一臺計算機（聊天軟件）成功讓人類相信它是一個13歲的男孩，成為有史以來首臺通過圖靈測試的計算機。

------資料來源于《顫抖吧，人類！》中國科技日報2015年11月，機器依據(jù)未見過的書寫系統(tǒng)（比如：藏文）中的一個字符實例，寫出了同樣風(fēng)格的字符，說明機器已具備迅速學(xué)寫陌生文字的創(chuàng)造能力。

------資料來源于《Science》雜志封面新聞大數(shù)據(jù)與人工智能生活例子（預(yù)測班車的到達(dá)時間）：每天早上7點半班車從A地發(fā)往B地，預(yù)測到達(dá)B地的時間第一次乘坐你的預(yù)測通常不太準(zhǔn)一周之后你大概能預(yù)測：班車8點左右能夠到達(dá)B地一種簡單的機器學(xué)習(xí)模型（決策樹模型）一個月之后隨著經(jīng)驗的增加，你還會知道：周一常常堵車，會晚到10分鐘，下雨天常常堵車，會晚到20分鐘大數(shù)據(jù)與人工智能根據(jù)特征在水果攤買橙子，隨著見過的橙子和其他水果越來越多，辨別橙子的能力越來越強，不會再把香蕉當(dāng)橙子?！度斯ぶ悄芨耪摗返谒恼翧I芯片讓人工智能大腦更聰明主講教師：XXX目錄三人工智能芯片類型一芯片基礎(chǔ)知識二人工智能對芯片的需求四國內(nèi)外AI芯片發(fā)展芯片基礎(chǔ)知識一情景導(dǎo)入你身邊哪些設(shè)備上存在有芯片？芯片基礎(chǔ)知識(一)芯片的構(gòu)成及原理(二)計算機中主要芯片類型(三)存儲器芯片芯片基礎(chǔ)知識所謂微電子是相對"強電"、"弱電"等概念而言，指它處理的電子信號極其微小。它是現(xiàn)代信息技術(shù)的基礎(chǔ)，我們通常所接觸的電子產(chǎn)品，包括通訊、計算機、智能化系統(tǒng)、自動控制、空間技術(shù)、電臺、電視等等都是在微電子技術(shù)的基礎(chǔ)上發(fā)展起來的。通常所說的“芯片”是指集成電路，它是微電子技術(shù)的主要產(chǎn)品。芯片基礎(chǔ)知識（一）芯片的構(gòu)成及原理芯片的工作速度與芯片內(nèi)電路之間信號傳送路程的長短有關(guān)，路程越短速度越快，反之則越慢。芯片的工作時間單位是以納秒計量的。芯片中的電路越緊密地擠在一起，芯片的工作速度越快，而且由于更多的電路被設(shè)計在同樣面積的硅片上，芯片的功能更強。實際中芯片所做的工作都是由晶體管完成的。芯片的襯底材料是具有n-或p-型的輕摻雜質(zhì)單晶硅層。它起兩個作用，一是作為在其上面和內(nèi)部制造集成電路的物理介質(zhì)，另一作用是作為電路本身的一部分，構(gòu)成芯片核心的半導(dǎo)體電路和微型晶體管通過沉積或刻蝕直接構(gòu)建在單晶硅表面上。芯片基礎(chǔ)知識（二）計算機中主要芯片類型微處理芯片接口芯片芯片基礎(chǔ)知識（二）計算機中主要芯片類型微處理芯片微處理芯片，又稱微處理器(英語：Microprocessor，縮寫：μP或uP)，是可編程特殊集成電路。該芯片所有組件小型化至一塊或數(shù)塊集成電路內(nèi)，可在其一端或多端接受編碼指令，執(zhí)行此指令并輸出描述其狀態(tài)的信號。這些指令能在內(nèi)部輸入、集中或存放起來。如中央處理器，CPU芯片基礎(chǔ)知識（二）計算機中主要芯片類型接口芯片接口，特指硬件類接口，是指同一計算機不同功能層之間的通信規(guī)則。接口芯片是指內(nèi)有接口電路的芯片。功能特點有：設(shè)置數(shù)據(jù)的寄存、緩沖邏輯;進(jìn)行信息格式的轉(zhuǎn)換；協(xié)調(diào)CPU和外設(shè)兩者在信息的類型和電平的差異設(shè)置中斷和直接存儲區(qū)訪問控制邏輯；芯片基礎(chǔ)知識（三）存儲器芯片又稱存儲器（Memory），是現(xiàn)代信息技術(shù)中用于保存信息的記憶設(shè)備。