资源描述
,Artificial I,ntelligence Quest,第一讲 序言,探秘人工智能,2019,Artificial Intelligence Quest探,课程介绍,课程性质：,公选课、,32,课时、记,2,学分,课程目标：,让学生了解人工智能的基本背景和发展情况，理解特征提取的数学化方法，掌握分类任务、神经网络、聚类和机器学习的基本原理，知悉应用场景概要，启发学生对人工智能的兴趣，具备一定的创新思维,课程要求：,纪律、考查,课程计划：,见右表,章节序号,章节名称,学时,备注,总学时,课堂讲授,实践实验,第一章,序言,3,3,第二章,人工智能概述,12,9,3,专题讨论,第三章,关键技术及热点应用领域,9,9,第四章,人工智能系统分析与实践,5,3,2,研发实验,第五章,课程回顾与未来展望,3,3,合 计,32,27,5,课程介绍课程性质：章节序号章节名称学时备注总学时课堂讲授实践,05,人工智能的发展争议,Controversy over the development of AI,04,人工智能,的未来,The future of A.I.,03,人工智能面临的考验,The facing problems of AI,02,人工智能的发展与应用,Development and application,of Artificial Intelligence,01,人工智能综述,What is Artificial Intelligence,？,CONTENT,目录,05人工智能的发展争议Controversy over th,人工智能综述,PART 01,人工智能综述PART 01,引言：宇宙、地球、人类、人工智能,引言：宇宙、地球、人类、人工智能,引言：人工智能的几个惊艳瞬间,引言：人工智能的几个惊艳瞬间,引言：生活中的人工智能（手机,APP+AI,）,引言：生活中的人工智能（手机APP+AI）,引言：人工智能将取代人的工作,人工,/,脑力劳动：翻译、记者,.,人工,/,体力劳动：保安、保姆,.,引言：人工智能将取代人的工作人工/脑力劳动：翻译、记者.,人工智能的意义 将引领人类第四次工业革命,智能化,时间,18,世纪末,工业,1.0,创造了机器工厂的,“蒸汽时代”,20,世纪初,电力广泛应用,蒸汽机,信息物联系统,1970,年代初,今天,工业,2.0,将人类带入分工明确、大批量生产的流水线模式和“电气时代”,工业,3.0,应用电子信息技术，进一步提高生产自动化水平,自动化、信息化,工业,4.0,开始应用信息物理融合系统（,CPS,）,复,杂,度,悄悄,来临,互联网时代,正在,终结,人工智能,机器人,交通工具（即无人机、无人驾驶等,）,VR,（虚拟现实,）,人工智能的意义 将引领人类第四次工业革命 智能化时间1,人工智能,的定义,人工智能（,Artificial Intelligence,），英文缩写为,AI,。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。,人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等,。,人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。,人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，,但是能,像人那样思考、也可能超过人的智能。