《人工智能概論》第一章人工智能的前世今生主講教師：XXX由于文檔上傳大小限制，本課件里的視頻均由圖片代替。目錄三人工智能應用概況一人工智能內涵二人工智能理論基礎人工智能內涵一情景導入同學們，說說你身邊的人工智能？情景導入什么是人工智能？人工智能內涵圖靈（1912-1954），英國數學家、邏輯學家，被稱為計算機科學之父，人工智能之父。1950年在論文《機器能思考么？》中提出了圖靈測試，一種用于判定機器是否具有智能的試驗方法，如下：提問者和回答者分開，提問者通過一些裝置（鍵盤）向機器隨意提問。多次測試，如果有超過30%的提問者認為回答問題的是人而不是機器，那么這臺機器就通過了測試，具有了人工智能。人工智能內涵學術界定義約翰麥卡錫使一部機器的反應方式像一個人在行動時所依據的智能；制造智能機器的科學與工程，特別是智能計算機程序；NilsJ.Nilsson人工智能是關于知識的學科—怎樣表示知識以及怎樣獲得知識并使用知識的學科；PatrickWinston人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。人工智能內涵廣義人工智能人工智能指通過計算機實現人的頭腦思維所產生的效果，是對能夠從環境中獲取感知并執行行動的智能體的描述和構建人工智能產業人工智能產業的構建包括數據資源、計算引擎、算法、技術、基于人工智能算法和技術進行研發及拓展應用的企業以及應用領域人工智能技術人工智能技術是人類在利用和改造機器的過程中所掌握的物質方法、手段和只是等各種活動方式的總和人工智能概念及界定人工智能內涵定義我們通常講的人工智能指向人工智能技術，指利用技術學習人、模擬人，乃至超越人類智能的綜合能力；即通過機器實現人的頭腦思維，使其具備感知、決策與行動力。形象來說，人工智能可理解為由不同音符組成的音樂，而不同音符是由不同的樂器所奏響的，最終實現傳遞演奏者內心所想與頭腦所思的效果。具體包括使用機器幫助、代替甚至部分超越人類實現認知、識別、分析、決策等功能的技術手段。舉例如自然語言處理、語音識別、計算機視覺、機器智能技術、通過圖靈測試的智能等等。人工智能內涵A通過視覺、聽覺、觸覺等感官活動，接受并理解文字、圖像、聲音、語言等各種外界信息，這就是認識和理解外界環境的能力。C通過教育、訓練和學習過程，日益豐富自身的知識和技能，這就是學習的能力。B通過人腦的生理與心理活動以及有關的信息處理過程，將感性知識抽象為理性知識，并能對事物運行的規律進行分析、判斷和推理，這就是提出概念、建立方法，進行演繹和歸納推理、作出決策的能力。D對不斷變化的外界環境條件（如干擾、刺激等外界作用）能靈活地作出正確地反應，這就是自適應能力。人工智能內涵人工智能與大數據、云計算的最大的區別是，互聯網及新興技術改造的是傳統行業，是應用層的創新，但人工智能改變的卻是互聯網本身。全新交互方式自進化去節點化人工智能內涵人工智能帶來的則是真正意義上的用戶交互層上的革命，真正解放了人類的雙手，讓語音交互、圖像識別、自然語言理解等成為新的傳遞媒介和對話窗口。而每一次交互方式上的重大變革，都會摧毀舊有的產業，孕育全新的產業，出現顛覆性的產業變化。全新的交互方式人工智能內涵人工智能依托于互聯網海量數據的積累，用戶軌跡，以及數據挖掘、自然語言處理、語音交互、圖像識別、深度升級網絡、機器學習及用戶建模等方面的技術積淀，這些為人工智能提供了足夠快、足夠猛烈的爆發力和成長養料。同樣一年進化期，人工智能的應用和成長速度只能用指數級增長來形容，遠遠超過了過去互聯網所出現的電商、社交等的線性成長速度。自進化阿爾法狗再進化:無師自通學3天擊敗老狗(顫抖吧人類)人工智能內涵去節點化即“所說即所得”，人工智能將使用門檻降到了0。就如小孩剛剛降生，首先最早學會的就是說話，而不是讀書、寫字一樣。人工智能以對話為主要的交互方式，更像是身體器官的自然延伸，而不像PC、手機，還得依靠雙手、眼睛和腦力，這一改變使其使用門檻幾乎為零，讓用戶獲取服務變得更加簡單便捷，真正實現了“所說即所得”。就如蘋果手機的觸控體驗給智能手機產業帶來的革命一樣，人工智能以對話為主的看似傻瓜式的改變，預期也會引發互聯網的一場顛覆革命。去節點化人工智能內涵人工智能四種途徑像人一樣行動：圖靈測試的途徑像人一樣思考：認知建模的途徑合理地思考：“思維法則”的途徑合理地行動：合理Agent的途徑人工智能內涵像人一樣行動：圖靈測試的途徑1自然語言處理（naturallanguageprocessing）：使之能成功地用人類語言交流；2知識表示（knowledgerepresentation）：存儲它知道的或聽到的信息；4機器學習（machinelearning）：適應新情況并進行檢測和預測。3自動推理（automatedreasoning）：運用存儲的信息來回答問題并推出新結論；1.計算機視覺（computervision）：感知物體；2.機器人學（robotics）：操縱和移動對象。人工智能內涵像人一樣思考：認知建模的途徑內省通過內省捕獲人類自身的思維過程；心理實驗通過心理實驗觀察工作中的人類思維變化；腦成像通過腦成像觀察人類思考過程中的組織成分變化。認知科學人工智能內涵合理地思考：“思維法則”的途徑1965邏輯學家為世界上各種對象及對象之間關系的陳述制訂了一種精確的表示法（類似于算術表示法，算術只是關于數的陳述的表示法）人工智能中的邏輯主義（logicist）流派希望通過這樣的程序來創建智能系統，此途徑被稱為“思維法則”的途徑。已有程序原則上可以求解用邏輯表示法描述的任何可解問題（如果不存在解，那么程序可能無限循環）19世紀1965年人工智能邏輯學人工智能內涵合理地思考：“思維法則”的途徑邏輯學兩個障礙首先，獲取非格式化的知識并用邏輯表示法要求的形式術語來陳述是不容易的，特別是在知識不是百分之百肯定時；其次，在“原則上”可解一個問題與實際上解決該問題之間存在巨大的差別，甚至求解只有幾百條事實的問題就可耗盡任何計算機的計算資源。人工智能內涵Agent是進行運行操作的智能安排（英語的agent源于拉丁語的agere，意為“去做”）。所有計算機程序都在運行并處理任務，但是普通計算機不能感知環境、長期持續、適應變化并能創建與追求目標。Agent能實現更多功能：自主操作進行合理安排，或者當存在不確定性時，為了實現最佳期望結果而重新規劃任務。