其概念很廣，有很多層次，在數(shù)字系統(tǒng)中，只要能保存二進(jìn)制數(shù)據(jù)的都可以是存儲器；在集成電路中，一個沒有實物形式的具有存儲功能的電路也叫存儲器，如RAM、FIFO等；在系統(tǒng)中，具有實物形式的存儲設(shè)備也叫存儲器，如內(nèi)存條、TF卡等。人工智能與芯片二人工智能與芯片(一)人工智能開發(fā)應(yīng)用不同階段(二)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練階段的硬件需求(三)神經(jīng)網(wǎng)絡(luò)在預(yù)測階段的硬件需求人工智能與芯片（一）人工智能開發(fā)應(yīng)用不同階段

訓(xùn)練預(yù)測決策訓(xùn)練過程是指在已有數(shù)據(jù)中學(xué)習(xí)，建立識別或預(yù)測某個目標(biāo)任務(wù)模型的過程；預(yù)測決策過程則是指對新的數(shù)據(jù)，使用已經(jīng)訓(xùn)練的模型完成特定任務(wù)，比如垃圾郵件分類、人臉識別等。人工智能與芯片（二）神經(jīng)網(wǎng)絡(luò)在訓(xùn)練階段的硬件需求12神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程對精度非常依賴，因為它直接影響預(yù)測的準(zhǔn)確度。所以，支持訓(xùn)練的硬件必須支持具有較長字長的浮點數(shù)或定點數(shù)。另外，神經(jīng)網(wǎng)絡(luò)算法在訓(xùn)練中通常同時包括正向和反向的計算過程，并進(jìn)行多次迭代，計算量要求非常高。這就需要支持訓(xùn)練的芯片不僅要具有強大的單芯片計算能力，還要具備很好的擴展性，可以通過多芯片系統(tǒng)提供更強大的計算能力。人工智能與芯片（三）神經(jīng)網(wǎng)絡(luò)在預(yù)測階段的硬件需求12使用已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行預(yù)測決策時，運算和存儲的需求都遠(yuǎn)遠(yuǎn)低于訓(xùn)練。但由于神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用場景多種多樣，模型部署的設(shè)備可以在從云到端，如數(shù)據(jù)中心、自動駕駛汽車、智慧家庭和IoT設(shè)備等，其需求和約束呈現(xiàn)出多樣化的特點。對于多數(shù)應(yīng)用來說，速度、能效、安全和硬件成本等是最重要的考慮因素，而模型的準(zhǔn)確度和數(shù)據(jù)精度則可以依具體情況適當(dāng)降低。人工智能芯片類型三人工智能芯片類型CPUGPUFPGAASIC類腦仿生芯片人工智能與芯片（一）CPUCPU作為運算和控制核心，在未來高性能計算中將更多與其他專用芯片搭配使用。CPU由于要兼顧運算和控制功能，內(nèi)部大量晶體管用于構(gòu)建控制電路（比如分支預(yù)測等）和高速緩沖存儲器（Cache），單從運算性能和效率上來說并不是計算芯片的最佳選擇。由于之前人工智能高性能計算需求尚未集中出現(xiàn)，普通的機器學(xué)習(xí)和深度學(xué)習(xí)需求用傳統(tǒng)CPU服務(wù)器也可以滿足。人工智能與芯片（一）CPU根據(jù)Intel內(nèi)部報告統(tǒng)計，2016年服務(wù)器市場中有7%被用于人工智能產(chǎn)業(yè)，其中60%用于普通機器學(xué)習(xí)，40%用于深度學(xué)習(xí)，普通機器學(xué)習(xí)中97%使用傳統(tǒng)CPU架構(gòu)，1%使用CPU+GPU架構(gòu)；深度學(xué)習(xí)中91%使用傳統(tǒng)CPU架構(gòu)，7%采用CPU+GPU架構(gòu)。