,人工智能的定义人工智能（Artificial Intell,“,要使计算机能够思考,.,意思就是：有头脑的机器”,（,John Haugeland, 1985,),像人一样思考的系统,Man-Thing,“,通过利用计算模型来进行心智 能力的研究”,(Chamiak,和,McDermott, 1985,),理性地思考的系统,R,ationality,“,一种技艺，创造机器来执行人 需要智能才能完成的功能”,(Kurzweil, 1990),),像人一样行动的系统,Action,“,计算智能是对设计智能化智能 体的研究”,(Alan Mackworth,等,，,1998,),理性地行动的系统,Reason,计算机学家们对人工智能的,定义,“要使计算机能够思考.意思就是：有头脑的机器”,弱人工智能认为一些“思维型”特征可以添加到计算机中，使它们成为更有用的工具。,弱人工智能,Weak A.I.,强人工智能宣称计算机可以在与人类同等的水平上进行思考。,强,人工智能,Strong A.I.,人工智能按实力分类,弱人工智能认为一些“思维型”特征可以添加到计算机中，使它们成,强人工智能,VS,弱人工智能,强人工智能与弱人工智能区别,长期,存在两种不同的目标或者理念。一种是希望借鉴人类的智能行为，研制出更好的工具以减轻人类智力劳动，一般称为“弱人工智能”，类似于“高级仿生学”。另一种是希望研制出达到甚至超越人类智慧水平的人造物，具有心智和意识、能根据自己的意图开展行动，一般称为“强人工智能”，实则可谓“人造智能”。,强人工智能VS弱人工智能强人工智能与弱人工智能区别长期存在两,哲学,数学,基础学科,指导学科,人工智能,自然科学,技术科学,社会科学,人工智能（,AI,：,Artificial Intelligence,）是一门前沿学科，是在哲学和认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学、社会结构学、语言学等多种学科的基础上发展起来的一门交叉学科。,最多学科交叉的前沿领域,哲学数学基础学科指导学科人工智能自然科学技术科学社会科学人工,人工智能的三大学派,符号学派,联结学,派,行为学派,神经网络,知识表示,机器人,模拟人的心智,模拟脑的结构,模拟人的行为,聪明的,AI,有学识的,AI,深度学习,知识图谱,感知,识别,判断,思考,语言,推理,贝叶斯学派,进化学派,类推学派,人工智能的三大学派符号学派联结学派行为学派神经网络知识表示,Machine learning,机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。,Natural language,processing,自然语言处理（,NLP,）是计算机科学，信息工程和人工智能的子领域，涉及计算机与人类（自然）语言之间的交互，特别是如何对计算机进行编程以处理和分析大量自然语言数据。,Computer,vision,计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像,Pattern,recognition,模式识别（就是,通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展，人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。,Expert,system,专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题,人工智能的主要应用领域,Machine learning机器学习是人工智能的一个分支,人工智能的发展与,应用,PART 02,人工智能的发展与应用PART 02,人工智能的发展简史,人工智能的发展简史,人工智能的发展简史,1980 - 1987,繁荣期,1000BC,1946,先驱时代,1956 - 1974,黄金年代,1974 - 1980,第一次,AI,低谷,1943 - 1956,人工智能的诞生,1987 - 1993,第二次,AI,低谷,2011 -,至今,ABC,新时代,1993 -,2010,稳健时代,人工智能的发展简史1980 - 1987繁荣期1000BC,先驱时代,希腊神话中已经出现了机械人和人造人，如赫淮斯托斯的黄金机器人和皮格马利翁。