合理地行動：合理Agent的途徑人工智能內涵合理性的標準在數學上定義明確且完全通用，并可被“解決并取出”來生成可證實現了合理性的Agent設計。另一方面，人類行為可以完全適應特定環境，并且可以很好地定義為人類做的所有事情的總和。所以研究合理Agent的一般原則以及用于構造這樣的Agent的部件將是使用的一個重點。因為在現實中，盡管問題可被陳述地簡單，但是在試圖求解問題時各種各樣的難題就出現了。但是，合理Agent途徑在復雜環境中不可行，因為計算要求太高。合理地行動：合理Agent的途徑合理Agent的途徑與其他途徑相比有兩個優點。首先，它比“思維法則”的途徑更普遍，因為正確的推理只是實現合理性的幾種可能的機制之一。其次，它比其他基于人類行為或人類思維的途徑更經得起科學發展的檢驗。優點習題通過Siri添加日程安排1.打開蘋果手機2.呼叫Siri3.請Siri添加下周日程安排4.對比通過Siri添加日程安排與以往添加日程安排的異同實訓題人工智能理論基礎二人工智能理論基礎數學神經科學計算機科學控制論大數據1自然科學類人工智能理論基礎哲學經濟學倫理學心理學語言學2社會科學類人工智能應用概況三人工智能應用概況人工智能發展歷程1人工智能產業圖譜2各國人工智能應用概況3人工智能應用概況人工智能發展歷程1人工智能應用概況人工智能發展歷程1深度學習，蓬勃興起機器學習，迎來曙光知識表示，走出困境計算推理，奠定基礎4.03.02.01.0人工智能應用概況1956年，美國達特茅斯學院舉行第一次人工智能研討會，人工智能誕生的標志麥卡錫首次提出了“人工智能”概念，紐厄爾和西蒙則展示了編寫的邏輯理論機器。而馬文·明斯基提出的“智能機器能夠創建周圍環境的抽象模型，如果遇到問題，能夠從抽象模型中尋找解決方法”這一定義，成為后30年智能機器人的研究方向。WarrenMcCulloch和WalterPitts（1943）完成人工智能的最早工作基礎生理學知識和腦神經元的功能；羅素和懷特海德的對命題邏輯的形式分析；以及圖靈的計算理論。計算推理，奠定基礎1.0人工智能應用概況1968MACSYMA系統1969DENDRAL程序20世紀70年代人工智能又從具體系統的研究逐漸回到一般研究，圍繞知識這一核心問題，人們在知識獲取、知識表示和知識推理等方面開始出現新的原理、方法、技術和工具。以E.A.Feigenbaum為代表的學者認為，知識是有智能的機器所必備的，于是在他們的倡導下，在20世紀70年代中后期，人工智能進入了“知識表示期”，E.A.Feigenbaum后來被稱為“知識工程”之父。知識表示，走出困境2.0人工智能由追求萬能、通用的一般研究轉入特定的具體研究，產生了以專家系統為代表的基于知識的各種人工智能系統人工智能應用概況198119892001偉博斯在神經網絡反向傳播（BP）算法中具體提出多層感知機模型帶領機器學習進入了新時代。隨機森林出現于2001年，于AdaBoost算法同屬集成學習，雖然簡單，但在很多問題上效果卻出奇的好，因此現在還在被大規模使用。LeCun設計出了第一個真正意義上的卷積神經網絡，用于手寫數字的識別，這是現在被廣泛使用的深度卷積神經網絡的鼻祖。機器學習，迎來曙光3.0SVM代表了核技術的勝利，這是一種思想，通過隱式的將輸入向量映射到高維空間中，使得原本非線性的問題能得到很好的處理。而AdaBoost則代表了集成學習算法的勝利，通過將一些簡單的弱分類器集成起來使用居然能夠達到驚人的精度。人工智能應用概況20062012ImageNet大賽上CNN奪冠2016深度學習領域的三巨頭LeCun、Bengio、Hinton聯手在Nature上發表綜述對DeepLearning進行科普機器學習領域的泰斗Hinton和他的學生Salakhutdinov在頂尖學術刊物《Scince》上發表了一篇文章，開啟了深度學習在學術界和工業界的浪潮。深度學習，蓬勃興起4.020152014谷歌研發出20層的VGG模型。同年，DeepFace、DeepID模型橫空出世，在LFW數據庫上的人臉識別、人臉認證的正確率達到99.75%，幾乎超越人類。阿爾法狗打敗李世石。人工智能應用概況人工智能產業圖譜2人工智能應用概況人工智能產業圖譜2人工智能應用概況1）美國：美國領跑人工智能發展潮流，戰略層面高度重視人工智能應用概況3美國政府成立多個人工智能管理與指導部門A美國政府優先對人工智能投資B美國開展并更新相關戰略計劃C人工智能應用概況2）歐洲：歐洲各國相繼出臺人工智能重大發展戰略人工智能應用概況325個歐洲國家簽署《加強人工智能合作宣言》，強調作為“歐洲數字化的領導者”的北歐和波羅的海國家將加強人工智能方面的合作，以保持其歐洲數字化領先地區的地位，瑞典將在這一領域合作發揮關鍵領導作用。“人工智能倫理”問題歐盟發布《人工智能時代：確立以人為本的歐洲戰略》和《歐盟人工智能》報告2018年6月，歐盟委員會（EuropeanCommission）成立承擔咨詢機構角色的人工智能高級小組（AIHLG）人工智能應用概況2）歐洲：歐洲各國相繼出臺人工智能重大發展戰略人工智能應用概況3注重實效性，強調“綜合施治、合力發展”英國2018年3月，宣布《人工智能發展戰略》，承諾五年內提供超過18.5億美元資金，重點為醫療保健和自動駕駛汽車領域法國“智能工廠”為重心的“工業4.0計劃”；“腦科學”戰略重點是機器人和數字化；2018年7月，德國聯邦政府發布《聯邦政府人工智能戰略要點》德國人工智能應用概況3）亞洲：亞洲國家緊追人工智能潮流力爭向先進國家看齊人工智能應用概況3日本2018年發布《綜合創新戰略》，突顯大學改革、加強政府對創新的支持、人工智能、農業發展、環境能源等五大重點措施韓國2018年發布《人工智能研發戰略》，并計劃在五年內投入20億美元用于在國防、生命科學和公共安全領域應用人工智能解決方案印度2018年發布《人工智能國家戰略》，特別關注軍事安全與道德隱私領域，重點放在健康護理、農業、教育、智慧城市和基礎建設與智能交通五大領域；阿聯酋2018年3月，阿聯酋內閣批準組建“阿聯酋人工智能委員會”人工智能應用概況4）中國人工智能應用概況3從政策角度來看中國人工智能政策主要關注以下六個方面：中國制造、創新驅動、物聯網、互聯網+、大數據、科技研發。