STEPINTOARTIFICIALINTELLIGENCE走進人工智能OfficePLUS學習目標人工智能+未來01人工智能發展歷程02人工智能相關應用03機器學習相關方法04課程目標01系統了解人工智能發展簡史，掌握人工智能的基本思想和理念。人工智能的發展簡史02系統了解人工智能在各行業具體應用的場景和功能，掌握人工智能基本概念和基礎知識。人工智能的應用1人工智能+未來SMART+FUTUREChapter01思考：人工智能在未來的運用有哪些？“智能”+未來02人工智能如何思考？人工智能與數學家、物理學家、科學家或者跟我們想的是一樣的嗎？03什么是計算過程？知識的表達與推理→智慧→是一種計算過程？幫你算數學？洗衣服？跟你聊天？01人工智能可以做什么？智能未來家庭城市汽車2人工智能發展歷程HISTORYOFDEVELOPMENTChapter02什么是人工智能？通俗說法人工的方法在機器（計算機）上實現計算機科學、腦科學、認知科學、心理學、語言學、邏輯學、哲學。基本定義人工智能它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。(Artificialintelligence)人工智能的第一次浪潮（1956-1974）1963年美國高等研究計劃局，投入兩百萬美元給麻省理工學院，培養了早期的計算機科學和人工智能人才。1964-1966約瑟夫·維森鮑姆教授（JosephWeizenbaum）建立了世界上第一個自然語言對話程序ELIZA，可以通過簡單的模式匹配和對話規則與人聊天。70年代中期70年代中期，人工智能還是難以滿足社會對這個領域不切實際的期待，因此進入了第一個冬天。人工智能的第二次浪潮（1980-1987）80年代，由于專家系統和人工神經網絡的新進展，人工智能浪潮再度興起。卡耐基梅隆大學為迪吉多公司開發了一套名為XCON的專家系統，這套系統當時每年可為迪吉多公司節省4000萬美元。XCON的巨大價值激發了工業界對人工智能尤其專家系統的熱情。1980年1982年

約翰·霍普菲爾德提出了一種新型的網絡形式，即霍普菲爾德神經網絡，其中引入了存儲ASSOCIATIVEMEMORY的機制。1986年《通過誤差反向傳播學習表示》論文的發表，使反向傳播算法被廣泛用于人工神經網絡的訓練。人工智能的第三次浪潮（2011-現在）21世紀大數據時代電腦芯片的計算能力高速增長新的數學模型和算法被應用學者引入不同學科的數學工具20XX年人工智能調整世冠軍谷歌通過深度學習訓練的阿爾法AlphaGo程序，戰勝圍棋世界冠軍李世石。2012年ImageNet挑戰賽多倫多大學開發的多層神經網絡AlexNet取得了冠軍，且大幅超越傳統算法的亞軍多層神經網絡為基礎的深度學習被推廣人工智能的發展歷程Ai的誕生人工智能第一次浪潮聚焦人工智能的理論研究1956年–1974年人工智能第二次浪潮智能工業化趨勢浮現1980年–1987年人工智能第三次浪潮弱人工智能的初步應用強人工智能的探索2011年-現在預計~2040年，強人工智能以及超人工智能出現2040年人工智能的三個階段ASIAGIANI在所有領域都比最聰明的人類大腦更厲害的人工智能ASI超人工智能在各方面都人類比肩的人工智能AGI強人工智能擅長于單個方面的人工智能ANI弱人工智能人工智能的核心能力根據輸入的照片，判斷照片的人是誰。人臉識別根據人說話的音頻信號，判斷說話內容。語音識別根據輸入的醫療影像，判斷疾病的成因和性質。醫療診斷根據用戶的購買記錄，預測他對什么商品感興趣，而作出相應推薦。電子商務根據一支股票過去的價格和交易信息，判斷它未來的價格走勢。金融應用3人工智能的應用RELATEDAPPLICATIONSChapter03智能醫療為解決看病難”的問題提供了新的思路。建出人體器官的三維模型新技術能通過多張醫療影像建出人體器官的三維模型，確保醫生手術更加精準。醫學影像自動分析為醫生診斷提供參考信息，有效的減少誤診和漏診。智能客服隨著互聯網和電子商務的發展，和商家的交流變得越來越多元，為了因應這種挑戰，很多企業開始引入人工智能技術打造智能客服系統。