1人工智能基础知识

文章目录

人工智能

什么是人工智能
人工智能前景
人工智能简史

AI、机器学习和深度学习的关联
什么是机器学习
什么是过拟合
什么是深度学习

TensorFlow：Google开源的基于数据流图的科学计算库，适合用于机器学习。
官网链接 http://www.tensorflow.org/

TensorFlow的含义：张量在图中流动
在这里插入图片描述

TensorFlow基本架构：
在这里插入图片描述

TensorFlow详细架构：
在这里插入图片描述

TensorFlow的特点：

灵活性:只要可以将计算表示成数据流图,就可以使用TensorFlow
跨平台: Linux , Windows , Android , iOS , Raspberry Pi等等
多语言:上层开发语言Python , C++, Java, Go等等
速度快:包含了XLA这款强大的线性代数编译器
上手快: Keras , Estimiators ,等等高层API
可移植:代码几乎不加修改移植到CPU , GPU , TPU等等

TensorFlow的著名用途：

DeepMind (Google )的AlphaGo / AlphaGo Zero的底层技术
Google产品:搜索, Gmail,翻译,地图, Android,照片, YouTube
开发出击败Dota2世界顶级选手的AI的OpenAl使用TensorFlow

使用TensorFlow的中国公司：
在这里插入图片描述

人工智能

什么是人工智能

人工智能之父麦卡锡给出的定义：

构建智能机器,特别是智能计算机程序的科学和工程
人工智能是一种让计算机程序能够“智能地"思考的方式
思考的模式类似于人类

什么是智能

智能的英语是Intelligence
推理、知识、规划、学习、交流、感知、移动和操作物体,等等
智能(是包含智力的一个很大的范畴) != 智力(IQ:智商。比较类似计算机的计算能力)

如何算有智能

可以根据环境变化而做出相应变化的能力
具有"存活"这最基本的动因
自主能力,自我意识,等等

图灵测试（Turing Test）
图灵于1950年提出的一个关于判断机器是否足够智能的著名试验
在这里插入图片描述
图中的意思是：评委事先并不知道墙对面谁是人谁是机器，如果靠着评委的大量问题还是无法判断谁是人谁是机器，那么这个测试就评判出那个机器有着与人类似的智能。但是到目前为止这个测试没有成功过。

自然智能
人和动物的智能：纯天然，无添加
在这里插入图片描述

人工智能
人造出来的智能
在这里插入图片描述

人工智能前景

人工智能的需求
在这里插入图片描述

人工智能的前进好在哪里？
在这里插入图片描述

人工智能相关动向

2017年7月20日中国国务院发布了《新一代人工智能发展规划》
Excel等将用Python替代VBA
Python被加入高考

CCTV的《机智过人》节目

人工智能产品和人类高手比拼,中央电视台和中国科学院共同主办
嘉宾:柯洁、撒贝宁、林书豪、江一燕,知名人工智能人士,等等
2017年8月25日在CCTV-1周末黄金时段推出

人工智能需要的基本数学知识
在这里插入图片描述

人工智能简史

人工神经网络被提出(AI缘起)

Artificial Neural Network (简称Neural Network
沃伦-麦卡洛克和沃尔特-皮茨在1943创造了神经网络的计算模型

达特茅斯会议(定义Al)

达特茅斯学院( Dartmouth College )是一所美国私立大学
由约翰-麦卡锡等人于1956年8月31日发起
标志着Al(人工智能)的正式定义(诞生)

感知器( Perceptron）

一种最简单的人工神经网络,是生物神经网络机制的简单抽象
由罗森布拉特于1957年发明
将人工智能的研究推向第一个高峰

人工智能第一个寒冬

1970年始的十几年
传统的感知器耗费的计算量和神经元数目的平方成正比
当时的电脑没有能力完成神经网络模型所需要的超大计算量

霍普菲尔德神经网络

一种递归神经网络( Recurrent Neural Network)
由约翰霍普菲尔德在1982年发明
具有反馈( Feed back )机制

反向传播( Back Propagation )算法

1974年哈佛大学的保罗:沃伯斯发明,当时没有受到重视
1986年大卫.鲁姆哈特等学者出版的书中完整地提出了BP算法
使大规模神经网络训练成为可能,将人工智能推向第二个高峰

人工智能第二个寒冬

1990年开始
人工智能计算机Darpa没能实现
政府投入缩减

深度学习( Deep Learning )

基于深度(指"多层" )神经网络
2006年由杰弗里·辛顿( Geoffrey Hinton )提出
人工智能性能获得突破性进展

进入感知智能时代

深度学习在语音和视觉识别上分别达到99%和95%的识别率
2013年开始
人工智能三个时代:运算智能、感知智能、认知智能

AlphaGo击败众多人类选手

Google买下的DeepMind公司的AlphaGo (基于TensorFlow )
2016年接连击败围棋届顶尖棋手
深度学习被广泛关注,掀起学习人工智能热潮

未来由我们创造

在人工智能热潮到来的时候你应该感到自豪,因为你学习了人工智能
虽然我们不能过分乐观,未来也许还会有低潮
但人工智能是大势所趋,学了绝对不吃亏

AI、机器学习和深度学习的关联

人工智能的知识图谱
在这里插入图片描述

AI ML和DL的关系
机器学习是实现人工智能的一种方法,深度学习是机器学习一个分支
在这里插入图片描述

人工智能王者归来,深度学习功不可没

深度学习是引领人工智能热潮的"火箭"
深度学习作为"后代" ,却给"爷爷"(人工智能)和"爸爸"(机器学习)争光了

什么是机器学习

什么是学习

过程:一个系统,能够通过执行某个过程,改善了性能
说得更深入一些,学习的目的是"减熵"
热力学第二定律:一个孤立系统倾向于增加熵(混乱程度)
熵就是混乱程度；比如生命活着就是在减熵

机器学习的必要性

很多软件无法靠人工编程:自动驾驶、计算机视觉、自然语言处理
人类常会犯错(比如紧张、累了、困了) ,机器不容易犯错
机器的计算能力越来越强,提高我们生活质量、加快科技发展

“晦涩”的机器学习定义

对某类任务T (Task )和性能度量P ( Performance）
通过经验E ( Experience )改进后
在任务T上由性能度量P衡量的性能有所提升

简单的机器学习定义

机器学习：让机器学习到东西
数据对应训练
解答问题对应推测
人类思考VS机器学习

练习和考试

学生学习：用做练习题来提高考试的成绩
做练习题对应训练
考试对应推测

AlphaGo学下围棋

围棋博弈:用和自己下棋来提高下棋的胜率
和自己下棋对应训练
与人类下棋对应推测

传统编程 VS 机器学习
在这里插入图片描述

机器学习
机器学习大致等同于找一个好的函数(Function)/模型
在这里插入图片描述

机器学习的分类

监督学习
- Supervised Learning :有标签。近义词:分类( Classification )
非监督学习
- Unsupervised Learning :没有标签。近义词:聚类( Cluster )
半监督学习
- Semi-Supervised Learning :有少部分标签。最类似人的生活
  
  如果c和b经常在一起；机器就会判断c也是精英。按照物以类聚的方式。
什么是强化学习
- Reinforcement Learning :基于环境而行动,以取得最大化预期利益
  
  按照得分强化学习；得分越高越好；就会刺激人工智能得高分