其中，《中國制造2025》處于人工智能政策應用網絡的核心，在地方人工智能政策制定過程中發揮著綱領性的作用。從風險投資來看根據2013年到2018年第一季度全球的投融資數據，中國已在人工智能融資規模上超越美國成為全球最“吸金”國家，但是在投融資筆數上，美國仍然在全球處于領先地位。國內融資金額和融資筆數最高的省市是北京，且遙遙領先其他各省。上海、浙江、江蘇和廣東等省市的表現也比較突出。人工智能應用概況·人工智能企業數量人工智能應用概況3人工智能應用概況·人工智能企業城市分布人工智能應用概況3習題人工智能具有以下哪些特征：（）A.全新交互方式B.自進化C.去節點化D.自動化多選題正確答案：ABC《人工智能概論》第二章算法技術讓人工智能更聰明主講教師：XXX目錄三人工智能算法的應用一機器學習二深度學習機器學習一情景導入訊飛翻譯機AlphoGo人臉識別情景導入是什么讓計算機或者軟件如此精通人性？為什么讓計算機或者軟件如此造化出神？計算機或者軟件還能做什么精妙絕倫的事情？人工智能人工智能算法人工智能的應用人類越來越需要人工智能！機器學習機器學習是實現人工智能應用的算法技術之一，也是人工智能算法技術研究領域的一個分支.因此，掌握‘機器學習’符合當下人才培養的時代需求.人工智能是未來的發展趨勢，什么是人工智能？機器學習機器學習(一)機器學習的概念(二)機器學習的常見算法(三)強化學習機器學習（一）機器學習的概念機器學習是用數據或以往的經驗來優化提升行為判斷的計算程序簡單的講機器學習是一種能夠賦予機器學習的能力，讓它完成直接編程無法完成的功能的方法廣義上講機器學習是一種通過利用數據，訓練出模型，然后使用模型預測的一種方法實踐上講機器學習的思想：機器學習是對人類在生活中學習成長的一個模擬。機器學習1.機器學習算法的技術分類有監督學習特點應用樣本數據同時包含特征自變量(X)和目標變量(Y)。然后使用有監督學習算法訓練得到從特征自變量輸入到目標變量輸出的映射函數：Y=f(X)。(1).分類問題如判斷“垃圾郵件”或“非垃圾郵件.(2).回歸問題如預測旅游人數機器學習1.機器學習算法的技術分類無監督學習特點應用樣本數據只有特征自變量(X)，沒有目標變量(Y)。算法在輸入數據的過程中自己發現數據中的規律或模式。(1).關聯問題關聯規則學習目的是從數據中發現強規則。如通過分析數據發現，買了商品A的顧客有可能還會買商品B(2).聚類問題聚類方法可以發現數據內部的組群關系。如確定衣服尺碼的大小。機器學習1.機器學習算法的技術分類半監督學習特點應用樣本數據部分被標識，部分沒有被標識。這種學習模型可以用來進行預測，但是模型首先需要學習數據的內在結構以便合理地組織數據來進行預測。(1).分類問題(2).回歸問題機器學習2.機器學習中的基礎知識數據：機器學習算法的“學習資料”A訓練數據,用來訓練模型的，是算法的學習資料B驗證數據，用來評估不同參數下模型效果，選擇最優模型C測試數據，用來測試模型效果，評估泛化能力訓練集和驗證集的劃分方法有兩種：“hold-out”和交互檢驗。訓練數據是算法真正用來“學習”（擬合）的數據。機器學習2.機器學習中的基礎知識數據：三者的關系機器學習2.機器學習中的基礎知識目標函數：機器學習算法學習的方向意義機器學習算法通過學習輸入數據，在求解目標函數的極值的過程中，訓練得到算法參數的最優值，也即求解模型參數。舉例：邏輯回歸算法機器學習2.機器學習中的基礎知識基于梯度的參數優化方法基于梯度的參數優化方法指利用導數求目標函數的極值（最值）機器學習2.機器學習中的基礎知識超參數及超參數尋優參數：可以從數據中學習得到超參數：無法從數據里學習得到，需要靠人的經驗來設定機器學習算法參數是由樣本數據學習得到，不需要提前設置；機器學習參數通常作為最終模型的一部分保存；使用模型進行預測時，需要使用保存的參數。主要應用于模型參數的學習過程，無法從樣本數據中直接學習；超參數通常使用啟發式方法，在訓練之前提前設置；超參數定義關于模型更高層級的概念，如模型復雜度等。機器學習2.機器學習中的基礎知識超參數及超參數尋優超參數的尋優一般使用經驗法則或通過反復試驗的方法，來探尋算法超參數的最優值。超參數尋優的基本思路嘗試不同的超參數組合來訓練模型，通過比較不同組合得到的模型表現，最終確定最優的超參數組合。網格搜索（GridSearch）隨機搜索（RandomSearch）機器學習3.機器學習的“學習”過程BDFACE首先準備用于機器學習算法的數據集，以二維矩陣形式表示，每行代表一條學習樣本，每列代表一個變量，包括特征自變量（X）及目標變量（Y）選擇一種機器學習算法并確定其目標函數；使用驗證集評估不同超參數組合下的模型效果，選擇最優模型；將數據集劃分為訓練集、驗證集和測試集；設定不同的算法超參數組合，在每組確定的超參數下，使用訓練集進行算法參數的尋優，得到該組超參數下的最優參數模型；使用測試集評估最優模型的效果，即最終模型的泛化能力。機器學習(一)機器學習的概念(二)機器學習的常見算法(三)強化學習機器學習（二）機器學習的常見算法決策樹算法用樹的結構來構建分類模型，每個節點代表著一個屬性，根據屬性的劃分，進入這個節點的子節點直至葉子節點，每個葉子節點都代表一定的類別，從而達到分類的目的。概念如果要解決的問題需要模型具備很好的可解釋性，可以考慮決策樹算法。應用用于貸款審批的決策樹模型舉例決策樹機器學習（二）機器學習的常見算法舉例：用于貸款審批的決策樹模型假設該模型通過年齡、學歷、是否擁有房產等特征，對貸款申請人做出批準或拒絕的決策，如圖2-5所示。輸入的申請人特征會按照決策樹的結構自上而下進行條件判斷，最終分類到某個葉子節點，根據模型對該葉子節點定義的屬性，來判斷是否通過該申請人的貸款。如，某申請人年齡為40歲，但沒有房產，若其月收入超過1.5萬元，模型認定可以通過其貸款申請。決策樹具有很好的可解釋性，銀行可以向被拒絕貸款的客戶解釋拒絕原因，例如該客戶沒有房產且月收入小于1.5萬元機器學習（二）機器學習的常見算法集成學習就是將多個弱監督模型組合使用，以期得到一個更好更全面的模型。即便某一個弱模型得到了錯誤的預測，其他的弱分類器也可以將錯誤糾正回來。概念集成學習在任何規模的數據集上都有很好的應對策略。應用Bagging和Boosting舉例集成學習算法利用Bootstrap方法從樣本數據中采取有放回抽樣，經過訓練得到一個模型

