人工智能概述

目录

人工智能概述

1. 人工智能

2. 人工智能的提出

3. 人工智能的四要素

4. 机器学习

5. 深度学习

6. 三大主义学派

7. 人工智能发展简史

8. 人工智能的分类

9. 智能机器的分类

---

学习目标：

①人工智能

②人工智能的提出

③人工智能的四要素

④机器学习

⑤深度学习

⑥三大主义学派

⑦人工智能发展简史

⑧人工智能的分类

⑨智能机器的分类

1. 人工智能

人工智能：它是研究、开发用于模拟、延伸和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

2. 人工智能的提出

人工智能的提出：1956年达特茅斯会议(约翰·麦卡锡)

3. 人工智能的四要素

人工智能的四要素：数据、算法、算力、场景（算法需要数据和算力）

人工智能包含机器学习，机器学习包含深度学习

4. 机器学习

机器学习：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能

5. 深度学习

深度学习：源于人工神经网络的研究(机器学习的分支)，多层感知器就是一种深度学习结构。深度学习是机器学习的延伸。它模拟人脑机制来解释数据，例如图像、声音和文本

6. 三大主义学派

（1）符号主义：符号主义认为知识和概念可以用符号表示。而人类认知的过程就是各种符号进行推理运算过程，人就是一个物理符号系统。因此，只要计算机也是一个物理符号系统就能模拟人行为（专家系统）

知识表示、知识推理、知识运用是人工智能核心

落脚点在推理，符号推理与机器推理

（2）连接主义：思维的基本是神经元。一个概念用一组数字、向量、矩阵或张量表示。每个节点没有特定意义但都参与整个概念表示

落脚点在神经元网络与深度学习

（3）行为主义：智能取决于感知和行为，受到外界感知再行动反应

智能不需要知识、不需要表示、不需要推理，只要在现实世界中与周围环境不断交互不断试错最终来展现

落脚点在行为控制、自适应和进化计算

7. 人工智能发展简史

1956年达特茅斯会议提出"人工智能"

1959年，Arthur Samuel提出"机器学习"

1956-1976第一次繁荣期，达特茅斯会议，确定了人工智能的概念和发展目标

1976年，机器翻译等项目的失败及一些学术报告的负面影响，人工智能经费普遍减少

1976-1982第一次低谷期，遭受质疑批评，运算能力不足，计算复杂度较高，常识与推理实现难度较大等

1985年，出现了更强可视化效果的决策树模型和突破早期感知机局限的多层人工神经网络。早期单层感知机只能解决简单的"与"和"或"问题，出现了多层感知机解决"异或"问题

1982-1987第二次繁荣期，具备逻辑规则推演和特定领域回答解决问题的专家系统盛行，以五代计算机发展

1987年，LISP机市场崩塌

1987-1997第二次低谷期，技术领域再次陷入瓶颈，抽象推理不再被继续关注，基于符号处理的模型遭到反对

1997年，Deep Blue战胜世界国际象棋冠军Garry kasparov

2006年，Hinton和他的学生开始探索"深度学习"

1997-2010复苏期，计算性能的提升与互联网技术的快速普及

2010年，大数据时代到来。深度学习需要数据量支撑来实现算法

2014年，微软发布全球第一款个人智能助理微软小娜

2016年3月，AlphaGO以4：1战胜世界围棋冠军李世石（深度学习）

2017年10月，DeepMind团队发布最强版的AIphaGO Zero（强化学习 行为主义）

2010-至今，增长爆发期，新一代信息技术引发信息环境与数据基础变革，海量图像语音文本等多模型数据不断出现，计算能力提高

8. 人工智能的分类

（1）强人工智能

有可能制造出真正能推理和解决问题的智能机器

这些机器被认为有知觉的，有自我意识的

可以独立思考问题并制定问题的最优方案，有自己的价值观和世界观体系（内省）

有和生物一样的各种本能，比如生存和安全需求。可以看作是新的文明

（2）弱人工智能（人机协同）

不能制造出真正地推理和解决问题的智能机器

这些机器只能看起来智能，但并不真正拥有智能，也不会有自我意识

9. 智能机器的分类

（1）像人一样思考：弱人工智能领域，如Watson、AIphaGO

（2）像人一样行动：弱人工智能领域，如人形机器人、iRobot、波士顿动力公司的Atlas

（3）理性地思考：强人工智能，尚无法达到，瓶颈在脑科学

（4）理性地行动：强人工智能