中世纪出现了使用巫术或炼金术将意识赋予无生命物质的传说。,19,世纪的幻想小说中出现了人造人和会思考的机器之类题材,雷尔,恰佩克的,罗素姆的万能机器人,。,神话，幻想和预言中的,AI,许多文明中都有创造自动人偶的杰出工匠，例如偃师（中国西周,），,希罗（希腊,），加扎利和,Wolfgang von,Kempelen,等等,。,人工智能的基本假设是人类的思考过程可以机械化。对于机械化推理（即所谓“形式推理（,formal reasoning,）”）的研究已有很长历史。,用于计算的机器古已有之；历史上许多数学家对其作出了改进。,19,世纪初，查尔斯,巴贝奇设计了一台可编程计算机（“分析机”）,自动人偶,形式推理,计算机科学,先驱时代希腊神话中已经出现了机械人和人造人，如赫淮斯托斯的黄,人工智能的,诞生：,1943-1956,达特茅斯会议,符号推理与“逻辑理论家”程序,图灵测试,游戏,AI,控制论与早期神经网络,人工智能的诞生：1943-1956达特茅斯会议符号推理与“逻,一、,1943,年：第二次世界大战引发了新思维,第二次世界大战期间，许多学科领域都出现了优秀的科学家，包括新兴的神经科学和计算机领域。,在英国，数学家艾伦,图灵,(Alan Turing),和神经学家格雷,沃尔特,(Grey Walter),是首先向智能机器发起挑战的人。沃尔特制造了有史以来的第一个机器人。图灵接着发明了图灵测试，为智能机器设置了标准：一种可以欺骗某人以为自己在和另一个人说话的电脑。,左侧漫画对话,1,、昨天我做了一次图灵测试,2,、回：好像很有趣，结果如何,?,3,、我失败了，机器认为我是个愚蠢的人类,4,、回：坚持住。,一、1943年：第二次世界大战引发了新思维第二次世界大战期间,1950,年，科幻作家艾萨克,阿西莫夫出版了,我的机器人,短篇小说集。,阿西莫夫最著名的是提出了机器人学的三大定律，旨在阻止发明创造对人类产生不良影响。他也提出了一些似乎非常有先见之明的想法,比如设计一台能够存储所有人类知识的计算机，任何人都可以问任何问题。,二、,1950,年：科幻小说引导行业发展,1950年，科幻作家艾萨克阿西莫夫出版了我的机器人短篇,“人工智能”一词是由一名年轻的计算机科学家约翰,麦卡锡,(John McCarthy),，在达特茅斯大学举办的夏季会议上创造的。,三、,1956,年：达特茅斯会议,“人工智能”一词是由一名年轻的计算机科学家约翰麦卡锡(Jo,黄金,年代：,1956 - 1974,自然语言,微世界,乐观思潮,搜索式推理,经费,60,年代后期，麻省理工大学,AI,实验室的马文,闵斯基和西摩尔,派普特建议,AI,研究者们专注于被称为“微世界”的简单场景。他们指出在成熟的学科中往往使用简化模型帮助基本原则的,理解,第一代,AI,研究者们曾作出了如下预言,:,1958,年，艾伦,纽厄尔和赫伯特,西蒙：“十年之内，数字计算机将成为国际象棋世界冠军。” “十年之内，数字计算机将发现并证明一个重要的数学定理。,”,1965,年，赫伯特,西蒙：“二十年内，机器将能完成人能做到的一切工作,。,许多,AI,程序使用相同的基本算法。为实现一个目标（例如赢得游戏或证明定理），它们一步步地前进，就像在迷宫中寻找出路一般；如果遇到了死胡同则进行回溯。这就是,“搜索式推理”,1963,年,6,月，,MIT,从新建立的,ARPA,（即后来的,DARPA,，国防高等研究计划局）获得了二百二十万美元经费，用于资助,MAC,工程，其中包括,Minsky,和,McCarthy,五年前建立的,AI,研究组。此后,ARPA,每年提供三百万美元，,AI,研究的一个重要目标是使计算机能够通过自然语言（例如英语）进行交流。