，如此重復進行M次，得到M個獨立模型。最終的預測模型可以將所有M個模型的預測結果按照一定的方法綜合使用。通常，分類問題采用M個模型預測投票的方式；回歸問題采用M個模型預測平均的方式。機器學習（二）機器學習的常見算法舉例：Bagging和BoostingBaggingBoosting隨機森林是Bagging方法的一種。BGM是Boosting方法的一種。Boosting（提升方法）是一種可以用來減少有監督學習中偏差的機器學習算法。機器學習（二）機器學習的常見算法邏輯回歸算法邏輯回歸是一種基于線性回歸的經典分類模型。核心思想：將線性函數的結果映射到了sigmoid函數中。公式如下：其中：z是關于輸入變量的線性回歸。機器學習（二）機器學習的常見算法神經網絡是將多個sigmoid函數單元通過某種方式疊加形成的機器學習算法。概念輸入層：輸入變量隱藏層：sigmoid函數輸出層：預測值結構‘隱藏層’多層的神經網絡模型深度神經網絡神經網絡機器學習(一)機器學習的概念(二)機器學習的常見算法(三)強化學習機器學習（三）強化學習強化學習的概念概念強化學習是機器學習的一個重要分支，是受到行為主義心理學研究的啟發，產生的一種交互式學習方法，又稱為增強學習。算法思想讓機器通過不斷的嘗試，從錯誤中學習，從一開始完全隨機進行操作，到最后找到規律，學會達到目的的方法。基本要素環境，Agent，動作，反饋。機器學習（三）強化學習強化學習的概念A強化學習的輸入數據是序列的、交互的并且還是有反饋（Reward）的。而有監督學習的輸入數據是多樣化的標簽數據。輸入數據不同B強化學習是一個決策模型，有監督學習更偏向模式挖掘。學習目標不同C強化學習是進程安排自己去學習，有監督學習是按照算法特點進行參數最優化求解。學習方式不同與監督學習的區別機器學習（三）強化學習強化學習的技術分類根據強化學習算法是否依賴模型(1)基于模型的強化學習算法（Model-based）(2)無模型的強化學習算法（Model-free）01根據策略的更新和學習方法不同(1)基于值函數的強化學習算法(2)基于直接策略搜索的強化學習算法02根據環境返回的回報函數是否已知(1)正向強化學習算法(2)逆向強化學習算法03深度學習二深度學習(一)算法基礎(二)卷積神經網絡(CNN)(三)循環神經網絡(RNN)深度學習（一）算法基礎感知器(決策模型)輸入幾個二進制并生成一個二進制的輸出原理一般，f(x)=1,表示‘是’，f(x)=0,表示‘否’。深度學習（一）算法基礎感知器舉例深度學習（一）算法基礎激活函數作用是將線性函數的結果映射后引入非線性的變換sigmoid函數深度學習（一）算法基礎激活函數作用是對輸入數據x,保留正數且以0代替負數ReLU函數深度學習（一）算法基礎激活函數作用是將輸入數據x的值變換到-1和1之間tanh函數深度學習（一）算法基礎神經網絡指對神經網絡沿著從輸入層到輸出層的順序，依次計算并存儲模型的中間變量（包括輸出）。前向傳播計算神經網絡參數梯度的方法反向傳播深度學習(一)算法基礎(二)卷積神經網絡(CNN)(三)循環神經網絡(RNN)深度學習（二）卷積神經網絡架構LeNetAelxNetGoogleNet深度學習(一)算法基礎(二)卷積神經網絡(CNN)(三)循環神經網絡(RNN)深度學習（三）循環神經網絡架構LSTMGRU人工智能算法的應用三人工智能算法的應用生活中的人工智能人工智能算法的應用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應用（一）智能推薦概念：智能推薦是為用戶推薦所需要物品的一種人工智能工具。目的對用戶提供決策支持，例如買什么物品、聽什么歌曲或讀什么新聞。價值幫助用戶解決信息過載的問題，做出最好的選擇。方法基于內容的方法和協同過濾的方法。人工智能算法的應用（一）智能推薦基于內容的方法原則去識別那些有共同特征的項目（如電影、音樂等）。思路對某個用戶已經評分過的項目分析其共同特點，然后將含有這些特點的新的項目推薦給該用戶。局限‘內容分析限制’和‘過度專業化’人工智能算法的應用（一）智能推薦協同過濾的方法特點：使用其他用戶對項目的評分信息思想：如果目標用戶和某一用戶在某些項目評分上很相似，那么目標用戶對新項目的評分與該用戶的評分也是相似的優點：解決基于內容的推薦方法存在的一些局限分類：基于鄰域的方法和基于模型的方法基于模型的方法包括：括貝葉斯聚類、潛在語義分析（LDA）、最大熵、玻爾茲曼機、支持向量機（SVM）和奇異值分解（SVD）智能推薦方法的評判標準：準確率，效率，穩定性，合理性，意外發現率010203040506人工智能算法的應用（一）智能推薦智能推薦的應用場景例：網易云音樂1娛樂——電影、音樂、游戲的推薦；人工智能算法的應用（一）智能推薦智能推薦的應用場景例：今日頭條2內容——個性化新聞、網頁的推薦；人工智能算法的應用（一）智能推薦智能推薦的應用場景例：京東3電子商務——消費者商品購買推薦；人工智能算法的應用（一）智能推薦智能推薦的應用場景例：旅游攻略4服務——旅游服務推薦、專家咨詢推薦等人工智能算法的應用（一）智能推薦智能推薦的應用場景例：抖音5社交——社交網絡中朋友的推薦和社會媒體網站中的內容推薦；人工智能算法的應用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應用（二）計算機視覺概念圖像分類、目標檢測、目標跟蹤、語義分割和實例分割五個方向.用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量，并進一步做圖形處理，使之成為更適合人眼觀察或傳送給儀器檢測的圖像。概念研究方向人工智能算法的應用圖像分類判斷一張圖像中是否包含某種物體，給輸入圖像分配標簽算法：卷積神經網絡案例：AlexNet、GoogLeNet應用：百度圖片（二）計算機視覺人工智能算法的應用目標檢測確定某張給定圖像中是否存在給定類別（比如人、車、自行車、狗和貓）的目標實例。算法：卷積神經網絡應用場景：智能視頻監控，無人駕駛等（二）計算機視覺人工智能算法的應用目標跟蹤在特定場景跟蹤某一個或多個特定感興趣對象。算法：生成算法和判別算法例：主成分分析算法（PCA），卷積神經網路（二）計算機視覺人工智能算法的應用語義分割算法：完全卷積網絡將屬于同一類的像素歸為一類，屬于像素級別上的分類。（二）計算機視覺人工智能算法的應用實例分割實例分割：是一個綜合問題，融合了目標檢測，語義分割和圖像分類的內容。（二）計算機視覺人工智能算法的應用(一)智能推薦(二)計算機視覺(三)自然語言處理人工智能算法的應用（三）自然語言處理概念研究人際之間用自然語言通信的方法。概念Google搜索引擎,Amazon的Alexa語音助手，機器翻譯，對話生成等。應用語音識別技術與基于文本的自然語言處理技術。研究內容人工智能算法的應用（三）自然語言處理語音識別技術01讓計算機將人類語音中的詞匯內容轉換為計算機可讀的輸入，如二進制編碼等。概念02“傳統”的識別方法和基于深度神經網絡的“端到端”方法。方法03翻譯機(科大訊飛)應用人工智能算法的應用（三）自然語言處理基于文本的自然語言處理技術A概念指對文本類型數據的處理，通過構建計算算法自動分析、表征人類自然語言。B應用文本分類，機器翻譯，垃圾郵件分類，問答系統（iPhone的siri,小米的小愛同學，各個網站的機器人客服等）人工智能算法的應用習題1.某郵件服務商希望開發垃圾郵件過濾的人工智能應用，實現自動區分垃圾郵件和非垃圾郵件的功能，下面哪種學習方法最適合此種應用需求：（）。A.二分類問題B.多分類問題C.聚類問題D.回歸問題單選題正確答案：A習題2.以下選項中，機器學習算法真正用來“學習”的數據是（）。A.驗證集B.訓練集C.測試集D.超參數集單選題正確答案：B習題3.以下機器學習算法中，屬于集成學習Bagging算法的是（）。A.決策樹B.邏輯回歸C.隨機森林D.GBM單選題正確答案：C習題4.以下神經網絡不屬于卷積神經網絡的算法是（）。A.LeNetB.AlexNetC.GoogLeNetD.LSTM單選題正確答案：D習題5.以下神經網絡屬于循環神經網絡的是（）。A.GRUB.InceptionV1C.AlexNetD.VGG單選題正確答案：A習題6.機器學習的任務類型包括（）。A.有監督學習B.無監督學習C.半監督學習D.強化學習多選題D.人工智能正確答案：ABC習題1.以下屬于計算機視覺領域的研究方向的有（）。A.人臉識別B.目標檢測C.語義分割D.智能推薦多選題正確答案：BDED.目標跟蹤習題2.在電商平臺瀏覽商品時會出現平臺自動推薦的商品，其可能采用的技術有（）。A.基于內容的推薦算法B.協同過濾算法C.語義分割技術D.目標跟蹤技術多選題正確答案：AB習題3.以下屬于自然語言領域的研究有（）。A.語音識別B.語義分割C.智能翻譯D.文本分類多選題正確答案：ACD《人工智能概論》第三章大數據讓人工智能土壤更肥沃主講教師：XXX案例導讀

