2024人工智能AI概論

AI概覽第一章

AI概覽第二章

Python編程基礎第三章

數(shù)學基礎知識第四章

TensorFlow介紹第五章

深度學習預備知識和深度學習概覽第六章

華為云EI概覽了解人工智能的發(fā)展簡史掌握人工智能包含的技術與相關概念了解人工智能時代的公平與正義了解人工智能時代的人機關系與治理1.

人工智能技術的過去人工智能技術是什么人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理未來人工智能社會暢想自2016年3月，AlphaGo以4:1的總比分大勝韓國職業(yè)圍棋九段李世石，使得人工智能再次進入了公眾的視野。此后，AI技術和應用更是蓬勃發(fā)展。1956年8月，在美國達特茅斯學院中，約翰·麥卡錫、馬文·閔斯基、克勞德·香農(nóng)、艾倫·紐厄爾、赫伯特·西蒙等科學家聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。會議討論的內(nèi)容總結了一個名字：人工智能。因此，1956年也就成為了人工智能元年。賽弗里奇摩爾麥卡錫明斯基賽弗里奇所羅門諾夫1956-1976第一次繁榮期達特茅斯會議，確定了人工智能的概念和發(fā)展目標1976-1982第一次

低谷期遭受質(zhì)疑批評，運算能力不足，計算復雜度較高，常識與推理實現(xiàn)難度較大等1982-1987第二次繁榮期

具備邏輯規(guī)則推演和特定領域回答解決問題的專家系統(tǒng)盛行，及五代計算機的發(fā)展1987-1997第二次低谷期技術領域再次陷入瓶頸，抽象推理不再被繼續(xù)關注，基于符號處理的模型遭到反對1997-2010復蘇期計算性能的提升與互聯(lián)網(wǎng)技術的快速普及2010-增長爆發(fā)期新一代信息技術引發(fā)信息環(huán)境與數(shù)據(jù)基礎變革，海量圖像語音文本等多模型數(shù)據(jù)不斷出現(xiàn)，計算能力提高1950s1960s1970s1980s1990s2000s2010s

2020s2014年，微軟公司發(fā)布全球第一款個人智能微軟小娜1956年達特茅斯會議提出1959年，ArthurSamuel提出機器學習1976年，機器翻譯等項目的失敗及一些學術報告的負面影響，人工智能的經(jīng)費普遍減少1985年，出現(xiàn)了更強可視化效果的決策樹模型和突破早期感知局限性的多層人工神經(jīng)網(wǎng)絡1987年，LISP機市場崩塌1997年，Deep

Blue戰(zhàn)勝世界國際象棋冠軍GarryKaspa

rov2006年，Hinton和他的學生開始深度學習2010年，大數(shù)據(jù)

時代到來2016年3月，

Alpha

Go以4:1戰(zhàn)勝世界圍棋冠軍李世石2017年10月，

Deep

Mind

團隊發(fā)布了最強版的AlphaGoZero原理：物理符號系統(tǒng)假設和有限合理性原理。起源：源于數(shù)理邏輯。基本思想：人的認知基元是符號，認知過程即符號操作過程。人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，因此，能用計算機來模擬人的智能行為。知識是信息的一種形式，是構成智能的基礎。人工智能的核心問題是知識表示、知識推理。符號主義（邏輯主義、心理學派、計算機學派）原理：神經(jīng)網(wǎng)絡及神經(jīng)網(wǎng)絡間的連接機制與學習算法。起源：源于仿生學，特別是人腦模型的研究?；舅枷耄核季S基本是神經(jīng)元，而不是符號處理過程。人腦不同于電腦，并提出連接主義的大腦工作模式，用于取代符號操作的電腦工作模式。神經(jīng)末梢軸突突觸樹突前神經(jīng)元軸突細胞體細胞核突觸下一個神經(jīng)元樹突行為主義（進化主義、控制論學派）原理：控制論及感知-動作型控制系統(tǒng)。起源：源于控制論?；舅枷耄褐悄苋Q于感知和行動，提出智能行為的“感知-動作”模式。智能不需要知識、表示、和推理；人工智能可以像人類智能一樣逐步進化；智能行為只能在現(xiàn)實世界中與周圍環(huán)境進行交互作用而表現(xiàn)出來。人工智能三大學派知識表達黑箱特征學習可解釋性是否需要大樣本計算復雜性組合爆炸環(huán)境互動過擬合問題符號主義（邏輯主義）強否無強否高多否無連接主義（仿生學派）弱是有弱是高少否有行為主義（決策控制）強否無強否一般一般是無隨機模擬方法DarmouthConference1956:the