早期的一个成功范例是,Daniel Bobrow,的程序,STUDENT,，它能够解决高中程度的代数应用题）,研究工作,黄金年代：1956 - 1974自然语言微世界乐观思潮搜索式,明斯基也影响了科幻小说。他在斯坦利,库布里克,(Stanley Kubrick),的电影,2001,：太空漫游,(2001,：,A Space Odyssey),中担任顾问，这部电影的主角是一台智能电脑,哈尔（,HAL9000,）。,四、,1968,年：,2001,：太空漫游,想象未来,明斯基也影响了科幻小说。他在斯坦利库布里克(Stanley,人工智能远远落后于明斯基等拥护者的崇高预言,这一点在机器人夏奇,(Shakey),身上得到印证。,夏奇是第一个通用移动机器人，能够通过对周围环境的推理，决定自己的行为。但是，即使在一个几乎没有障碍的区域，它也慢得令人痛苦。,五、,1969,年：破解的难题,人工智能远远落后于明斯基等拥护者的崇高预言这一点在机器人,对,McCarthy,的做法持批评意见的还有他在,MIT,的同行们,。,反对派,（,the scruffies,）,感知器是神经网络的一种形式，由,Frank Rosenblatt,于,1958,年提出。与多数,AI,研究者一样，他对这一发明的潜力非常乐观，预言说“感知器最终将能够学习，作出决策和翻译语言”。整个六十年代里这一方向的研究工作都很活跃。,感知器与联结主义遭到冷落,一些哲学家强烈反对,AI,研究者的主张。其中最早的一个是,John Lucas,，他认为哥德尔不完备定理已经证明形式系统（例如计算机程序）不可能判断某些陈述的真理性，但是人类可以。,来自大学的批评,此由于缺乏进展，对,AI,提供资助的,机构对,AI,研究逐渐,停了,资助。早在,1966,年自动,语言处理,顾问委员会的,报告中就有批评机器翻译进展的,意味,停止拨款,70,年代初，,AI,遭遇了瓶颈。即使是最杰出的,AI,程序也只能解决它们尝试解决的问题中最简单的一部分，也就是说所有的,AI,程序都只是“玩具”,。,问题,问题,停止拨款,反对派,冷落,批评,第一次,AI,低谷：,1974 - 1980,对McCarthy的做法持批评意见的还有他在MIT的同行们。,到了,20,世纪,70,年代初，人工智能陷入了困境。数以百万计的钱被花掉了，却没什么可炫耀的成果。美国国会对此提出了强烈的批评。,1973,年，著名数学家詹姆斯莱特希尔爵士,(Sir James Lighthill),，发表了一份关于英国人工智能现状的健康报告。他的观点是，机器永远只能下“经验丰富的业余水平的”象棋。常识推理和像人脸识别这样简单的任务，总是超出它们的能力范围。,在此观点下，该行业的资金被大幅削减，随之而来的就是众所周知的“人工智能的冬天”。,六、,1973,年：人工智能的冬天,到了20世纪70年代初，人工智能陷入了困境。数以百万计的钱被,在,80,年代，一类名为“专家系统”的,AI,程序开始为全世界的公司所采纳，而“知识处理”成为了主流,AI,研究的焦点,1981,年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人,一样推理,的,机器,重获拨款：第五代工程,专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。,专家系统获得赏识,专家系统的能力来自于它们存储的专业知识。这是,70,年代以来,AI,研究的一个新方向,知识革命,1982,年，物理学家,John Hopfield,证明一种新型的神经网络（现被称为“,Hopfield,网络”）能够用一种全新的方式学习和处理信息。,联结主义的重生,繁荣期：,1980 - 1987,在80年代，一类名为“专家系统”的AI程序开始为全世界的公司,新的商用,AI,系统远没有早期的人工智能那样雄心壮志。这些“专家系统”不是试图创造一种通用的智能，而是专注于更小范围的任务。