未來隨著人工智能對計算性能和低能耗要求越來越高，以及GPU、FPGA、ASIC專用芯片等產(chǎn)品不斷成熟，CPU在人工智能專用計算領(lǐng)域占比預(yù)計將越來越低，但其作為計算系統(tǒng)控制核心將更多的與其他專用計算芯片搭配使用。主流的CPU廠商有Intel、AMD公司。人工智能與芯片（二）GPU01定義GPU又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和手機平板電腦等移動設(shè)備上進(jìn)行圖像運算工作的微處理器。0203功能

隨著通用計算技術(shù)發(fā)展，GPU的功能已經(jīng)不再局限于圖形處理了，在浮點運算、并行計算等高性能計算方面開始有廣泛的應(yīng)用。分類GPU在分類上主要分為集成顯卡和獨立顯卡。人工智能與芯片（二）GPUGPU的特點共享內(nèi)存結(jié)構(gòu)可提高線程間通信速度主流的GPU廠商：NVIDIA，AMD公司，景嘉微；移動端GPU廠商：ARM、Imagination計算能力遠(yuǎn)超CPU高速全局內(nèi)存可進(jìn)一步提升運算速度擁有完備的人工智能計算軟件生態(tài)并行數(shù)據(jù)處理流程大幅提高運算能力人工智能與芯片（三）FPGAFPGA，可編程邏輯門陣列。FPGA采用了邏輯單元陣列LCA（LogicCellArray）這樣一個概念，內(nèi)部包括可配置邏輯模塊CLB（ConfigurableLogicBlock）、輸出輸入模塊IOB（InputOutputBlock）和內(nèi)部連線（Interconnect）三個部分。人工智能與芯片（三）FPGA可編程高性能低功耗GPU、CPU等常用計算芯片由于架構(gòu)固定，硬件原生支持的指令也是固定的。FPGA是可編程的，可以靈活地針對算法修改電路，提前把固定算法的數(shù)據(jù)流以及執(zhí)行指令寫在硬件里，節(jié)約了指令獲取和解碼時間從而大幅提高運算效率。FPGA供應(yīng)商：Xilinx（賽靈思）、Altera、Microsemi、Lattice、深鑒科技等公司。人工智能與芯片（四）ASICASIC，專用集成電路，是指應(yīng)特定用戶要求或特定電子系統(tǒng)的需要而設(shè)計、制造的集成電路功能優(yōu)越性體積更小、功耗更低、可靠性提高、性能提高、保密性增強、成本低。ASIC用于專門的任務(wù)，比如去除噪聲的電路，播放視頻的電路。人工智能與芯片（四）ASIC-神經(jīng)網(wǎng)絡(luò)處理器神經(jīng)網(wǎng)絡(luò)處理器是ASIC專用電路在人工智能領(lǐng)域的應(yīng)用形態(tài)。神經(jīng)網(wǎng)絡(luò)處理器從硬件方向?qū)ι窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行模擬，把處理器內(nèi)部功能部件當(dāng)作神經(jīng)元，把內(nèi)存作為突觸，一條指令即可完成一組神經(jīng)元的處理，并對神經(jīng)元和突觸數(shù)據(jù)在芯片上的傳輸提供了一系列專門的支持。人工智能與芯片（四）ASIC-神經(jīng)網(wǎng)絡(luò)處理器神經(jīng)網(wǎng)絡(luò)處理器被認(rèn)為全面優(yōu)于傳統(tǒng)芯片是人工智能計算終極解決方案，華為、蘋果最新產(chǎn)品推出標(biāo)志其進(jìn)入實用化階段。谷歌公司、IBM、中國的北京寒武紀(jì)科技有限公司、北京比特大陸科技有限公司、北京地平線信息技術(shù)有限公司等公司也都推出了用于深度神經(jīng)網(wǎng)絡(luò)加速的ASIC芯片。人工智能與芯片（五）類腦仿生芯片類腦仿生芯片1類腦仿生芯片的主流理念是采用神經(jīng)擬態(tài)工程設(shè)計的神經(jīng)擬態(tài)芯片。