[人工智能]人工智能技术与发展

一、人工智能概论

1. 智能：大脑思维活动，知识积累、进化理论。
2. 人工智能的定义：能力（机器实现智能）、模拟延伸和扩展人类智能。
3. 图灵测试：30%测试中成功欺骗了人，则通过了测试。
4. 人工智能定义：类人行为，类人思维，理性思维，理性行动
5. 专家系统：知识+逻辑推理，局限性：应用领域狭窄、交互问题。
6. 功能模拟、结构模拟，行为模拟，集成模拟法
7. 符号注意：知识和概念的表示。主导地位，主流学派。专家系统
8. 联结主义学派：模拟大脑神经网络。围棋，机器翻译，语音识别。弱智能、不适合解决逻辑思维。
9. 智慧城市、个人助理、智慧安防、智慧交通、智慧医疗、电子商务的变革、智能教育、智能金融。

二、机器学习算法

1. 历史数据，训练模型，利用模型预测。
2. 人工智能到机器学习到深度学习。
3. 回归问题：线性模型，确定参数训练过程，预测。
4. 分类问题（逻辑回归）：人脸，语音识别。
5. 决策树：根据树节点得出结论
6. K均值算法：K个集群。K个质心，反复迭代。缺点K不确定。
7. 支持向量机：间隔最大化。核函数：低纬映射高维，非线性，转换线性。
8. 关联分析：商场购物车商品关联性。
9. KNN（K临近算法）：近朱者赤近墨者黑，K个邻中归类
10. 降维：可视化，提高其他算法
11. 推荐算法：物品内容、用户相似度推荐、协同过滤算法
12. 神经网络：工作状态：兴奋状态，抑制状态。单层神经网络：线性分类。
13. 神经网络训练：输入值，正向传播，输出。标签。目的：权重调整。
14. 神经网络实现简单，难点在于神经网络表示现实问题，调参。
15. DNN（多了一些层），RNN（反馈环），CNN（各层次所提取特征具有明确意义）
16. 卷积核（C层）边缘特征，特征映射层（下采样层，S层，特征压缩）
17. 特征：局部连接，权值共享，多核卷积，池化。

三、人工智能应用

1. 计算机视觉：从图像到模型（计算机处理的数据）
2. 失真现象：三维变成二维，长度和角度信息丢失。
3. 图像滤波：箱式滤波，锐化。
4. 边缘检测：识别图像的突变信息（识别目标、恢复集合点）。尔塔大小决定尺度
5. 特征识别：识别具体信息，人物，地点等等。
6. 大规模图像搜索：依据图像特征进行搜索。
7. 大数据驱动的计算机视觉：图像丢失数据的填充：输入图像+图像集合（关联信息）+修补图像
8. 图像补全算法：场景描述符、上下文匹配算法。
9. 语音工程：语音识别两个方面：计算机能听懂（语音识别），计算机说人话（语音合成）。
10. 语音核心技术：前端信号处理、声纹识别、情感识别、语音识别、人机对话、语音合成
11. 语音识别：音频信息得到表示音频信息的文本数据。升级：语音解码器的精度
12. 语音合成：将文本是信息转换语音输出。
13. 自然语言处理：分词、词干处理
14. 自然语言处理应用：舆情监控，文本挖掘，语法语义分析。
15. 决策系统：根据历史信息进行数据处理的过程。树状处理信息，即可得到判断效果。
16. 大数据应用（样本数量大）：4V特点。医疗大数据、金融大数据、教育、政府。

四、人工智能伦理与未来

1. 伦理：道德规范和行为准则。不是规章制度，更不是法律要求。
2. 奇点临近：人工智能奴役人类。
3. 人工智能安全挑战：技术滥用、技术或者管理缺陷、未来的超级智能引发安全担忧。
4. 人工智能武器：基于人工智能的致命性自主武器系统。
5. 智能驾驶：责任归属的问题、道德二难问题
6. 偏见加强：人工智能算法的偏见是系统的，一旦形成将产生广泛影响。
7. 隐私权受到威胁：电商数据，用户画像。人类的“被遗忘权”。
8. 婚恋家庭伦理：家庭机器人，情感计算（赋予计算机识别理解人情感的能力）、索菲亚人形机器人
9. 就业挑战：2030年，发展中国家三分之二被机器人取代。加剧社会分化。
10. 人工智能发展纲要：人工智能不能破坏人的利益，公众至上。

如需课件资料请留下邮箱或者私信。