每年，地震在全球范圍內導致超過1.3萬人死亡，500萬人受傷或財產受損，每年造成的經濟損失高達120億美元。

多年以來，科學家們主要依靠對震頻的監測來預測地震。盡管還有很多潛在的地震預警信號，如大氣條件的變化或大量蛇群的遷移，但基于這些信號做出的預測準確率太低，無法在現實中實施。案例1:地震預測呼喚大數據

科學家們利用大數據技術對來自衛星和氣象領域的數據進行統計分析，開啟了一種全新的地震預測方法。

該項技術可以幫助人類最早能提前30天預測到全球主要地震多發國家即將發生的震級6級以上的大地震，精準度已經達到90%。曾經提前9天預測到了2015年3月3日在印尼發生的6.4級地震。案例導讀案例導讀Viola.AI是全球第一個使用人工智能驅動的相親平臺。通過結合人工智能、區塊鏈技術和智能合約技術，Viola.AI試圖顛覆相親行業，給全球用戶提供無國界的一條龍解決方案，包括約會、求婚乃至結婚。平臺使用深度學習技術，分析每個用戶的個性、背景和行為習慣，給用戶最貼合個人的建議，并在預測感情可能出現問題時敦促他們主動解決，保證感情穩定。

借助新技術和移動約會服務，相親行業在過去的10年里發展迅速。不過仍有許多亟待解決的問題。比如網戀騙局、交友疲勞癥、用戶信息濫用等。還有在全球離婚率上升潮中的婚后感情危機了。案例2:相親活動也愛大數據引言引言一·什么是大數據一·什么是大數據它什么都知道一·什么是大數據一·什么是大數據一·什么是大數據

大數據（bigdata），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

到今天為止，很難有一個統一的定義。2·大數據的五個特點2·大數據的五個特點2·大數據的五個特點2·大數據的五個特點2·大數據的五個特點二·大數據是如何產生的（一）信息科技進步（一）信息科技進步（一）信息科技進步（一）信息科技進步（二）互聯網誕生（二）互聯網誕生

曾經有制作服裝的公司，想要調查顧客的購買意愿。需要統計顧客拿起了哪件衣服，試穿了哪件？在專賣店逗留了多長時間？這就需要安裝攝像頭，要選樣本，可能花費上億的資金。要想省錢的話其結果可能會失去參考價值。如果在網上做同樣的事情，成本近乎為“零”。大家可以想想，在淘寶網或者京東商城的主頁上，每一個網頁都相當于一家店鋪，打開這個網頁就等于進入了店鋪；點擊了衣服，相當于顧客拿起衣服仔細端詳；把衣服放到收藏夾，可以理解為試穿；在實體店中的顧客行為幾乎被完整地映射到網頁上。（三）云計算（三）云計算（三）云計算（四）物聯網發展（五）社交網絡發展（六）智能終端誕生三·大數據的應用（五）社交網絡發展1.大數據讓政府治理更精準透明1.大數據讓政府治理更精準透明1.大數據讓政府治理更精準透明1.大數據讓政府治理更精準透明2.大數據在金融領域的應用2.大數據在金融領域的應用2.大數據在金融領域的應用

國外的保險公司在給用戶進行車險報價時，需要參考汽車自身存儲的OBD信息，其記錄了駕駛員的駕駛習慣，例如是否經常緊急剎車，是否經常瞬間加速等。保險公司會依據客戶的駕駛習慣來定義車主的保險產品等級，良好駕駛習慣的車主，其車險價格就較低，反之則車險價格就較高。案例一：保險行業利用駕駛員駕駛信息來確定車險價格2.大數據在金融領域的應用

“博時淘金100”是博時基金和阿里共同成立的基金，依托螞蟻金服提供的海量電商交易數據（包括買賣家數量變化、商品價格變化、成交量變化等），對用戶需求，企業產品、行業成長進行分析，從預測相關行業和企業景氣度。分析結果結合博時基金多因子量化投資模型，指導基金經理進行股票投資。案例二：“博時淘金100”指數基金跑贏大盤3.大數據在教育領域的應用4.大數據在生活娛樂領域的應用4.大數據在生活娛樂領域的應用四·大數據的基本處理模型四、大數據的基本處理模型一般而言數據問題可以通過四個步驟進行數據使用數據分析數據存儲數據采集這四個步驟構成了大數據分析的基本構架數據采集數據存儲數據分析數據使用大數據的采集一般分別為系統日志采集、網絡數據采集和其他數據采集。目前很多公司有自己的海量數據采集工具滿足每秒數百兆字節的采集和傳輸需求。（1）采集大數據處理的模型也可以被認為數據>>信息>>知識>>智慧的金字塔模型，這是一個量級由大到小，價值由低到高的數據模型。對海量數據進行分析時，需要把原始數據導入一個大型分布式的數據庫中，并且做一些簡單的清洗和預處理工作。這一過程如同廚師在購入食材以后需要清洗整理搭配的過程一樣。（2）導入/預處理數據挖掘是對現有數據進行各種算法的計算，從而達到預測的效果。（4）挖掘與傳統的數據分析不同，這一環節的統計分析設計的數據量大，一般采用分布式數據庫或者分布式的計算集群對海量數據進行處理。（3）統計/分析智慧信息知識數據挖掘統計/分析導入/預處理采集五·大數據與人工智能的關系人工智能什么是人工智能（AI）用人工的方法在機器（計算機）上實現的智能；或者說是人們使機器具有類似于人的智能。圖靈預測2000年的時候會出現通過圖靈測試，具備人工智能的機器，然而直到2014年6月，一臺計算機（聊天軟件）成功讓人類相信它是一個13歲的男孩，成為有史以來首臺通過圖靈測試的計算機。

------資料來源于《顫抖吧，人類！》中國科技日報2015年11月，機器依據未見過的書寫系統（比如：藏文）中的一個字符實例，寫出了同樣風格的字符，說明機器已具備迅速學寫陌生文字的創造能力。

------資料來源于《Science》雜志封面新聞大數據與人工智能生活例子（預測班車的到達時間）：每天早上7點半班車從A地發往B地，預測到達B地的時間第一次乘坐你的預測通常不太準一周之后你大概能預測：班車8點左右能夠到達B地一種簡單的機器學習模型（決策樹模型）一個月之后隨著經驗的增加，你還會知道：周一常常堵車，會晚到10分鐘，下雨天常常堵車，會晚到20分鐘大數據與人工智能根據特征在水果攤買橙子，隨著見過的橙子和其他水果越來越多，辨別橙子的能力越來越強，不會再把香蕉當橙子。《人工智能概論》第四章AI芯片讓人工智能大腦更聰明主講教師：XXX目錄三人工智能芯片類型一芯片基礎知識二人工智能對芯片的需求四國內外AI芯片發展芯片基礎知識一情景導入你身邊哪些設備上存在有芯片？芯片基礎知識(一)芯片的構成及原理(二)計算機中主要芯片類型(三)存儲器芯片芯片基礎知識所謂微電子是相對"強電"、"弱電"等概念而言，指它處理的電子信號極其微小。它是現代信息技術的基礎，我們通常所接觸的電子產品，包括通訊、計算機、智能化系統、自動控制、空間技術、電臺、電視等等都是在微電子技術的基礎上發展起來的。通常所說的“芯片”是指集成電路，它是微電子技術的主要產品。芯片基礎知識（一）芯片的構成及原理芯片的工作速度與芯片內電路之間信號傳送路程的長短有關，路程越短速度越快，反之則越慢。芯片的工作時間單位是以納秒計量的。芯片中的電路越緊密地擠在一起，芯片的工作速度越快，而且由于更多的電路被設計在同樣面積的硅片上，芯片的功能更強。實際中芯片所做的工作都是由晶體管完成的。芯片的襯底材料是具有n-或p-型的輕摻雜質單晶硅層。它起兩個作用，一是作為在其上面和內部制造集成電路的物理介質，另一作用是作為電路本身的一部分，構成芯片核心的半導體電路和微型晶體管通過沉積或刻蝕直接構建在單晶硅表面上。芯片基礎知識（二）計算機中主要芯片類型微處理芯片接口芯片芯片基礎知識（二）計算機中主要芯片類型微處理芯片微處理芯片，又稱微處理器(英語：Microprocessor，縮寫：μP或uP)，是可編程特殊集成電路。該芯片所有組件小型化至一塊或數塊集成電路內，可在其一端或多端接受編碼指令，執行此指令并輸出描述其狀態的信號。這些指令能在內部輸入、集中或存放起來。如中央處理器，CPU芯片基礎知識（二）計算機中主要芯片類型接口芯片接口，特指硬件類接口，是指同一計算機不同功能層之間的通信規則。接口芯片是指內有接口電路的芯片。功能特點有：設置數據的寄存、緩沖邏輯;進行信息格式的轉換；協調CPU和外設兩者在信息的類型和電平的差異設置中斷和直接存儲區訪問控制邏輯；芯片基礎知識（三）存儲器芯片又稱存儲器（Memory），是現代信息技術中用于保存信息的記憶設備。其概念很廣，有很多層次，在數字系統中，只要能保存二進制數據的都可以是存儲器；在集成電路中，一個沒有實物形式的具有存儲功能的電路也叫存儲器，如RAM、FIFO等；在系統中，具有實物形式的存儲設備也叫存儲器，如內存條、TF卡等。人工智能與芯片二人工智能與芯片(一)人工智能開發應用不同階段(二)神經網絡在訓練階段的硬件需求(三)神經網絡在預測階段的硬件需求人工智能與芯片（一）人工智能開發應用不同階段