2神經(jīng)擬態(tài)芯片采用電子技術(shù)模擬已經(jīng)被證明的生物腦的運作規(guī)則，從而構(gòu)建類似于生物腦的電子芯片，即“仿生電子腦”。3類腦放生芯片目前仍然是其技術(shù)成熟度的早期階段，但是它代表了AI芯片的一個很有前景的長期方向。國內(nèi)外AI芯片戰(zhàn)略四國內(nèi)外AI芯片戰(zhàn)略Intel（一）蘋果（三）AMD（二）國內(nèi)（四）國內(nèi)外AI芯片戰(zhàn)略（一）Intel基于Nervana平臺的人工智能系列專用方案2016年8月開始投入3.5億美元研發(fā)服務(wù)于DNN的Nervana軟硬件一體化平臺。在該平臺上制定了一系列的人工智能計算方案，用于不同級別的數(shù)據(jù)中心應(yīng)用。這其中包括普通機器學(xué)習(xí)、高性能需求機器學(xué)習(xí)、靈活可編程低功耗方案以及高級別深度學(xué)習(xí)領(lǐng)域。國內(nèi)外AI芯片戰(zhàn)略（一）Intel基于Nervana平臺的人工智能系列專用方案01普通的機器學(xué)習(xí)方案CPU方案（XEON），用于服務(wù)器和數(shù)據(jù)中心的旗艦CPU至強（XEON），采用SKYLAKE架構(gòu)02更高性能需求的機器學(xué)習(xí)CPU+GPU方案（XEONPHI）03可編程低功耗方案CPU+FPGA（XEON+ARRIA10）04最高級別深度學(xué)習(xí)CPU+ASIC（XEON+LAKECREST）國內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案2017年，AMD開始和競爭對手Intel展開合作，在Intel的CPU上集成AMD的RadeonGPU。KabyLake-GCPU部分通過PCI-Ex8通道連接獨立的GPU芯片，并且還帶有HBM2高帶寬顯存。GPU部分是個單獨的芯片，通過MCM方式與KabyLake處理器整合封裝在一起，Intel標(biāo)注它是個“2-chip”樣式的產(chǎn)品。國內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案2017年8月，基于代號Vega織女星的新一代RADEONRXVEGA64GPU正式發(fā)布，在各項測試和應(yīng)用中性能超過英偉達(dá)Pascal系列，在DeepBench中的跑分是英偉達(dá)TeslaP100顯卡的1.38-1.51倍，Vega憑借強勁的性能，有望和NVIDIAPascalGP10x甚至是下一代的Volta正面對決。2017年1月，AMD公布了最新的VegaGPU架構(gòu)架構(gòu)織女星國內(nèi)外AI芯片戰(zhàn)略（二）AMD的人工智能解決方案AMD還推出了CPU+GPU的異構(gòu)計算方案APU。

APU就是一種智能計算架構(gòu)，通過無縫地分配相應(yīng)的任務(wù)至適合的處理單元，使CPU、GPU和其他處理器和諧工作在單一芯片上。AMD下一代APU代號RavenRidge，官方稱CPU性能提升50%，GPU性能提升40%，功耗降低50%，綜合性能以及能效會比之前的APU會提升一個等級，在AI時代AMD異構(gòu)計算APU架構(gòu)將會占據(jù)市場重要位置。國內(nèi)外AI芯片戰(zhàn)略（三）蘋果A11處理器2017年9月12日，蘋果在秋季發(fā)布會上正式推出最新移動芯片A11Bionic。A11芯片擁有六個核心和43億個晶體管，與A10Fusion芯片相比，兩個性能核心的速度提升最高可達(dá)25%，四個能效核心的速度提升最高可達(dá)70%。當(dāng)需要提升處理速度時，第二代性能控制器能同時發(fā)揮全部六個核心的性能最高提升70%。