这意味着它们只需要按照特定问题的规则进行编程即可。第一个成功的商用专家系统，被称为,RI,，用于美国数字设备公司（,Digital Equipment Corporation,），它为新的计算机系统配置订单。到,1986,年，该公司估计每年节省了,4000,万美元。,七、,1981,年：大企业的解决方案,新的商用AI系统远没有早期的人工智能那样雄心壮志。这些“专家,1982,年，日本国际贸易工业部发起了第五代计算机系统研究计划，预计投入,8.5,亿美元，目的是抢占未来信息技术的先机，创造具有划时代意义的超级人工智能计算机。第五代计算机计划极大的推进了日本工业信息化进程，加速了日本工业的快速崛起；另一方面，这开创了并行计算的先河，至今我们使用的多核处理器和神经网络芯片，都受到了,20,多年前这个计划的启发。,八、,1982,年：日本五代机计划,1982年，日本国际贸易工业部发起了第五代计算机系统研究计划,在德国的,1986,年，慕尼黑的联邦国防军大学把一辆梅赛德斯,-,奔驰面包车安装上了计算机和各种传感器，实现了自动控制方向盘、油门和刹车。这是真正意义上的第一辆自动驾驶汽车，叫做,VaMoRs,，开起来时速超过,80,公里。,九、,1986,年：无人驾驶汽车,在德国的1986年，慕尼黑的联邦国防军大学把一辆梅赛德斯-奔,第二次,AI,低谷：,1987 - 1993,随着对专家系统的狂热追捧，不久后人们转向失望。,80,年代也正是个人电脑崛起的时间，,IBM PC,和苹果电脑快速占领整个计算机市场，它们的,CPU,频率和速度稳步提升，越来越快，甚至变得比昂贵的,LISP,机器更强大。直到,1987,年，专用,LISP,机器硬件销售市场严重崩溃，,AI,遭遇了一系列财政问题。,人工智能的低谷,Nouvelle AI,与嵌入式,推理,80,年代后期，一些研究者根据机器人学的成就提出了一种全新的人工智能方案。他们相信，为了获得真正的智能，机器必须具有躯体,-,它需要感知，移动，生存，与这个世界交互。他们号召“自底向上”地创造智能，这一主张复兴了从,60,年代就沉寂下来的控制论。,躯体的重要性,：,第二次AI低谷：1987 - 1993随着对专家系统的狂热追,专家系统无法解决仿生学的问题。后来，人工智能科学家罗德尼,布鲁克斯发表了一篇新论文：,大象不会下国际象棋,。,布鲁克斯的灵感来自神经科学的发展，神经科学已经开始解释人类认知的奥秘。例如，视觉需要大脑中不同的“模块”共同工作来识别模式，而不需要通过中央控制。布鲁克斯认为，用智能行为规则预先编程，这种自上而下的方法是错误的。他推动了自下而上的人工智能方法的复兴，包括长期不受欢迎的神经网络领域。,十、,1990,年：回归自然，寻找“自下而上”的灵感,专家系统无法解决仿生学的问题。后来，人工智能科学家罗德尼布,研究者们,开发的算法开始变为较大的系统的一部分。,AI,曾经解决了大量的难题,，这些,解决方案在产业界起到了重要作用,。应用,了,AI,技术的有数据挖掘，工业机器人，,物流，语音识别，,银行业,软件，,医疗,诊断和,Google,搜索引擎等。,幕后的,AI,90,年代，被称为“智能代理”的新范式被广泛接受,。尽管,早期研究者提出了模块化的分治策略,，但是,直到,Judea Pearl,，,Alan Newell,等人将一些概念从决策理论和经济学中引入,AI,之后现代智能代理范式才逐渐,形成,智能代理,越来越多的,AI,研究者们开始开发和使用复杂的数学工具,。人们,广泛地认识到，许多,AI,需要解决的问题已经成为数学，经济学和运筹学领域的研究课题,。,“简约派”的胜利,1997,年,5,月,11,日，深蓝成为战胜国际象棋世界冠军卡斯帕罗夫的第一个计算机系统,。