birth

of

AIMonteCarol

Go1993:

firstresearchonGo

withstochasticsearchNeuroGo1996:ConvNet

withRL

for

Go,13kyu(amateur)MCTS

Go2006:Frenchresearchersadvance

GoAI

withMCTSCrazyStone2008:MCTS

GoAI

beats4

danplayerZen

192012:MCTSbased

GoAI

reaches5-dan

rankSamuel’sCheckers

AI1956:IBM

CheckersAI

firstdemonstratedCheckers

AIWins1962:Bernstein’sSamuel’sprogram

winsChess

AIgame

against1958:

firstpersonfullyfunctionalchess

AIdevelopedZobrist’sAI1968:FirstGoAI,beatshumanamatourCNN1989:convolutionalnets

firstdemonstratedBackprop1986:multi-layerneural

netapproachwidely

knownKaissa1974:

firstworldcomputer

chesschampionTD-

Grammon1992:

RL

andneural

net

basedback-gammon

AIshownCHINOOK1994:

checkers

AIdraws

with

worldchampionDeep

Blue1997:

IBMchess

AI

beatsworldchampionDeepMind2014:Google

buysdeep-RL

AIcompany

for400MilAlphaGo2016:DeepLearning+MCST

GoAI

beatstophumanMacHack1967:

chess

AIbeats

person

intournament1.人工智能技術的過去2.人工智能技術是什么人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理未來人工智能社會暢想人工智能人工智能（Artificial

Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。1956年由約翰.麥卡錫首次提出，當時的定義為“制造智能機器的科學與工程”。人工智能目的就是讓機器能夠像人一樣思考，讓機器擁有智能。時至今日，人工智能的內(nèi)涵已經(jīng)大大擴展，是一門交叉學科。計算機科學哲學邏輯學語言學心理學認知科學腦科學行業(yè)解決方案具體技術技術方向算法基礎設施金融/醫(yī)療/安防/交通/游戲等（無人駕駛、機器人、智能醫(yī)療、智能金融、智能家居、VR/AR\無人機））機器學習、深度學習理論基礎：概率論、統(tǒng)計、調(diào)和分析（傅里葉變換、小波變換）、泛函分析、計算數(shù)學、流形等硬件/計算能力、大數(shù)據(jù)語音處理計算機視覺自然語言處理規(guī)劃決策系統(tǒng)大數(shù)據(jù)/統(tǒng)計分析圖像識別圖像處理視頻識別語音識別語義理解語音合成機器翻譯語音理解情感分析知識圖譜感知與分析

理解與思考

決策與交互四要素：數(shù)據(jù)、算法、算力、場景ArtificialIntelligenceMachineLearningDeepLearning四要素：數(shù)據(jù)、算法、算力、場景人工智能研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法及應用系統(tǒng)的一門新的技術科學。機器學習專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。深度學習源于人工神經(jīng)網(wǎng)絡的研究，含多隱層的多層感知器就是一種深度學習結構。貝葉斯期望損失極小極大原則

Bayes風險原則輕量模型（計算復雜度低）在線學習（不存儲訓練數(shù)據(jù)）近似計算（求滿意解，降低復雜度）基于受限領域知識的規(guī)則方法貝葉斯統(tǒng)計推斷…集成學習-自助聚焦-梯度提升增量學習遷移學習聚類-k-均值聚類-層級聚類自組織映射無模型-策略迭代-策略搜索有魔性-深度強化學習非輕量機器學習

強化學習無監(jiān)督學習常見分布的隨機數(shù)產(chǎn)生器

Markov鏈Monte

CarloGibbs采樣器隨機模擬技術統(tǒng)計決策輕量機器學習學習策略最大似然估計

期望最大化算法-隱Markov模型回歸模型-Logistics回歸參數(shù)方法高斯過程

關聯(lián)向量機核PCA等核方法基于實例的方法-近鄰法-核密度法決策樹-ID3/4/5-CART非參數(shù)方法支持向量機流形學習貝葉斯網(wǎng)絡