國內(nèi)外AI芯片戰(zhàn)略（三）蘋果A11處理器除了強大的CPU和GPU，A11另一大亮點是其搭載的“A11生物神經(jīng)網(wǎng)絡(luò)引擎”（A11bionicneuralengine）芯片，該芯片采用雙核設(shè)計，每秒運算次數(shù)最高可達(dá)6000億次。該芯片主要用于機器學(xué)習(xí)任務(wù)，賦能的最重要工作是FaceID身份認(rèn)證功能，可以快速識別人臉從而解鎖iPhoneX或進(jìn)行購物。A11內(nèi)置了蘋果自研的最新GPU，圖形處理速度較A10提升了30%，功耗降低了一半。國內(nèi)外AI芯片戰(zhàn)略（四）中國AI芯片發(fā)展現(xiàn)狀海外國家對芯片技術(shù)管控嚴(yán)格美歐等發(fā)達(dá)國家出于安全和技術(shù)保護(hù)對我國高端芯片進(jìn)口以及技術(shù)獲取設(shè)置了各種障礙，并多次阻止中國企業(yè)和基金收購海外芯片業(yè)務(wù)，中國人工智能國產(chǎn)芯片相對薄弱人工智能三大要素中唯獨在計算能力的基石——智能計算芯片領(lǐng)域，我國還嚴(yán)重依賴海外產(chǎn)品：目前國內(nèi)CPU、GPU民用市場幾部被Intel、AMD和NVIDIA三家巨頭全部占據(jù)。國內(nèi)外AI芯片戰(zhàn)略（四）中國AI芯片發(fā)展現(xiàn)狀寒武紀(jì)新興的人工智能ASIC專用芯片領(lǐng)域國內(nèi)技術(shù)處于比較領(lǐng)先的地位。全球第一個成功流片并擁有成熟產(chǎn)品的智能芯片公司，主要產(chǎn)品是各類智能云服務(wù)器、智能終端以及智能機器人的核心處理器芯片。國內(nèi)外AI芯片戰(zhàn)略（四）中國AI芯片發(fā)展現(xiàn)狀寒武紀(jì)世界首款商用深度學(xué)習(xí)處理器CAMBRICON-1A系列IP產(chǎn)品可授權(quán)集成到手機、安防、可穿戴設(shè)備、無人機、智能駕駛、智能機器人等終端芯片中，華為發(fā)布全球首款手機AI芯片麒麟970，搭載的NPU據(jù)稱正是寒武紀(jì)科技的CAMBRICON-1A處理器。終端作為PCIE加速卡插在云服務(wù)器上，主要面向中科曙光、浪潮信息等服務(wù)器廠商智能云服務(wù)器芯片國內(nèi)外AI芯片戰(zhàn)略（四）中國AI芯片發(fā)展現(xiàn)狀華為2017201820192017年9月2日，華為在德國IFA發(fā)布全球首款麒麟970移動計算平臺，搶先一步占領(lǐng)AI芯片制高點。2019年5月17日，由于華為被美國商務(wù)部列入管制“實體名單”，將無法向美國企業(yè)購買元器件，華為宣布全面使用自主研發(fā)的芯片，進(jìn)行科技自立。2018年8月31日，華為于德國柏林IFA2108發(fā)布新一代麒麟芯片——麒麟980，這是全球首款商用7nmSoC，代表著麒麟芯片的最高水平。國內(nèi)外AI芯片戰(zhàn)略（四）中國AI芯片發(fā)展現(xiàn)狀百度2017年3月30日，百度發(fā)布DuerOS智慧芯片。這款芯片搭載了DuerOS對話式人工智能操作系統(tǒng)，可以賦予輕量級設(shè)備可對話的能力百度智慧芯片已將DuerOS與紫光展銳RDA5981進(jìn)行了集成，使其具有低功耗、低成本的特點，習(xí)題專用神經(jīng)網(wǎng)絡(luò)處理器芯片屬于以下哪種類型的芯片（）A.CPUB.FPGAC.GPUD.ASIC單選題正確答案：D《人工智能概論》第五章人工智能讓生活更便捷主講教師：XXX目錄01智能購物03智能出行05智能語音助手02智能閱讀04智能健康管理06智能翻譯01智能購物情景導(dǎo)入你身邊哪些設(shè)備上存在有芯片？討論：對未來購物有哪些憧憬？