资源简介

(共36张PPT)
信息技术：人工智能
DATA
DATA
人工智能的产生
06-1
人工智能的产生
图灵，是发明计算机的先驱者，被称为计算机之父、人工智能之父。为了纪念他，计算机界的最高奖项被命名为“图灵奖”
电影《模仿游戏》
人工智能的产生
恩尼格玛密码机上的轮子
仿制的“炸弹机”
人工智能的产生
1950年，图灵发表一篇论文《计算机器与智能》，提出测试机器智能的方法，就是著名的“图灵测试”
人工智能的产生
1956年夏天 约翰.麦卡锡等人在美国达特茅斯学院开研讨会”如何用机器模拟人的智能“。会上提出”人工智能“这一概念，标志着人工智能学科的诞生。
约翰.麦卡锡
马文.明斯基
克劳德.香农
什么是人工智能？
让机器和人一样运动
运动控制
让机器和人一样思考
机器学习、自动推理、知识表达、人工意识
让机器和人一样看懂
计算机视觉
让机器像人一样听懂
语音识别、语音翻译、声纹识别、自然语言处理
人工智能（AI）是计算机学科的一个分支，是研究计算机模拟人的某些感知能力、思维过程和智能行为（如学习、推理、思考、规划等）的学科。
什么是人工智能？
机器学习：实现人工智能的方法
深度学习：实现机器学习的利器
大数据： 人工智能的基石
利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
——中国电子技术标准化研究院《人工智能标准化白皮书（2018版）》
人机博弈“三盘棋”
国际跳棋
---机器学习
国际象棋
---将知识库搜索与机器学习结合
围棋
---深度学习
人机博弈“三盘棋”
人机对弈：国际跳棋
1956年，计算机技术的先驱萨缪尔，在计算机上编写出了世界上第一款国际跳棋程序。
1962年，这个程序击败了人类的一个跳棋冠军。
这是“机器学习”算法的提出与首次应用。
人机博弈“三盘棋”
人机对弈：国际象棋
1997年，超级计算机“深蓝”战胜国际象棋世界冠军卡斯帕罗夫。“深蓝”是美国IBM公司生产的一台超级计算机，有32个大脑（微处理器），每秒可以计算2亿步。“深蓝”中存储了一百多年来优秀棋手的两百多万局对局。
今天看来，“深蓝”还算不上足够智能，它当时主要依靠强大的计算能力，穷举所有路数，来选择最佳策略。“深蓝”靠计算可以预判12步，而卡斯帕罗夫可以预判10步，双方能力不相上下。
人机博弈“三盘棋”
人机对弈：围棋
2016年，阿尔法围棋（AlphaGo）在与围棋世界冠军李世石的对弈中，以4:1的总比分获胜。
2017年，它又进化为阿尔法元（AlphaGo Zero），通过“自学成才”，仅用3天就成了围棋界的顶尖高手。以3比0的总比分打败了柯洁。
“深度学习”算法取得巨大的成功。
前50目，他在棋局里看到了数千年来先贤的影子，
前80目，他看到了自己曾经对手的高超技法，这些都没有打败他，
直到第120目，他看到了自己的影子。
认识 人工智能
ChatGPT 是一种专注于对话生成的语言模型。它能够根据用户的文本输入，产生相应的智能回答。这个回答可以是简短的词语，也可以是长篇大论。其中GPT是Generative Pre-trained Transformer（生成式预训练变换模型）的缩写。
通过学习大量现成文本和对话集合（例如Wiki），ChatGPT能够像人类那样即时对话，流畅的回答各种问题。（当然回答速度比人还是慢一些）无论是英文还是其他语言（例如中文、韩语等），从回答历史问题，到写故事，甚至是撰写商业计划书和行业分析，“几乎”无所不能。
人工智能的产生
1956年达特茅斯会议
1959年
萨缪尔提出“机器学习”
1972年
出版《计算机不能做什么？》
1976年
机器翻译项目失败，政府减少经费资助
80年代初专家系统复兴
1982年
第五代计算机系统计划、Cyc项目
1995年前后，陷入“AI冬天”
2006年
杰弗里·希尔顿
提出“深度学习”
2010年
大数据时代到来
1950
1960
1970
1980
1990
2010
2020
2000
2016年
AlphaGo战胜李世石
1997年
“深蓝”战胜国际象棋大师卡斯帕罗夫
第一次繁荣（1956-1974）：
伟大的首航
第二次繁荣（1980-1987）：
专家系统的兴衰
第三次增长爆发（2011年至今）：
厚积薄发，再造辉煌
人工智能解决问题的模型框架
人类如何识别朋友的脸？
识别结果
（是朋友）
过去对于朋友的脸的知识和经验
识别过程
识别结果
(不是朋友）
陌生人的脸
人工智能解决问题的模型框架
朋友脸的模型 F(x)
（用数学公式、图表
表示过去的知识和经验）
大量过去的案例（样本）
训练过程
人工智能如何识别朋友的脸？
识别结果
（是朋友）
识别过程
识别结果
(不是朋友）
陌生人的脸
朋友的脸
智能问答机器人解决问题的模型框架
典型的智能问答系统结构示意图
在“人工标注数据+强化学习”框架下，具体而言，ChatGPT 的训练过程分为以下三个阶段：
阶段一：有监督微调Supervised fine-tuning (SFT)
首先会在数据集中随机抽取问题，由人类标注人员，给出高质量答案，然后用这些人工标注好的数据来微调 GPT-3.5模型（获得SFT模型, Supervised Fine-Tuning）
阶段二：训练回报模型（Reward Model, RM）
通过人工标注训练数据，来训练回报模型。用阶段一中调整好的模型，人工针对问题产生的回答按一定的标准进行排序，再根据排序结果训练回报模型，RM模型接受一个输入，给出评价回答质量的分数。
阶段三：使用强化学习微调 SFT 模型
本阶段无需人工标注数据，而是利用上一阶段学好的 RM 模型，靠 RM 打分结果来更新预训练模型参数。
人工智能的应用
06-2
人工智能的应用
智能制造
智能家居
智能教育
智能交通
智能安防