Markov隨機場幾何方法 概率圖模型后傳播算法深度學習-CNN-RNN神經(jīng)網(wǎng)絡先驗分布的設定后驗分布的近似計算貝葉斯神經(jīng)網(wǎng)絡貝葉斯回歸模型貝葉斯方法有監(jiān)督學習計算基礎最優(yōu)化矩陣計算概率統(tǒng)計人工智能技術的過去人工智能技術是什么3.人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理人工智能未來的社會暢想智能醫(yī)療智能機器人虛擬現(xiàn)實無人駕駛智能投顧智能家居語義識別和對話管理語音合成主要技術：前端處理語音識別應用：醫(yī)療聽寫 、語音書寫、電腦系統(tǒng)聲控、電話客服等。未來：真正做到像正常人類一樣，與他人流暢溝通，自由交流，還有待時日。圖像識別圖像理解主要技術：圖像處理應用：醫(yī)療成像分析購物未來：安防及監(jiān)控領域計算機視覺有望進入自主理解、分析決策的高級階段，真正賦予機器“看”的能力，在無人車、智能家居等場景發(fā)揮更大的價值。知識圖譜對話管理機器翻譯核心環(huán)節(jié)：知識的獲取與表達自然語言理解自然語言生成等應用：研究方向：搜索引擎、對話機器人、機器翻譯、甚至高考機器人、辦公智能秘書。機器學習：是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習是AI的核心，是使計算機具有智能的根本途徑。研究方向：在垂直領域的廣泛應用。如金融、律政、醫(yī)療等領域。從解決簡單的凸優(yōu)化問題到解決非凸優(yōu)化問題。從監(jiān)督學習向非監(jiān)督學習和強化學習的演進。未來：強化學習、遷移學習。無監(jiān)督學習：聽之任之型有監(jiān)督學習：標準答案型傳統(tǒng)機器學習強化學習(a)傳統(tǒng)機器學習(b)遷移學習不同任務源任務目標任務學習系統(tǒng)學習系統(tǒng)學習系統(tǒng)學習系統(tǒng)知識理性地看待人工智能的現(xiàn)狀：人工智能還非常初級，目前適合“已知環(huán)境、目標明確、行動可預測”的場景。深度學習在圖像識別、語音識別、翻譯等領域，人工智能基本具備人的識別能力，甚至超越了人類，基于這些能力應用到了很多場景，如醫(yī)療、公共安全等。但在推理、認知等方面仍十分欠缺。人工智能不是要等到超越人的智慧才被使用，而是只要在某個方面比人做得好就可以投入使用。人工智能的發(fā)展趨勢是走向融合：傳統(tǒng)機器學習+深度學習+強化學習+知識推理+智能決策。Flexible

learning。supervised

learning普及化產(chǎn)業(yè)化人工智能技術的過去人工智能技術是什么人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理未來人工智能社會暢想美國歐盟日本中國Brain

Initiative項目：以探索人類大腦工作機制為主（2013年啟動，45億美元）SyNAPSE項目：開發(fā)大規(guī)模電子神經(jīng)形態(tài)計算機原型（2008年~2016年）Human

Brain

Project：側重未來信息、通訊技術，未來醫(yī)療（2013年啟動，10億歐元）Brain/Minds：以狨猴為模型研究各種腦功能和腦疾病的機理（2014年啟動，2.7億美元）中國腦計劃：

“一體兩翼”的研究格局：腦認知原理的基礎研究為一體，腦重大疾病和類腦人工智能的研究為兩翼（國家層面待啟動100億RMB、地方層面已立項）SyNAPSE項目：IBM主導的超低功耗新型計算系 統(tǒng)的應用（TrueNorth芯片、系統(tǒng)架構設計、算法實現(xiàn)）HRL主導研發(fā)具有認知、學習、 推理能力的計算系統(tǒng)，強調(diào)自主 學習能力（基于憶阻器的類腦芯 片研究）Human