訓練預測決策訓練過程是指在已有數據中學習，建立識別或預測某個目標任務模型的過程；預測決策過程則是指對新的數據，使用已經訓練的模型完成特定任務，比如垃圾郵件分類、人臉識別等。人工智能與芯片（二）神經網絡在訓練階段的硬件需求12神經網絡的訓練過程對精度非常依賴，因為它直接影響預測的準確度。所以，支持訓練的硬件必須支持具有較長字長的浮點數或定點數。另外，神經網絡算法在訓練中通常同時包括正向和反向的計算過程，并進行多次迭代，計算量要求非常高。這就需要支持訓練的芯片不僅要具有強大的單芯片計算能力，還要具備很好的擴展性，可以通過多芯片系統提供更強大的計算能力。人工智能與芯片（三）神經網絡在預測階段的硬件需求12使用已訓練的神經網絡模型來進行預測決策時，運算和存儲的需求都遠遠低于訓練。但由于神經網絡模型的應用場景多種多樣，模型部署的設備可以在從云到端，如數據中心、自動駕駛汽車、智慧家庭和IoT設備等，其需求和約束呈現出多樣化的特點。對于多數應用來說，速度、能效、安全和硬件成本等是最重要的考慮因素，而模型的準確度和數據精度則可以依具體情況適當降低。人工智能芯片類型三人工智能芯片類型CPUGPUFPGAASIC類腦仿生芯片人工智能與芯片（一）CPUCPU作為運算和控制核心，在未來高性能計算中將更多與其他專用芯片搭配使用。CPU由于要兼顧運算和控制功能，內部大量晶體管用于構建控制電路（比如分支預測等）和高速緩沖存儲器（Cache），單從運算性能和效率上來說并不是計算芯片的最佳選擇。由于之前人工智能高性能計算需求尚未集中出現，普通的機器學習和深度學習需求用傳統CPU服務器也可以滿足。人工智能與芯片（一）CPU根據Intel內部報告統計，2016年服務器市場中有7%被用于人工智能產業，其中60%用于普通機器學習，40%用于深度學習，普通機器學習中97%使用傳統CPU架構，1%使用CPU+GPU架構；深度學習中91%使用傳統CPU架構，7%采用CPU+GPU架構。未來隨著人工智能對計算性能和低能耗要求越來越高，以及GPU、FPGA、ASIC專用芯片等產品不斷成熟，CPU在人工智能專用計算領域占比預計將越來越低，但其作為計算系統控制核心將更多的與其他專用計算芯片搭配使用。主流的CPU廠商有Intel、AMD公司。人工智能與芯片（二）GPU01定義GPU又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和手機平板電腦等移動設備上進行圖像運算工作的微處理器。0203功能

隨著通用計算技術發展，GPU的功能已經不再局限于圖形處理了，在浮點運算、并行計算等高性能計算方面開始有廣泛的應用。分類GPU在分類上主要分為集成顯卡和獨立顯卡。人工智能與芯片（二）GPUGPU的特點共享內存結構可提高線程間通信速度主流的GPU廠商：NVIDIA，AMD公司，景嘉微；移動端GPU廠商：ARM、Imagination計算能力遠超CPU高速全局內存可進一步提升運算速度擁有完備的人工智能計算軟件生態并行數據處理流程大幅提高運算能力人工智能與芯片（三）FPGAFPGA，可編程邏輯門陣列。FPGA采用了邏輯單元陣列LCA（LogicCellArray）這樣一個概念，內部包括可配置邏輯模塊CLB（ConfigurableLogicBlock）、輸出輸入模塊IOB（InputOutputBlock）和內部連線（Interconnect）三個部分。人工智能與芯片（三）FPGA可編程高性能低功耗GPU、CPU等常用計算芯片由于架構固定，硬件原生支持的指令也是固定的。FPGA是可編程的，可以靈活地針對算法修改電路，提前把固定算法的數據流以及執行指令寫在硬件里，節約了指令獲取和解碼時間從而大幅提高運算效率。FPGA供應商：Xilinx（賽靈思）、Altera、Microsemi、Lattice、深鑒科技等公司。人工智能與芯片（四）ASICASIC，專用集成電路，是指應特定用戶要求或特定電子系統的需要而設計、制造的集成電路功能優越性體積更小、功耗更低、可靠性提高、性能提高、保密性增強、成本低。ASIC用于專門的任務，比如去除噪聲的電路，播放視頻的電路。人工智能與芯片（四）ASIC-神經網絡處理器神經網絡處理器是ASIC專用電路在人工智能領域的應用形態。神經網絡處理器從硬件方向對神經網絡結構進行模擬，把處理器內部功能部件當作神經元，把內存作為突觸，一條指令即可完成一組神經元的處理，并對神經元和突觸數據在芯片上的傳輸提供了一系列專門的支持。人工智能與芯片（四）ASIC-神經網絡處理器神經網絡處理器被認為全面優于傳統芯片是人工智能計算終極解決方案，華為、蘋果最新產品推出標志其進入實用化階段。谷歌公司、IBM、中國的北京寒武紀科技有限公司、北京比特大陸科技有限公司、北京地平線信息技術有限公司等公司也都推出了用于深度神經網絡加速的ASIC芯片。人工智能與芯片（五）類腦仿生芯片類腦仿生芯片1類腦仿生芯片的主流理念是采用神經擬態工程設計的神經擬態芯片。2神經擬態芯片采用電子技術模擬已經被證明的生物腦的運作規則，從而構建類似于生物腦的電子芯片，即“仿生電子腦”。3類腦放生芯片目前仍然是其技術成熟度的早期階段，但是它代表了AI芯片的一個很有前景的長期方向。國內外AI芯片戰略四國內外AI芯片戰略Intel（一）蘋果（三）AMD（二）國內（四）國內外AI芯片戰略（一）Intel基于Nervana平臺的人工智能系列專用方案2016年8月開始投入3.5億美元研發服務于DNN的Nervana軟硬件一體化平臺。在該平臺上制定了一系列的人工智能計算方案，用于不同級別的數據中心應用。這其中包括普通機器學習、高性能需求機器學習、靈活可編程低功耗方案以及高級別深度學習領域。國內外AI芯片戰略（一）Intel基于Nervana平臺的人工智能系列專用方案01普通的機器學習方案CPU方案（XEON），用于服務器和數據中心的旗艦CPU至強（XEON），采用SKYLAKE架構02更高性能需求的機器學習CPU+GPU方案（XEONPHI）03可編程低功耗方案CPU+FPGA（XEON+ARRIA10）04最高級別深度學習CPU+ASIC（XEON+LAKECREST）國內外AI芯片戰略（二）AMD的人工智能解決方案2017年，AMD開始和競爭對手Intel展開合作，在Intel的CPU上集成AMD的RadeonGPU。KabyLake-GCPU部分通過PCI-Ex8通道連接獨立的GPU芯片，并且還帶有HBM2高帶寬顯存。GPU部分是個單獨的芯片，通過MCM方式與KabyLake處理器整合封裝在一起，Intel標注它是個“2-chip”樣式的產品。國內外AI芯片戰略（二）AMD的人工智能解決方案2017年8月，基于代號Vega織女星的新一代RADEONRXVEGA64GPU正式發布，在各項測試和應用中性能超過英偉達Pascal系列，在DeepBench中的跑分是英偉達TeslaP100顯卡的1.38-1.51倍，Vega憑借強勁的性能，有望和NVIDIAPascalGP10x甚至是下一代的Volta正面對決。2017年1月，AMD公布了最新的VegaGPU架構架構織女星國內外AI芯片戰略（二）AMD的人工智能解決方案AMD還推出了CPU+GPU的異構計算方案APU。