,2005,年，,Stanford,开发的一台机器人在一条沙漠小径上成功地自动行驶了,131,英里，赢得了,DARPA,挑战大赛头奖,里程碑和摩尔定律,稳健时代：,1993,-,2010,研究者们开发的算法开始变为较大的系统的一部分。AI曾经解决了,自上而下的人工智能的支持者，仍然拥有自己的冠军：像超级计算机深蓝，在,1997,年的标准国际象棋比赛中，战胜了人类国际象棋冠军加里,卡斯帕罗夫。,IBM,制造的这台机器，理论上比卡斯帕罗夫优秀得多,每秒可以计算,2,亿次。但它能进行战略思考吗？答案是肯定的。深蓝赢得了这场被称为“大脑的最后一战”的比赛。一些人称赞这是人工智能成熟的时刻。但在另一些人眼中，这只是,AI,在一个高度专业化、规则明确的问题上，展示了蛮力。,十一、,1997,年：人与机器：,20,世纪的战斗,自上而下的人工智能的支持者，仍然拥有自己的冠军：像超级计算机,iRobot,公司发明了这款家用机器人，这是为家庭而设计的第一款机器人,一个名为,Roomba,的自动吸尘器。,Roomba,开创了自主机器人的新时代，专注于特定的任务。,十二、,2002,年：第一个家用机器人,iRobot公司发明了这款家用机器人，这是为家庭而设计的第一,2008,年,11,月，苹果新推出的,iPhone,手机上出现了一个小功能,谷歌语音识别应用。,看起来简单，但这预示着一个重大突破，它的语音识别精确度达到了,92%,。,十三、,2008,年：开始解决大问题,2008年11月，苹果新推出的iPhone手机上出现了一个小,在,2010,年上海世博会上，,20,个机器人完美和谐地跳了一段,8,分钟的舞蹈。,十四、,2010,年：舞蹈机器人,在2010年上海世博会上，20个机器人完美和谐地跳了一段8分,ABC,新时代：,2012,-,-,随着移动互联网技术、云计算技术的爆发，积累了历史上超乎想象的数据量，这为人工智能的后续发展提供了足够的素材和动力。,AI,人工智能、,Big data,大数据、,Cloud,云计算，以及正在深入展开的,IoT,物联网技术，共同构成了新的技术主旋律。,ABC新时代：2012 - -随着移动互联网技术、云计算技术,2011,年，,IBM,的沃森,(Watson),在美国智力竞赛节目,危险边缘,(Jeopardy),中，挑战了人类大脑。沃森击败了对手,有史以来表现最好的两位人类选手。这场胜利在网上疯传，被誉为人工智能的胜利。,十五、,2011,年：人与机器：,21,世纪的战斗,2011年，IBM的沃森(Watson)在美国智力竞赛节目,2016,年和,2017,年，谷歌发起了两场轰动世界的围棋人机之战，其人工智能程序,AlphaGo,连续战胜曾经的围棋世界冠军韩国李世石，以及现任的围棋世界冠军中国的柯洁。人类顶级围棋智慧的代表纷纷败在计算机高速的计算能力和优秀的人工智能算法之下。,十六、,2016,年：人与机器,AlphaGo,2016年和2017年，谷歌发起了两场轰动世界的围棋人机之战,发展成果,发展成果,知识工程：,专家系统，智能搜索引擎等,模式识别：,2D/3D/,多维识别系统,航空：,Space,自动工程：,猎鹰系统等,发展成果发展成果知识工程：模式识别： 航空：自动工程：,发展成果,知识工程,以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统,专家系统,智能搜索引擎,计算机视觉和图像处理,机器翻译和自然语言理解,数据挖掘和知识发现,发展成果知识工程,发展成果,模式识别,主要有,2D,识别引擎、,3D,识别引擎，驻波识别引擎以及多维识别引擎。,目前，,2D,识别引擎已推出指纹识别，人像识别 ，文字识别，图像识别 ，车牌识别；驻波识别引擎已推出语音识别。,发展成果模式识别,人工智能发展的主要里程碑,人工智能发展的主要里程碑,人工智能面临的考验,PART 03,人工智能面临的考验PART 03,数据分析问题,大数据,数据分析,是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析是数学与计算机科学相结合的产物，当今的科研需要对规模巨大的数据进行分析。