資源簡介

(共42張PPT)
5.1 人工智能的產生與發展
5.1 人工智能的產生與發展
是人工智能嗎？機器是如何進行識別的呢？
體驗軟件
體驗軟件
怎么教？
教它后，再次觀察效果
發現問題
能識別，但準確率不高，為什么呢？
發現問題
方法1：將每個數字的不同形態都學習一遍
MNIST數據集（Mixed National Institute of Standards and Technology database）一共有7萬張手寫數字的圖片，由250個不同的人手寫完成。每一張圖片包含 28 X 28 個像素點，且有對應的標簽，也就是圖片對應的數字。
標簽：1
方法2： 借助MNIST數據集進行訓練
人工智能（Artificial Intelligence）是指以機器（計算機）為載體，模仿、延伸和擴展人類智能，其與人類或其他動物所呈現的生物智能有著重要區別。
人工智能
……
聽
說
讀
推理
寫
聽覺
語言
視覺
寫作
身邊的人工智能
手寫識別、人臉識別、微信語音轉文字、同聲翻譯、小冰寫詩、智能診斷系統、掃地機器人……
學習
0
1
2
3
…
9

多層神經網絡
輸出效果
輸入特征
隱藏層
數據
訓練控制區
重置/開始/逐步執行
訓練輪數
訓練速率
激活函數
正則選項
正則力度
問題類型
利用神經網絡解決分類問題
1.選擇“訓練數據”中的第一類數據 ,嘗試不同的輸入特征，觀察輸出結果的不同。
2. 嘗試修改神經網絡結構，從而區分“訓練數據”中的第二類數據。
體驗：利用神經網絡解決分類問題
每一層中有若干神經元， 前后相鄰層中的神經元彼此聯結。
多層神經網絡
輸入層
隱藏層
輸出層
你覺得輸入的是什么？
從圖像出發，學習挖掘圖像中像素點的空間分布模式
深度學習
在深度學習中， 一般會構造包含若干層的神經網絡，一旦給定標注數據， 根據 “端到端（即輸入端到輸出端）“ 機制從數據出發， 即可學習數據中蘊含的概念或模式。
身邊的人工智能
手寫識別、人臉識別、微信語音轉文字、同聲翻譯、小冰寫詩、智能診斷系統、掃地機器人……
人臉識別是怎樣實現的？

×
實際應用案例
掃地機器人剛買回家的時候，完全不熟悉家里的環境，一段時間后便能自如打掃，它是怎么學習的呢？
強化學習
學習者事先不知道最終答案，而是在學習過程中不斷嘗試各種解決問題的可能途徑，然后根據結果反饋來調整相應的學習方法。
體現了一種自我學習的能力，即從過去的經驗中不斷學習，提升能力。
醫學專家系統MYCIN
通過文字形式一邊與患者對話， 一邊進行病情診斷。最后顯示患者可能性最高的病因， 并給出用藥建議。
知識庫
推理引擎
在MYCIN的知識庫里， 存放著約450條判別規則和1000條細菌感染方面的醫學知識。通過分支結構規則進行病情診斷。
+
如何習得病情診斷的能力？
醫學專家系統MYCIN
深度學習
強化學習
知識庫+推理引擎
符號主義
（邏輯主義、心理學派或計算機學派）
認為學習或者其他的智能特征原則上均可以被符號精確地描述，從而被機器仿真。智能行為就是對符號的推理和運算。
聯結主義
（仿生學派或生理學派）
通過模仿人類大腦中神經元之間的復雜交互來進行認知推理。從海量數據出發，學習神經網絡中成千上萬的神經元之間的關聯關系。
行為主義
（進化主義或控制論學派）
從“交互一反饋“角度來刻畫智能行為，認為智能體可以在與環境的交互中不斷學習，從而提升自己的智能水平。
閱讀思考
閱讀教材相關內容，了解人工智能的發展歷程。
思考：
人工智能誕生的基礎是什么？
圖靈測試有何不足？
符號主義實現的人工智能有何不足之處？
神經網絡很早便出現了，為何現在才迎來深度學習的高潮？
閱讀思考
人工智能誕生的基礎是什么？
計算機的誕生，為人工智能走向歷史舞臺打下了堅實的基礎
圖靈機
現代計算機的理論模型
圖靈測試
圖靈測試是測試機器是否具有智能的一種方法。在這個測試中， 一臺機器和一個人被安排在兩個彼此隔離的房間中。假設一名法官給機器和人出了10道題目（如人生的意義是什么、 節假日中城市景區交通如何等）。如果我們把機器和人的答案收集起來， 法官無法區分哪個答案是機器回答、 哪個答案是人回答的，那么圖靈測試認為機器具有了智能。
閱讀思考
2. 圖靈測試有何不足？
（1）智能局限于“語言”
（2）只是依據結果得出，沒有真正的從過程中得出
圖靈測試的真正意義在于為人類研究智能機器提供了研究的方向。
時間
發展趨勢
1956年：
達特茅斯會議，AI誕生
第一次高潮：
出現很多頂級算法
第二次高潮：
專家系統、第五代計算機
研究與預期成果有落差、
計算能力不足
人工智能的發展歷程：
第五代計算機的研制失敗
符號主義的研究陷入瓶頸 ？
時間
發展趨勢
1956年：
達特茅斯會議，AI誕生
第一次高潮：
出現很多頂級算法
第二次高潮：
專家系統、第五代計算機
研究與預期成果有落差、
計算能力不足
人工智能的發展歷程：
第五代計算機的研制失敗
符號主義的研究陷入瓶頸
（1）知識難以精確化編碼
（2）知識庫需要依賴專家手工構造，維護困難，經濟成本高
第三次高潮：
深度學習、云計算等的出現
？
人工智能學科結構
小結：
課后思考：
1. 現階段人工智能的發展還面臨哪些困難？
2. 人工智能又將走向哪里？
3. 未來會有“奇點” 到來嗎？

展開更多......

收起↑