APU就是一種智能計算架構，通過無縫地分配相應的任務至適合的處理單元，使CPU、GPU和其他處理器和諧工作在單一芯片上。AMD下一代APU代號RavenRidge，官方稱CPU性能提升50%，GPU性能提升40%，功耗降低50%，綜合性能以及能效會比之前的APU會提升一個等級，在AI時代AMD異構計算APU架構將會占據市場重要位置。國內外AI芯片戰略（三）蘋果A11處理器2017年9月12日，蘋果在秋季發布會上正式推出最新移動芯片A11Bionic。A11芯片擁有六個核心和43億個晶體管，與A10Fusion芯片相比，兩個性能核心的速度提升最高可達25%，四個能效核心的速度提升最高可達70%。當需要提升處理速度時，第二代性能控制器能同時發揮全部六個核心的性能最高提升70%。國內外AI芯片戰略（三）蘋果A11處理器除了強大的CPU和GPU，A11另一大亮點是其搭載的“A11生物神經網絡引擎”（A11bionicneuralengine）芯片，該芯片采用雙核設計，每秒運算次數最高可達6000億次。該芯片主要用于機器學習任務，賦能的最重要工作是FaceID身份認證功能，可以快速識別人臉從而解鎖iPhoneX或進行購物。A11內置了蘋果自研的最新GPU，圖形處理速度較A10提升了30%，功耗降低了一半。國內外AI芯片戰略（四）中國AI芯片發展現狀海外國家對芯片技術管控嚴格美歐等發達國家出于安全和技術保護對我國高端芯片進口以及技術獲取設置了各種障礙，并多次阻止中國企業和基金收購海外芯片業務，中國人工智能國產芯片相對薄弱人工智能三大要素中唯獨在計算能力的基石——智能計算芯片領域，我國還嚴重依賴海外產品：目前國內CPU、GPU民用市場幾部被Intel、AMD和NVIDIA三家巨頭全部占據。國內外AI芯片戰略（四）中國AI芯片發展現狀寒武紀新興的人工智能ASIC專用芯片領域國內技術處于比較領先的地位。全球第一個成功流片并擁有成熟產品的智能芯片公司，主要產品是各類智能云服務器、智能終端以及智能機器人的核心處理器芯片。國內外AI芯片戰略（四）中國AI芯片發展現狀寒武紀世界首款商用深度學習處理器CAMBRICON-1A系列IP產品可授權集成到手機、安防、可穿戴設備、無人機、智能駕駛、智能機器人等終端芯片中，華為發布全球首款手機AI芯片麒麟970，搭載的NPU據稱正是寒武紀科技的CAMBRICON-1A處理器。終端作為PCIE加速卡插在云服務器上，主要面向中科曙光、浪潮信息等服務器廠商智能云服務器芯片國內外AI芯片戰略（四）中國AI芯片發展現狀華為2017201820192017年9月2日，華為在德國IFA發布全球首款麒麟970移動計算平臺，搶先一步占領AI芯片制高點。2019年5月17日，由于華為被美國商務部列入管制“實體名單”，將無法向美國企業購買元器件，華為宣布全面使用自主研發的芯片，進行科技自立。2018年8月31日，華為于德國柏林IFA2108發布新一代麒麟芯片——麒麟980，這是全球首款商用7nmSoC，代表著麒麟芯片的最高水平。國內外AI芯片戰略（四）中國AI芯片發展現狀百度2017年3月30日，百度發布DuerOS智慧芯片。這款芯片搭載了DuerOS對話式人工智能操作系統，可以賦予輕量級設備可對話的能力百度智慧芯片已將DuerOS與紫光展銳RDA5981進行了集成，使其具有低功耗、低成本的特點，習題專用神經網絡處理器芯片屬于以下哪種類型的芯片（）A.CPUB.FPGAC.GPUD.ASIC單選題正確答案：D《人工智能概論》第五章人工智能讓生活更便捷主講教師：XXX目錄01智能購物03智能出行05智能語音助手02智能閱讀04智能健康管理06智能翻譯01智能購物情景導入你身邊哪些設備上存在有芯片？討論：對未來購物有哪些憧憬？智能購物智能購物指的是一切可以讓購物行為變得更便捷、更智能的人工智能技術展現形式。大型購物超市室內定位導航。嵌入式系統為顧客提供個性化商品推薦RFID技術，輕松查詢商品和結算繳費智能購物（一）現狀人工智能融入購物的背景下，消費者可以同時體驗到現場挑選的樂趣和網上購物的便捷，零售商店乃至整個供應鏈也可以實現多種商品及客戶管理需求。改變了商品的分銷結構和供應鏈智能分析消費者行為數據，智能推送無人超市消費端的智能體驗暫時沒有普及智能購物查一查，想一想：RFID技術在哪些領域得到了應用，其主要優點和缺點分別是什么？（二）智能購物的技術原理—RFID不同的智能購物展現形式背后所應用的技術各有不同，以智能購物車自動結算為例，了解一下RFID的工作原理。RFID（射頻識別）是一種無線通信技術，可以通過無線電訊號識別特定目標并讀寫相關數據，而無需識別系統與特定目標之間建立機械或者光學接觸。非接觸識別，閱讀速度極快定義優點智能購物（二）智能購物的技術原理—RFID智能購物（三）應用案例——智能購物車智能購物車以芯片為核心控制系統，由閱讀器、重量傳感器模塊、無線通信模塊和語音模塊等構成，完成定位導航、商品查詢、即時支付、個性化推薦等功能，嵌入式系統的液晶觸摸屏則提供人機交互服務討論分別從商家和消費者的角度，談一談智能購物車的優勢？智能購物（三）應用案例——魔鏡“魔鏡”是一臺“58英寸的等離子顯示器”，借助3D技術來判斷顧客的身材和離攝像機的遠近，為鏡前的顧客在鏡中“穿”上他想試穿的衣服。技術運動感應器和增強現實技術智能購物京東無人倉采用大量智能物流機器人進行協同與配合，通過人工智能、深度學習、圖像智能識別、大數據應用等技術，讓工業機器人可以進行自主的判斷和行為，完成各種復雜的任務，在商品分揀、運輸、出庫等環節實現自動化。作業無人化運營數字化決策智能化（三）應用案例——京東無人倉習題實現顧客在查詢商品和結算繳費時，無需逐個掃描，實現自動結算的技術基礎是：（）A.NFC技術B.RFID技術C.移動支付技術D.NLP技術單選題正確答案：B02智能閱讀智能閱讀（一）現狀用戶在信息時代面臨著大量的信息和數據，信息過載問題逐漸困擾著我們，在面對海量信息時常常無法從中獲得對自己真正有用信息，信息的有效性反而降低了。