大数据被视为驱动新一轮技术革命的关键力量。在新形势下，如何理性认识大数据，如何实现大数据的价值，成为时下最热的话题。人工智能需要不断获取新的数据、进行持续且深度的学习，“越用越灵”可以说是人工智能发展的关键。由数据驱动的人工智能时代已经到来，大数据分析技术对人工智能应用快速发展的推动作用将越来越明显,。,随着,人工智能时代的来临，深度学习框架已成为人工智能跨越发展的核心突破口，依托深度学习框架构建人工智能生态也必将成为未来发展方向。深度学习框架能够提供进行深度学习的底层架构、接口，以及大量神经网络模型，减少重复编程的时间和精力，提高深度学习效率。深度学习框架,+,应用场景，已成为当今的主流发展模式，成为人工智能发展的基础和核心，也是人工智能向下一个阶段跨越的关键。数据量的丰富程度决定了是否有充足数据对神经网络进行训练，进而使人工智能系统经过深度学习训练后达到强人工智能水平。因此，能否有足够多的数据对人工神经网络进行深度训练，提升算法有效性是人工智能能否达到类人或超人水平的决定因素之一。,数据分析问题大数据 数据分析是指用适当的统计,语义系统问题,语义识别,语义系统是个共时的体系，但又具有在历史中存在并按一定规律不断演化、发展的结果。它可分为线性系统和非线性系统，由本义、引申义和假借义构成的系统是线性系统，该系统展示了语言的完整性和统一性；由多个意义上无转义联系的语义成分叠合成的系统是非线性系统,，其中,“歧义”就是任意性的一个例子。所以，人类语言高维的、复杂的语义系统也是当前人工智能领域所面临的关键难题。,语义识别是语义系统研究中的基本任务，它的核心除了理解文本词汇的含义，还要理解这个词语在句子、段落、篇章中所代表的意思，这意味着语义识别从技术上要做到：文本、词汇、句法、词法、段落、篇章层面的语义分析和歧义消除，以及对应的含义重组，以达到识别本身的目的。语言本身词性、词性、词义、表意、组成逻辑复杂等性质，决定了语义识别的难度。因而语义识别技术也涉及计算机科学、认知科学、语言学、逻辑学、生物学、统计学、数学等诸多广泛的学科支撑，这些学科交叉将有可能成为人工智能的创新源泉。,此外，人工智能中的语义分析是语义系统研究中的难题之一。它是自然语言处理技术的核心任务，也是理解信息资源内涵的关键；它涉及理论语言学、计算语言学、认知语言学，以及机器学习等多个学科，其任务有助于促进其他自然语言处理任务的快速发展。语义分析技术，特别是深度学习技术近年来发展迅猛，已经在围棋对弈、自动驾驶、图像识别、语音识别、智能生活等多个领域取得了突破性进展。而深度学习技术的应用有助于突破语义处理的瓶颈，但还有待于增加语境语义的层次。顺便一提的是，深度学习在一定程度上引起恐慌，有人认为,机器通过自己学习，可能会产生自己的意识，变得不受人类,控制,。,谷歌,AI,识别语音处理设备,语义系统问题语义识别语义系统是个共时的体系，但又具有在历史中,大脑结构问题,人工神经网络,人类,的大脑是人体所有器官中最复杂的一部份，并且是所有神经系统的中枢；虽然它看起来是一整块的样子，但是通过神经系统专家，可了解它的各个功能。人脑约有,1000,亿个神经元，神经元之间约有上万亿的突触连接，形成了迷宫般的网络连接。它到底是怎么处理语言信息的，很大程度还是一个黑箱，这就是脑科学面临的挑战。目前强人工智能迈出的一步是在计算机上模拟人类大脑如何运转，以便研究人员能更深入地了解智能背后的内在机理。,然而,，人类的大脑异常复杂，即使借助今天的大型超级计算机的强大功能，还是不可能模拟人脑,1000,亿个神经元与上万亿个突触之间的所有相互关系。但现在这个目标更接近了一步，人工智能的研究人员已开发出了一种算法，该算法不仅加快了现有超级计算机上的人脑模拟，还向未来的百亿亿次运算超级计算机（每秒能执行上百亿亿次运算的计算机）上实现“全脑”模拟迈出了一大步。