智能購物智能購物指的是一切可以讓購物行為變得更便捷、更智能的人工智能技術(shù)展現(xiàn)形式。大型購物超市室內(nèi)定位導(dǎo)航。嵌入式系統(tǒng)為顧客提供個性化商品推薦RFID技術(shù)，輕松查詢商品和結(jié)算繳費智能購物（一）現(xiàn)狀人工智能融入購物的背景下，消費者可以同時體驗到現(xiàn)場挑選的樂趣和網(wǎng)上購物的便捷，零售商店乃至整個供應(yīng)鏈也可以實現(xiàn)多種商品及客戶管理需求。改變了商品的分銷結(jié)構(gòu)和供應(yīng)鏈智能分析消費者行為數(shù)據(jù)，智能推送無人超市消費端的智能體驗暫時沒有普及智能購物查一查，想一想：RFID技術(shù)在哪些領(lǐng)域得到了應(yīng)用，其主要優(yōu)點和缺點分別是什么？（二）智能購物的技術(shù)原理—RFID不同的智能購物展現(xiàn)形式背后所應(yīng)用的技術(shù)各有不同，以智能購物車自動結(jié)算為例，了解一下RFID的工作原理。RFID（射頻識別）是一種無線通信技術(shù)，可以通過無線電訊號識別特定目標(biāo)并讀寫相關(guān)數(shù)據(jù)，而無需識別系統(tǒng)與特定目標(biāo)之間建立機械或者光學(xué)接觸。非接觸識別，閱讀速度極快定義優(yōu)點智能購物（二）智能購物的技術(shù)原理—RFID智能購物（三）應(yīng)用案例——智能購物車智能購物車以芯片為核心控制系統(tǒng)，由閱讀器、重量傳感器模塊、無線通信模塊和語音模塊等構(gòu)成，完成定位導(dǎo)航、商品查詢、即時支付、個性化推薦等功能，嵌入式系統(tǒng)的液晶觸摸屏則提供人機交互服務(wù)討論分別從商家和消費者的角度，談一談智能購物車的優(yōu)勢？智能購物（三）應(yīng)用案例——魔鏡“魔鏡”是一臺“58英寸的等離子顯示器”，借助3D技術(shù)來判斷顧客的身材和離攝像機的遠(yuǎn)近，為鏡前的顧客在鏡中“穿”上他想試穿的衣服。技術(shù)運動感應(yīng)器和增強現(xiàn)實技術(shù)智能購物京東無人倉采用大量智能物流機器人進(jìn)行協(xié)同與配合，通過人工智能、深度學(xué)習(xí)、圖像智能識別、大數(shù)據(jù)應(yīng)用等技術(shù)，讓工業(yè)機器人可以進(jìn)行自主的判斷和行為，完成各種復(fù)雜的任務(wù)，在商品分揀、運輸、出庫等環(huán)節(jié)實現(xiàn)自動化。作業(yè)無人化運營數(shù)字化決策智能化（三）應(yīng)用案例——京東無人倉習(xí)題實現(xiàn)顧客在查詢商品和結(jié)算繳費時，無需逐個掃描，實現(xiàn)自動結(jié)算的技術(shù)基礎(chǔ)是：（）A.NFC技術(shù)B.RFID技術(shù)C.移動支付技術(shù)D.NLP技術(shù)單選題正確答案：B02智能閱讀智能閱讀（一）現(xiàn)狀用戶在信息時代面臨著大量的信息和數(shù)據(jù)，信息過載問題逐漸困擾著我們，在面對海量信息時常常無法從中獲得對自己真正有用信息，信息的有效性反而降低了。信息過濾系統(tǒng)，預(yù)測用戶行為基于用戶畫像對用戶做出的一系列反饋背景智能閱讀（二）智能閱讀的技術(shù)原理——智能推薦基于內(nèi)容的推薦算法1原理是在用戶喜歡和自己關(guān)注過的項目的基礎(chǔ)上推薦內(nèi)容類似的項目。2協(xié)同過濾算法原理是用戶喜歡那些具有相似興趣的用戶喜歡過的商品3基于知識的推薦算法比較典型的是構(gòu)建領(lǐng)域本體，或者是建立一定的規(guī)則進(jìn)行推薦4混合推薦算法則會融合以上方法，以加權(quán)或者串聯(lián)、并聯(lián)等方式融合查一查，想一想：與人工推薦相比，智能推薦有哪些優(yōu)勢？