信息過濾系統，預測用戶行為基于用戶畫像對用戶做出的一系列反饋背景智能閱讀（二）智能閱讀的技術原理——智能推薦基于內容的推薦算法1原理是在用戶喜歡和自己關注過的項目的基礎上推薦內容類似的項目。2協同過濾算法原理是用戶喜歡那些具有相似興趣的用戶喜歡過的商品3基于知識的推薦算法比較典型的是構建領域本體，或者是建立一定的規則進行推薦4混合推薦算法則會融合以上方法，以加權或者串聯、并聯等方式融合查一查，想一想：與人工推薦相比，智能推薦有哪些優勢？智能閱讀（三）應用案例——今日頭條智能推薦今日頭條的個性化推薦引擎，能夠根據用戶的興趣、位置等多個維度進行個性化推薦，推薦內容包括新聞、音樂、電影、游戲、購物，等等。原理今日頭條的個性化推薦算法是基于投票的方法，其核心理念就是投票。個性化推薦并不是機器給用戶推薦，而是用戶之間在互相推薦智能閱讀（三）應用案例——網易音樂歌單智能推薦基于用戶基于用戶就是如果用戶間收藏的歌單相似度很高，那么在判斷用戶口味相似的基礎上，可以給對方推薦己方歌單里他沒收藏過的單曲。基于歌曲基于歌曲就是將用戶對一首歌的偏好作為向量計算單曲之間的相似度，比對相似度后，根據這個用戶歷史偏好為另一位用戶推薦單曲。協同過濾算法智能閱讀（三）應用案例——搜狗AI主播2019年現身于央視的AI主播名叫“姚小松”，是由搜狗AI成功與央視合作開發的。這位AI主播的形象和聲音以央視主持人姚雪松為原型，與真人并無二異。在我們大眾看來，他不僅能像真人一樣播報新聞，甚至毛發牙齒都清晰可見。習題幫助用戶在大量繁雜的信息中獲取真實有用信息的人工智能應用是（）。A.智能購物B.智能閱讀C.智能翻譯D.智能語音助手單選題正確答案：B03智能出行智能出行（一）現狀設備數量增加后，設備故障問題尤其突出智能交通系統規模擴大后，系統可靠性與穩定性也需要保證數據質量不高限制了智能交通業務高水平的擴展應用信息安全隱患智能出行（二）智能出行的技術原理從產業變革的角度出發，如科技谷推出的智能出行大腦，依托于豐富的民航和鐵路大數據領域知識，運用人工智能技術，實現旅客和航線知識的學習、推理、遷移和管理的大型行業應用。智能出行（二）智能出行的技術原理從交通工具的角度出發，無論是飛機的自動駕駛，還是汽車的自動駕駛，都具備一個基本的技術概念模型，包括了感知單元、決策單元、控制單元。智能出行（三）應用案例——谷歌無人駕駛汽車2014年，一輛嶄新的、長著可愛的卡通版身軀的谷歌無人駕駛汽車在著名的谷歌X實驗室問世。這輛汽車除了萌萌的造型之外，最大的與眾不同之處在于，這是一輛完全不需要人工干預的自動駕駛汽車，它沒有方向盤，沒有油門，沒有剎車踏板，乘客只要上車，說出自己要抵達的目的地，就可以享受世界上第一輛完全意義上的“無人駕駛”汽車的周到服務。智能出行（三）應用案例——ADAS高級駕駛輔助系統ADAS（AdvancedDrivingAssistantSystem）高級駕駛輔助系統是利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。智能出行（三）應用案例——ADAS高級駕駛輔助系統ADAS高級駕駛輔助系統實用功能非常多，而且根據車主不同需求選擇實用功能，以歐果G2智能HUD行車安全助手為例，ADAS系統主要包含三大實用功能：車道偏移預警前距防撞預警前車啟動提醒智能出行（三）應用案例——L5等級自動駕駛04智能健康管理智能健康管理（一）現狀2017年人工智能在智能導診、語音電子病歷、影像輔助診斷等環節所表現出的能力，可以將醫生從繁重的重復性勞動中掙脫出來，為解決醫療資源不平衡提供了新思路人工智能必須有大數據的支撐，尤其健康醫療領域，缺少高質量數據支撐是無法得出可靠結論的與其他人工智能應用相比，健康醫療人工智能還會涉及到道理倫理和法理的挑戰智能健康管理（二）智能健康管理的技術原理智能健康管理的技術原理以可穿戴傳感器為例。可穿戴傳感器通過集成到智能手環和貼片的方式可以產生與人體健康相關的生物分子數據，當大量的數據被收集之后，人工智能就可應用在數據分析上，用來揭示其與健康狀況之間存在的聯系，為個人化即時診斷和疾病預防提供了巨大潛力。人們用可穿戴式智能設備，可以隨時隨地做汗液檢測，得到如血液檢測一般豐富有用的健康數據，7×24小時監測你的健康狀況。智能健康管理（三）應用案例——汗液傳感器KenzenPatch是Kenzen推出的新一代汗液傳感器，它貼在人體皮膚上，外型小巧、可以彎曲。它結合了傳感器和人工智能預測模型，來監測人體的指標，包括心率、出汗率、體溫和活動狀況。Kenzen的傳感器會把數據實時傳輸到手機上，我們可以通過App實時看到自己的身體狀況、健康建議和健康預警；相應的醫護人員也可以看到我們的健康狀況。智能健康管理（三）應用案例——虛擬分身人工智能分析患者數據患者的虛擬分身類似于一個搜集所有患者數據并隨時進行分析跟進的人工智能系統。隨著人工智能算力的提高，可以產生的數據量也會增加，從而提高數據的價值，可以對個人和社會的健康狀況提供更好的診斷，由虛擬分身實時分析數據與醫生分析有限的數據相比，能獲得更高的價值和更準確的結果。7X24模式提供醫療照顧虛擬分身還可以基于現有數據的分析確定是否需要額外的數據以及需要什么類型的數據，如果患者的健康趨勢是負面的，那么醫生或專家可以訪問患者的虛擬分身來確定需要采取什么措施，在人工智能的幫助下，虛擬分身自己也可以執行類似的診斷任務。虛擬分身的效率在于分析數據，提供的反饋可以比醫生提供的數據更有效。通過虛擬分身，一個人可以每周7天、每天24小時都得到醫療照顧。智能健康管理（三）應用案例——精神狀況監測利用基于人工智能的三維圖像識別，可以觀察到人的身體行為，隨著圖像傳感器和其他傳感器的能力進一步增強，還可以監測人的內部生命體征，這里也包括了人的精神狀況。精神狀況監測化學不平衡優化方案數據識別人工智能05智能語音助手智能語音助手（一）現狀智能語音系統經過60多年的發展，已經達到了能夠讓人與電子設備順暢對話的水平，落實了商業化用途，已經被廣泛應用于我們的生活中。目前在智能家居、智能車載、兒童終端、服務等領域均有了迅猛發展。作為最早落地的人工智能技術，無論是產業模式、創新能