Brain

Project：未來神經(jīng)科學、未來醫(yī)學、未來計 算人腦戰(zhàn)略性數(shù)據(jù)，認知行為架構、 理論型神經(jīng)科學、神經(jīng)信息學、大 腦模擬仿真、高性能計算平臺、醫(yī) 學信息學、神經(jīng)形態(tài)計算平臺、神 經(jīng)機器人平臺、模擬應用Brain/Minds：用功能MRI等技術對 大腦功能進行定位收集和分析患者大腦 成像等相關研究信息地方腦計劃：中科院成立類腦智能研究中心和腦神 經(jīng)計算研究組：從算法模型與信息處 理到腦的模擬（寒武紀系列神經(jīng)網(wǎng)絡 加速器）清華大學成立類腦計算研究中心：系 統(tǒng)設計、仿真建模、硬件材料的腦體 系工程（Tianji類腦芯片）人工智能可能會引起“芯片架構的改變，進而引起產(chǎn)業(yè)格局的改變”，英偉達、Google、Intel等在爭奪未來的主導權。人工智能的軟件技術平臺就是“下一個操作系統(tǒng)”，技術平臺將是大玩家的競爭，垂直行業(yè)的AI應用或服務可能都基于幾大平臺的云服務提供。爭奪“未來世界的數(shù)字大腦”成為各大信息公司的戰(zhàn)略愿景，云計算、大數(shù)據(jù)、人工智能是三位一體的云服務。人工智能技術的過去人工智能技術是什么人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理未來人工智能社會暢想美國當?shù)貢r間周日晚22點（

2018年3月19日），亞利桑那州坦佩市郊區(qū)，一輛

Uber自動駕駛測試車在由南向北行進過程中，撞上推著自行車在人行道之外橫穿馬路的49歲女子伊萊·赫茲柏格，該女子送醫(yī)后搶救無效宣告死亡。這是全球首例無人駕駛汽車致死事故。《自動駕駛汽車的基本政策》《關于機器人倫理的初步草案報告》《修訂案》目前的法律框架下，機器人自身不對因其行為或者疏忽而給第三方造成的損害承擔責任。德州大學的兩名研究人員，成功將Netflix放出的“經(jīng)過匿名處理的”上億條用戶電影評分數(shù)據(jù)與具體用戶對應了起來，Netflix被迫取消影片推薦算法比賽。立法保護：《瑞典數(shù)據(jù)法》《關于加強網(wǎng)絡信息保護的規(guī)定》《網(wǎng)絡安全法》技術應用：匿名化處理技術將個人數(shù)據(jù)移除可識別個人信息的部分，并且通過這一方法，數(shù)據(jù)主體不會再被識別。算法決策在很多時候其實就是一種預測，用過去的數(shù)據(jù)預測未來的趨勢。算法模型和數(shù)據(jù)輸入決定著預測的結果。因此這兩個要素也就成為了算法歧視的主要來源。比如：谷歌的圖片軟件曾錯將黑人的圖片標記為“大猩猩”。2016年3月23日，微軟的智能聊天機器人

Tay，成為了一個集反猶太人、性別歧視、種族歧視于一身的“不良少女”。人工智能創(chuàng)作物

受版權法保護嗎？誰來賦權于機器人？賦予機器人哪些權利？……人工智能技術的過去人工智能技術是什么人工智能技術的現(xiàn)在和未來人工智能產(chǎn)業(yè)發(fā)展與戰(zhàn)略規(guī)劃人工智能時代的公平與正義人工智能時代的人機關系與AI治理未來人工智能社會暢想第一代機器人

示教再現(xiàn)型機器人第二代機器人帶感覺的機器人第三代機器人智能機器人“像人一樣思考”：弱人工智能領域，如Watson、AlphaGo。“像人一樣行動”：弱人工智能領域，如人形機器人、iRobot、波士頓動力公司的Atlas?！袄硇缘厮伎肌保簭娙斯ぶ悄?，尚無法達到，瓶頸在腦科學。“理性的行動”：強人工智能。1942年美國科幻巨匠阿西莫夫提出：定律1：機器人不得傷害人類，或者目睹人類將遭受危險而袖手不管。定律2：機器人必須服從人給予它的命令，除非違背第一定律。定律3：機器人必須保護自己，除非違背第一、第二定律。人機關系的設想：擔憂機器威脅人類，通過控制AI實現(xiàn)人機共存。AI成為人類意識的