智能閱讀（三）應(yīng)用案例——今日頭條智能推薦今日頭條的個性化推薦引擎，能夠根據(jù)用戶的興趣、位置等多個維度進(jìn)行個性化推薦，推薦內(nèi)容包括新聞、音樂、電影、游戲、購物，等等。原理今日頭條的個性化推薦算法是基于投票的方法，其核心理念就是投票。個性化推薦并不是機器給用戶推薦，而是用戶之間在互相推薦智能閱讀（三）應(yīng)用案例——網(wǎng)易音樂歌單智能推薦基于用戶基于用戶就是如果用戶間收藏的歌單相似度很高，那么在判斷用戶口味相似的基礎(chǔ)上，可以給對方推薦己方歌單里他沒收藏過的單曲?；诟枨诟枨褪菍⒂脩魧σ皇赘璧钠米鳛橄蛄坑嬎銌吻g的相似度，比對相似度后，根據(jù)這個用戶歷史偏好為另一位用戶推薦單曲。協(xié)同過濾算法智能閱讀（三）應(yīng)用案例——搜狗AI主播2019年現(xiàn)身于央視的AI主播名叫“姚小松”，是由搜狗AI成功與央視合作開發(fā)的。這位AI主播的形象和聲音以央視主持人姚雪松為原型，與真人并無二異。在我們大眾看來，他不僅能像真人一樣播報新聞，甚至毛發(fā)牙齒都清晰可見。習(xí)題幫助用戶在大量繁雜的信息中獲取真實有用信息的人工智能應(yīng)用是（）。A.智能購物B.智能閱讀C.智能翻譯D.智能語音助手單選題正確答案：B03智能出行智能出行（一）現(xiàn)狀設(shè)備數(shù)量增加后，設(shè)備故障問題尤其突出智能交通系統(tǒng)規(guī)模擴大后，系統(tǒng)可靠性與穩(wěn)定性也需要保證數(shù)據(jù)質(zhì)量不高限制了智能交通業(yè)務(wù)高水平的擴展應(yīng)用信息安全隱患智能出行（二）智能出行的技術(shù)原理從產(chǎn)業(yè)變革的角度出發(fā)，如科技谷推出的智能出行大腦，依托于豐富的民航和鐵路大數(shù)據(jù)領(lǐng)域知識，運用人工智能技術(shù)，實現(xiàn)旅客和航線知識的學(xué)習(xí)、推理、遷移和管理的大型行業(yè)應(yīng)用。智能出行（二）智能出行的技術(shù)原理從交通工具的角度出發(fā)，無論是飛機的自動駕駛，還是汽車的自動駕駛，都具備一個基本的技術(shù)概念模型，包括了感知單元、決策單元、控制單元。智能出行（三）應(yīng)用案例——谷歌無人駕駛汽車2014年，一輛嶄新的、長著可愛的卡通版身軀的谷歌無人駕駛汽車在著名的谷歌X實驗室問世。這輛汽車除了萌萌的造型之外，最大的與眾不同之處在于，這是一輛完全不需要人工干預(yù)的自動駕駛汽車，它沒有方向盤，沒有油門，沒有剎車踏板，乘客只要上車，說出自己要抵達(dá)的目的地，就可以享受世界上第一輛完全意義上的“無人駕駛”汽車的周到服務(wù)。智能出行（三）應(yīng)用案例——ADAS高級駕駛輔助系統(tǒng)ADAS（AdvancedDrivingAssistantSystem）高級駕駛輔助系統(tǒng)是利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時來感應(yīng)周圍的環(huán)境，收集數(shù)據(jù)，進(jìn)行靜態(tài)、動態(tài)物體的辨識、偵測與追蹤，并結(jié)合導(dǎo)航儀地圖數(shù)據(jù)，進(jìn)行系統(tǒng)的運算與分析，從而預(yù)先讓駕駛者察覺到可能發(fā)生的危險，有效增加汽車駕駛的舒適性和安全性。