人类大脑与当前的人工智能技术有许多相似点，这说明人工智能正在沿着正确的方向发展。不过在机器模拟人脑方面，人工智能显然还有一个相当长的路要走。,大脑结构问题人工神经网络 人类的大脑是人体所有器官,人工智能的未来,PART 04,人工智能的未来PART 04,凡尔纳,凡尔纳笔下的科学。,儒勒,凡尔纳，是,19,世纪法国著,名科幻小说家，被誉为“世界科幻,小说之父,，代表作,海底两万里,等作品中充满了瑰丽的想象及科学,缜密的思考。,凡尔纳笔下的科学幻想无异于科学,的预言。他作品中的,想象如,智,产煜、直升机,、霓虹灯、导弹,、坦克等,，在,20,世纪几乎全部成,为了现实,凡尔纳,AI,行业的七大发展趋势,1,、更聪明的机器人,2,、更快的分析,3,、更自然的互动,4,、更微妙的恐惧,5,、更智能的学习,6,、知识共享,7,、无人机时代,AI行业的七大发展趋势1、更聪明的机器人,人工智能的未来蓝图,人工智能的未来蓝图,人工智能的发展争议,PART 05,人工智能的发展争议PART 05,技术奇点,：,人工智能是否会引发技术爆炸？,我们的未来不是再经历进化，而是要经历爆炸。,-,瑞,库茨维尔,2001,年，,瑞,库茨维尔,提出摩尔定律的扩展定理，即（,Kurzweils Lawof Accelerated Return,）。该定理指出，人类出现以来所有技术发展都是以指数增长。后来发展为,奇点理论,，奇点理论认为很多技术处于指数增长中，如芯片的计算能力，,DNA,技术，数据的储存等等。,他预测技术在突破一个称之为奇点的临界点后爆发性增长，在,2045,年左右会出现自己思考的人工智能。,技术奇点：人工智能是否会引发技术爆炸？我们的未来不是再经历,电影中的,人工智能,2015,电影中的人工智能2015,发展争议,人工智能会拥有情感，奴役人类吗？,发展争议人工智能会拥有情感，奴役人类吗？,发展争议,人工智能潜在的隐患,霍金在接受,BBC,采访时表示：“人类由于,受到缓慢的生物进化的限制，无法与机器竞争,，并会被取代。全人工智能的发展可能导致人,类的终结,”,发展争议人工智能潜在的隐患 霍金在接受BBC采访,发展争议,百度研究院副院长余凯预测从,2020,年到,2029,年人工智能会是“万鼓雷殷地，千旗火生风”。可以从三个方面来预测：第一是需求趋势。交互无处不在，穿戴设备、智能家居、物联网等应用快速发展，简单重复性的工作需要被解放。第二是产业趋势。万物互联到万物智能，会在医疗、自动驾驶、农业、教育等领域引起翻天覆地的变化。第三是技术趋势。很多的智能应用会在云端上处理。,余凯说：“即使到,2029,年，人工智能的进展也不会对人类产生威胁。因为那时的机器还没有好奇心，没有情感，没有自我意识。它们是智能的机器人，但不是智慧的机器人。智能是偏工具性的，而智慧会创造。”,发展争议 百度研究院副院长余凯预测从2020年,观点,“人类制造机器就是为了让机器在某些方面强于人类，但是机器在某些方面超越人类不意味着机器有能力学习其他方面的能力，或者将不同的信息联系起来而做超越人类的事情，而这一点非常重要”。,只要你认可,AI,技术会不断发展，我们会在智力上远远落后于,AI,，以至于最终成为,AI,的宠物。,马克,.,扎克伯格,Facebook,创始人,埃隆,.,马斯克,SpaceX,太空探索技术公司,CEO,vs,观点“人类制造机器就是为了让机器在某些方面强于人类，但是机器,人类与人工智能之争,统治？被统治,?,最极端的假设则预测了一个人工智能比人类更加聪明的,遥远未来,。,人工智能的发展依然处于非常初级的阶段，现状基本就是,“,没有人工，就没有智能”,人类与人工智能之争统治？被统治?最极端的假设则预测了一,感谢您的观看,THANKS,感谢您的观看THANKS,
展开阅读全文