智能客服可以像人一樣和客戶交流溝通，進行準確得體且個性化的回應，提升客戶的體驗。對企業來說，這樣的系統不僅能夠提高回應客戶的效率，還能自動的對客戶的需求和問題進行統計和分析，為之后的決策提供數據。自動駕駛自動駕駛汽車通過多種傳感器，包括視頻攝像頭、激光雷達、衛星定位系統等，對駕駛環境進行實時感知。智能駕駛系統可以對多種感知信號進行綜合分析，實時規劃駕駛路線，控制車子的運行。智能工業制造工業制造系統必須變得更加“聰明”，而人工智能則是提升工業制造系統的最強動力。人工智能的視覺工具例如：品質監控是生產過程中最重要的環節，傳統生產線上都安排大量的檢測工人用肉眼進行質量檢測。這種方式不僅容易漏檢和誤判，更會給工人造成疲勞傷害。因此很多任務業產品公司開發使用人工智能的視覺工具，幫助工廠自動檢測出形態各異的缺陷。人工智能與未來01計算機技術的加速計算機技術的加速發展推動了機器人、感知以及機器學習領域的進步，讓新一代系統可以匹敵甚至超越人類的能力。02智能解放你的雙手人工智能領域的研究在兩個方向上有所突破。第一從經驗中學習；第二傳感器和執行器結合。03未來的工作沒有雇傭失業將會成為一個嚴重的問題，但是令人驚奇的是，失業的主要原因并不是缺工作機會。未來矛盾來自資產與人馬克思是對的：資本和勞動力之間的矛盾不可避免，而最終失敗的則是工人。但是他無法預見的是，合成智能也能用資本來取代人的頭腦。04人工智能的五大優勢迅速分析在極短的時間讀取、整理和分析全世界范圍內的所有公開數據、圖像乃至非結構化信息，藉此作出決定。優勢深度學習智能金融在未來的利器，在線下快速、海量地通過學習歷史和交易記錄來提升未來決策水平的能力遠遠高過人類。絕對理性沒有感情、沒有思維定式，可以克服人類的弱點和盲點。個性化人工智能可以提供定制的解決方案，在投資顧問、組合配置等方面可以由模塊式服務轉向個性化服務。乘數效應可以通過大量機器聯網，制造乘數效應，不必墜入因人員聚集而經常產生的利益錯配、辦公室政治等陷阱。你需要什么樣的能力01非公開信息人工智能的強項是對公開資訊的提取、分析以及作出相應決策。如果資訊來自尚未公開的渠道，人就有擊敗人工智能的機會。02對人性的分析機器始終是機器，能力再強也還是機器，在人與人的感情處理上暫時未見優勢。03對機器的了解無論你是什么專業，無論你將來打算從事什么行業，對于計算機語言都應該有或多或少的了解。AI+還是+AI？AI+行業：從0到1，全新的產業鏈在AI技術成熟之前，這個行業、產品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。漣漪效應：根據用戶行為持續迭代當一個Al應用找到第一批用戶時，用戶的使用行為被后臺記錄下來；開發者對其行為和記錄進行迭代的改進，當該應用投向第二批用戶，其行為已經比第一代提升。行業+AI：從1到N，行業效率提高1）行業本身一直存在，產業鏈條成熟；加入Al后，行業效率明顯提高。比如安防、醫療等領域。2）行業數據控制比AI技術更重要，例如醫療+Al，最重要的是大量準確的被醫生標注過的數據。4機器學習的方法MACHINELEARNINGChapter04人工智能如何自動做出判斷或預測專家系統基于人工定義的規則來回答特定問題（局限性）機器學習通過學習（learning）來獲得預測或判斷的能力從已知數據去學習規律或判斷規則，再將學到的規則應用到新數據并作出判斷或預測。從數據中學要求為每個樣本提供預測量的真實值方式一：監督學習不要求為每個樣本提供預測量的真實值方式二：無監督學習介于監督學習與無監督學習之間方式三：半監督學習從行動中學習強化學習在機器學習的實際應用中，會遇到另一種問題：利用學習得到的模型來指導行動。比如下棋，此時關注的不是某個判斷是否準確，而是行動過程中能否帶來最大效益，又稱為強化學習。模型結構圖強化學習模型結構可動態變化的狀態（state）可選取的動作（action）可與決策主體進行交互的環境（environment）回報（reward）規則人工智能設計建造智能體人工智能人類智能機器聽覺聽覺中樞機器視覺視覺中樞運