智能出行（三）應(yīng)用案例——ADAS高級駕駛輔助系統(tǒng)ADAS高級駕駛輔助系統(tǒng)實用功能非常多，而且根據(jù)車主不同需求選擇實用功能，以歐果G2智能HUD行車安全助手為例，ADAS系統(tǒng)主要包含三大實用功能：車道偏移預(yù)警前距防撞預(yù)警前車啟動提醒智能出行（三）應(yīng)用案例——L5等級自動駕駛04智能健康管理智能健康管理（一）現(xiàn)狀2017年人工智能在智能導(dǎo)診、語音電子病歷、影像輔助診斷等環(huán)節(jié)所表現(xiàn)出的能力，可以將醫(yī)生從繁重的重復(fù)性勞動中掙脫出來，為解決醫(yī)療資源不平衡提供了新思路人工智能必須有大數(shù)據(jù)的支撐，尤其健康醫(yī)療領(lǐng)域，缺少高質(zhì)量數(shù)據(jù)支撐是無法得出可靠結(jié)論的與其他人工智能應(yīng)用相比，健康醫(yī)療人工智能還會涉及到道理倫理和法理的挑戰(zhàn)智能健康管理（二）智能健康管理的技術(shù)原理智能健康管理的技術(shù)原理以可穿戴傳感器為例?？纱┐鱾鞲衅魍ㄟ^集成到智能手環(huán)和貼片的方式可以產(chǎn)生與人體健康相關(guān)的生物分子數(shù)據(jù)，當(dāng)大量的數(shù)據(jù)被收集之后，人工智能就可應(yīng)用在數(shù)據(jù)分析上，用來揭示其與健康狀況之間存在的聯(lián)系，為個人化即時診斷和疾病預(yù)防提供了巨大潛力。人們用可穿戴式智能設(shè)備，可以隨時隨地做汗液檢測，得到如血液檢測一般豐富有用的健康數(shù)據(jù)，7×24小時監(jiān)測你的健康狀況。智能健康管理（三）應(yīng)用案例——汗液傳感器KenzenPatch是Kenzen推出的新一代汗液傳感器，它貼在人體皮膚上，外型小巧、可以彎曲。它結(jié)合了傳感器和人工智能預(yù)測模型，來監(jiān)測人體的指標(biāo)，包括心率、出汗率、體溫和活動狀況。Kenzen的傳感器會把數(shù)據(jù)實時傳輸?shù)绞謾C上，我們可以通過App實時看到自己的身體狀況、健康建議和健康預(yù)警；相應(yīng)的醫(yī)護(hù)人員也可以看到我們的健康狀況。智能健康管理（三）應(yīng)用案例——虛擬分身人工智能分析患者數(shù)據(jù)患者的虛擬分身類似于一個搜集所有患者數(shù)據(jù)并隨時進(jìn)行分析跟進(jìn)的人工智能系統(tǒng)。隨著人工智能算力的提高，可以產(chǎn)生的數(shù)據(jù)量也會增加，從而提高數(shù)據(jù)的價值，可以對個人和社會的健康狀況提供更好的診斷，由虛擬分身實時分析數(shù)據(jù)與醫(yī)生分析有限的數(shù)據(jù)相比，能獲得更高的價值和更準(zhǔn)確的結(jié)果。7X24模式提供醫(yī)療照顧虛擬分身還可以基于現(xiàn)有數(shù)據(jù)的分析確定是否需要額外的數(shù)據(jù)以及需要什么類型的數(shù)據(jù)，如果患者的健康趨勢是負(fù)面的，那么醫(yī)生或?qū)＜铱梢栽L問患者的虛擬分身來確定需要采取什么措施，在人工智能的幫助下，虛擬分身自己也可以執(zhí)行類似的診斷任務(wù)。虛擬分身的效率在于分析數(shù)據(jù)，提供的反饋可以比醫(yī)生提供的數(shù)據(jù)更有效。通過虛擬分身，一個人可以每周7天、每天24小時都得到醫(yī)療照顧。智能健康管理（三）應(yīng)用案例——精神狀況監(jiān)測利用基于人工智能的三維圖像識別，可以觀察到人的身體行為，隨著圖像傳感器和其他傳感器的能力進(jìn)一步增強，還可以監(jiān)測人的內(nèi)部生命體征，這里也包括了人的精神狀況。精神狀況監(jiān)測化學(xué)不平衡優(yōu)化方案數(shù)據(jù)識別人工智能05智能語音助手智能語音助手（一）現(xiàn)狀智能語音系統(tǒng)經(jīng)過60多年的發(fā)展，已經(jīng)達(dá)到了能夠讓人與電子設(shè)備順暢對話的水平，落實了商業(yè)化用途，已經(jīng)被廣泛應(yīng)用于我們的生活中。目前在智能家居、智能車載、兒童終端、服務(wù)等領(lǐng)域均有了迅猛發(fā)展。作為最早落地的人工智能技術(shù)，無論是產(chǎn)業(yè)模式、創(chuàng)新能