资源简介

(共42张PPT)
5.1 人工智能的产生与发展
5.1 人工智能的产生与发展
是人工智能吗？机器是如何进行识别的呢？
体验软件
体验软件
怎么教？
教它后，再次观察效果
发现问题
能识别，但准确率不高，为什么呢？
发现问题
方法1：将每个数字的不同形态都学习一遍
MNIST数据集（Mixed National Institute of Standards and Technology database）一共有7万张手写数字的图片，由250个不同的人手写完成。每一张图片包含 28 X 28 个像素点，且有对应的标签，也就是图片对应的数字。
标签：1
方法2： 借助MNIST数据集进行训练
人工智能（Artificial Intelligence）是指以机器（计算机）为载体，模仿、延伸和扩展人类智能，其与人类或其他动物所呈现的生物智能有着重要区别。
人工智能
……
听
说
读
推理
写
听觉
语言
视觉
写作
身边的人工智能
手写识别、人脸识别、微信语音转文字、同声翻译、小冰写诗、智能诊断系统、扫地机器人……
学习
0
1
2
3
…
9

多层神经网络
输出效果
输入特征
隐藏层
数据
训练控制区
重置/开始/逐步执行
训练轮数
训练速率
激活函数
正则选项
正则力度
问题类型
利用神经网络解决分类问题
1.选择“训练数据”中的第一类数据 ,尝试不同的输入特征，观察输出结果的不同。
2. 尝试修改神经网络结构，从而区分“训练数据”中的第二类数据。
体验：利用神经网络解决分类问题
每一层中有若干神经元， 前后相邻层中的神经元彼此联结。
多层神经网络
输入层
隐藏层
输出层
你觉得输入的是什么？
从图像出发，学习挖掘图像中像素点的空间分布模式
深度学习
在深度学习中， 一般会构造包含若干层的神经网络，一旦给定标注数据， 根据 “端到端（即输入端到输出端）“ 机制从数据出发， 即可学习数据中蕴含的概念或模式。
身边的人工智能
手写识别、人脸识别、微信语音转文字、同声翻译、小冰写诗、智能诊断系统、扫地机器人……
人脸识别是怎样实现的？

×
实际应用案例
扫地机器人刚买回家的时候，完全不熟悉家里的环境，一段时间后便能自如打扫，它是怎么学习的呢？
强化学习
学习者事先不知道最终答案，而是在学习过程中不断尝试各种解决问题的可能途径，然后根据结果反馈来调整相应的学习方法。
体现了一种自我学习的能力，即从过去的经验中不断学习，提升能力。
医学专家系统MYCIN
通过文字形式一边与患者对话， 一边进行病情诊断。最后显示患者可能性最高的病因， 并给出用药建议。
知识库
推理引擎
在MYCIN的知识库里， 存放着约450条判别规则和1000条细菌感染方面的医学知识。通过分支结构规则进行病情诊断。
+
如何习得病情诊断的能力？
医学专家系统MYCIN
深度学习
强化学习
知识库+推理引擎
符号主义
（逻辑主义、心理学派或计算机学派）
认为学习或者其他的智能特征原则上均可以被符号精确地描述，从而被机器仿真。智能行为就是对符号的推理和运算。
联结主义
（仿生学派或生理学派）
通过模仿人类大脑中神经元之间的复杂交互来进行认知推理。从海量数据出发，学习神经网络中成千上万的神经元之间的关联关系。
行为主义
（进化主义或控制论学派）
从“交互一反馈“角度来刻画智能行为，认为智能体可以在与环境的交互中不断学习，从而提升自己的智能水平。
阅读思考
阅读教材相关内容，了解人工智能的发展历程。
思考：
人工智能诞生的基础是什么？
图灵测试有何不足？
符号主义实现的人工智能有何不足之处？
神经网络很早便出现了，为何现在才迎来深度学习的高潮？
阅读思考
人工智能诞生的基础是什么？
计算机的诞生，为人工智能走向历史舞台打下了坚实的基础
图灵机
现代计算机的理论模型
图灵测试
图灵测试是测试机器是否具有智能的一种方法。在这个测试中， 一台机器和一个人被安排在两个彼此隔离的房间中。假设一名法官给机器和人出了10道题目（如人生的意义是什么、 节假日中城市景区交通如何等）。如果我们把机器和人的答案收集起来， 法官无法区分哪个答案是机器回答、 哪个答案是人回答的，那么图灵测试认为机器具有了智能。
阅读思考
2. 图灵测试有何不足？
（1）智能局限于“语言”
（2）只是依据结果得出，没有真正的从过程中得出
图灵测试的真正意义在于为人类研究智能机器提供了研究的方向。
时间
发展趋势
1956年：
达特茅斯会议，AI诞生
第一次高潮：
出现很多顶级算法
第二次高潮：
专家系统、第五代计算机
研究与预期成果有落差、
计算能力不足
人工智能的发展历程：
第五代计算机的研制失败
符号主义的研究陷入瓶颈 ？
时间
发展趋势
1956年：
达特茅斯会议，AI诞生
第一次高潮：
出现很多顶级算法
第二次高潮：
专家系统、第五代计算机
研究与预期成果有落差、
计算能力不足
人工智能的发展历程：
第五代计算机的研制失败
符号主义的研究陷入瓶颈
（1）知识难以精确化编码
（2）知识库需要依赖专家手工构造，维护困难，经济成本高
第三次高潮：
深度学习、云计算等的出现
？
人工智能学科结构
小结：
课后思考：
1. 现阶段人工智能的发展还面临哪些困难？
2. 人工智能又将走向哪里？
3. 未来会有“奇点” 到来吗？

展开更多......

收起↑