智能医疗
智能物流
人工智能的应用
智能制造
智能家居
智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
智能家居以住宅为平台，基于物联网技术，是由硬件（智能家电、智能硬件、安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。
人工智能的应用
智能交通
智能物流
智能交通系统（Intelligent Traffic System，ITS）是通信、信息和控制技术在交通系统中集成应用的产物。ITS 借助现代科技手段和设备，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通运输管理系统。
智能物流就是利用条形码、射频识别技术、传感器、全球定位系统等技术优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。
人工智能的应用
智能教育
智能安防
智能医疗
智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，从而尽可能实现实时的安全防范和处理。
人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常有利的技术条件。近年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥了重要作用。
随着人工智能技术的发展，越来越多的人工智能工具被应用于教育领域，成为教师教学和学生学习的得力助手。
常见技术
06-3
人工智能的研究领域
1 人机交互
3 自然语言处理
2 图像识别
4 机器学习
人机交互
键盘交互
语音交互
情感交互
体感交互
脑机交互
什么是人机交互？
人机交互：主要研究人与计算机之间的信息交换，包括人到计算机和计算机到人的信息交换两部分。
人机交互
语音采集
② 语音识别
③ 语义理解
④ 语音合成
语音交互的原理是什么？
图片识别
为什么拍照能够识别建筑、植物、动物？
图像识别：是利用计算机对图像进行处理、分析和了解，以识别各种不同模式的目标和对象的技术。
图像识别的原理是什么？
图像识别技术是以图像的主要特征为基础的。每个图像都有其特征，在图像轮廓曲度最大或轮廓方向突然改变的地方的信息量最大。
图片识别
如何识别狗的品种？
采集特征
特征库对比
识别狗品种
输入
判断
阿拉斯加
哈士奇
自然语言处理
什么是自然语言处理？
自然语言处理（NLP）：主要研究实现人与计算机之间用自然语言进行有效通信、交流的各种理论和方法。
自然语言处理的研究领域有哪些？
利用计算机技术实现一种自然语言到另外一种自然语言的翻译。
机器翻译
利用计算机技术实现对文本篇章的理解，并回答相关问题。
语义理解
让计算机像人类一样用自然语言与人交流
问答系统
自然语言处理
“讯飞听见”翻译过程是什么？
将中文信息进行输入、识别与分析，翻译成英文进行输出。
机器翻译
将人口述的中文信息转化为中文文字，注重对信息的理解和精准程度的把控。
语义理解
机器学习
什么是机器学习？
机器学习：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。
从观测数据出发寻找规律，利用规律对未来数据或无法观测的数据进行预测。
历史数据
新的数据
模型
未知属性
输入
训练
预测
关键技术——生物特征识别
指纹识别系统
指纹识别通过比较不同指纹的细节特征点来进行鉴别。我们的手掌、手指和脚、脚趾内侧表面皮肤凹凸不平的纹路具有唯一性。依靠这种唯一性，就可以把个人身份与其指纹对应起来。
1
①
②
③
④
通过指纹采集设备获取所需识别指纹的图像
对采集的指纹图像进行如下预处理：图像质量判断、图像增强指纹区域、检测指纹方向图和频率估算、图像二值化、图像细化。
将提取指纹特征与数据库中保存的指纹特征逐一匹配，判断是否为相同指纹。
从预处理后的图像中，获取指纹的脊线数据，提取指纹识别所需的特征点。
关键技术——生物特征识别
人脸识别系统
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。如上图所示用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部特征比对。
2
关键技术——生物特征识别
虹膜识别系统
虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分,包含很多相互交错的斑点、细丝、冠状、条纹和隐窝等细节特征。如上图所示,虹膜识别系统基于眼睛中的虹膜进行身份识别,主要应用于安防设备(如门禁、设备开关等)，以及有高度保密需求的场所。
3
关键技术——生物特征识别
指静脉识别系统
指静脉识别是静脉识别技术的一种。如左图所示，通过近红外光线照射手指，利用图像传感器获取个人手指静脉分布图，然后从手指静脉分布图提取特征值并存入计算机系统,等待进行识别。
进行识别时,实时采集静脉图，提取特征值,运用滤波、图像二值化、细化等手段提取数字图像特征，然后和存储在主机中的手指静脉特征值比对，采用匹配算法对手指静脉特征进行匹配，从而实现个人身份鉴定，确认身份。
4
识别其他生物特征工作流程与识别指纹是一样的，都是 “采集——图像处理——特征提取——特征匹配”。
再次验证：
总结
人工智能
认识人工智能
人工智能的产生
人工智能的应用
图灵测试
人工智能发展历程
人工智能解决问题的模型框架
人机交互
图像识别
自然语言处理
让机器像“人”那样思考，感知
人工智能的关键技术
机器学习
生物特征识别
https://c.binjie.fun/

展开更多......

收起↑