AI 人工智能科学

xhz

弱 AI

弱人工智能仅限于特定或狭窄的领域，就像我们今天周围的大多数人工智能一样：

• 搜索引擎
• Apple 的 Siri
• 微软的 Cortana
• 亚马逊的 Alexa
• IBM 的 Watson
  

弱 AI 也称为窄 AI。

弱人工智能模拟人类认知，而强人工智能具有人类认知。

---

---

强 AI

强人工智能是模仿人类智能的人工智能类型。

强人工智能表明有思考、计划、学习和交流的能力。

强人工智能是人工智能的理论下一个层次：真正的智能。

强大的 AI 朝着具有自我意识、意识和客观思想的机器发展。

[backcolor=rgb(253, 245, 230) !important]

✔ 无需决定一台机器是否可以"思考"。
只需要决定一台机器是否可以像人类一样聪明地行动。

艾伦·图灵

---

机器学习 (ML)

经典编程使用程序来创建结果：

传统计算

数据 + 计算机程序 = 结果

机器学习使用结果来创建程序（算法）：

机器学习

数据 + 结果 = 计算机程序

[backcolor=rgb(253, 245, 230) !important]

"机器学习是一个研究领域，它赋予计算机无需编程即可学习的能力。"

亚瑟·塞缪尔 (1959)

---

神经网络 (NN)

历史上最重要的发现之一是神经网络 (NN) 的强大功能。

在神经网络中，称为神经元的许多数据层被添加在一起或相互堆叠以计算新的数据级别。

常用的简称：

• DNN 深度神经网络
• CNN 卷积神经网络
• RNN 循环神经网络
  

---

深度学习 (DL)

深度学习是使用神经网络提取更高层次数据的算法。

每个后续层都使用前一层作为输入。

例如，光学阅读使用低层识别边缘，使用高层识别字母。

深度学习有两个阶段：

1。 训练：输入数据用于计算模型的参数。

2。 推理："受过训练" 模型从任何给定输入输出数据。

---

深度学习革命

深度学习革命来了！

深度学习革命始于 2010 年左右。从那时起，深度学习被用于解决许多 "无法解决" 问题。

---

示例卷积神经网络 (CNN)

深度 CNN，例如 ResNeta 和 Inception 将 ImageNet 分类中的错误率从 2011 年的 25% 降低到 2017 年的 5%。

ImageNet 是一个按照 WordNet 层次结构组织的图像数据库，其中层次结构的每个节点都包含成百上千张图像。 ImageNet 是研究人员、教育工作者、学生和其他所有对图片充满热情的人的有用资源。

WordNet 是 200 多种语言中单词之间语义关系的词汇数据库。 它被组织为字典和词库的组合，使用同义词、下义词和分词将单词连接成语义关系。

循环神经网络 (RNN)

RNN 正在帮助创作乐谱和新颖的乐器声音：
https://magenta.tensorflow.org/demos.

---

人工智能的历史

1950	艾伦·图灵发表《计算机与智能》
1956	John McCarthy 在一次学术会议上首次提到 AI
1957	第一个用于数值和科学计算的编程语言 (FORTRAN)
1958	第一个人工智能编程语言（Lisp）
1959	Arthur Samuel 使用了术语"机器学习"
1961	通用汽车装配线上的第一台工业机器人（Unimate）。
1965	Joseph Weizenbaum 的 ELIZA 是第一个可以就任何主题进行交流的交互式程序
1972	第一个逻辑编程语言（PROLOG）
1997	深蓝 (IBM) 击败国际象棋世界冠军
2002	第一台扫地机器人（Roomba）
2005	自动驾驶汽车 (STANLEY) 赢得 DARPA
2008	语音识别的突破（谷歌）
2011	神经网络在交通标志识别方面胜过人类（99.46% vs 99.22%）
2011	苹果 Siri
2011	Watson (IBM) 赢得 Jeopardy！
2014	亚马逊 Alexa
2014	微软小娜
2014	自动驾驶汽车 (Google) 通过州驾驶考试
2015	Google AlphaGo 在围棋中击败了各种人类冠军
2016	Hanson Robotics 的人类机器人 Sofia