人工智能概述

一【发展历史】

人工智能发展成熟度曲线

这幅有关“人工智能发展成熟度曲线”的漫画，形象地展示出人们在此前两次人工智能热潮中，从被人工智能在某些领域的惊艳表现震撼，到逐渐认识到当时的人工智能还有各种局限，以至于产生巨大心理落差的有趣过程。
人工智能基本可以分为三个阶段：符号阶段，统计学习阶段，神经网络。

1 . 符号阶段

这个阶段技术原理：人为指定逻辑 =》 机器执行逻辑并产生结果

图灵机

这个是图灵机的原型，图灵的基本思想是用机器来模拟人们用纸笔进行数学运算的过程。

在这个阶段，是人制定规则，然后由机器去执行这些规则，进行推理和预测。

但是，这个阶段是有问题，什么问题？
比如：一个医疗专家系统（用于判断病情）
问题1：世界是复杂的，混沌的，老专家的经验能转为计算机的规则和逻辑的部分也是有限的，是没有办法穷举的。

问题2：而且不同病情有相同的症状，导致无法准确的判断病情，所以这个阶段自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。

因此从 1976 年开始，人工智能的研究进入长达 6 年的萧瑟期。

2 . 统计学习阶段

这个阶段技术原理：数据 + 算法 =》机器学习逻辑 =》 根据学习的逻辑产生结果

机器学习算法

这个阶段是通过数据加算法改变自身的学习，所以又可以称为机器学习，有了简单模拟人的思维，这个阶段的思维是学习来的，规则也是学习来的，而 “ 符号阶段 “ 是人给机器制定规则，机器帮人决策，和前一个阶段有着本质的区别。

举几个例子：

• 房价预测（线性回归算法）

通过面积预测房价

这里只关心面积和房价的二维关系，其实现实中是多维关系，比如：房价和区域，房价和房间数，房价和楼层等等。

• 图片处理（聚类算法）

彩色照片转换成素描

这个例子是把彩色照片转换成素描产品，其实原理就是通过机器的学习的聚类算法（属于无监督学习）

但是统计学习阶段很难准确模仿人的直觉，比如：声音识别，人脸识别，情绪识别等。

3 . 神经网络

这个阶段技术原理：数据 + 模拟人的大脑结构 =》机器学习逻辑 =》 根据学习的逻辑产生结果

这个阶段就是把上一个阶段的 算法 换成了 模拟人的大脑结构（神经元），每个神经元代表不同的维度，把这些维度结合综合分析，然后得出结果，这就非常接近人的思维逻辑了，比如看一张照片，确认照片里的人是谁，我们能快速的认出来，但是却无法解释我们是如何分辨的，其实就是一种直觉，说不清，道不明，神经网络也是如此，就像一个黑盒子，你不知道里面是如何运作的。
正因为如此，所以结构复杂，结果非常难以预测，在有些情况下（比如数据量或算力不够大），神经网络还不如普通的机器学习算法，比如SVM（支持向量机）。

3.1神经网络模仿人的大脑结构：

模拟人的大脑结构

3.2.实现原理：

神经网络

图中的小圆圈其实是一个个的神经元，每个神经元负责某一个特征，神经元之间相互联系，然后把所有的特征组合为更高级的复杂特征。神经元越多，神经网络越复杂，就和人的神经元一样，大脑不断的学习，树突不断在增加。

神经网络也是有问题，甚至不能简单的异或逻辑运算，需要大量的数据学习，大量的数据学习需要大量的算力。

直到大数据和GPU的出现，有了充足的数据和强的算力，让训练复杂的神经网络变为现实，以往打游戏的显卡NVIDIA ，成为了专业人工智能驯兽师。

二 【关于大数据和人工智能】

某些复杂系统面前， 数据在增长，大数据的洞见确没有增长。
因为大数据预测遇到了噪声失效。
例如：
美国大选，数据上看是希拉里占优势，但是还是出现了黑天鹅事件，特朗普赢了。
所以多维度，多因素的复杂系统面前，大数据预测往往就失效了，这个时候大数据 + 人工智能也许是更好的解决方案。

三 【机器学习分类】

1.根据学习模式分类

• 监督学习

  
  监督学习

通过告诉计算机哪些是猫，哪些是狗，让计算机不断的学习猫和狗，通过这种指引的方式，计算机就掌握辨别猫和狗的能力，其实就是给图片打上猫和狗的标签，这个过程是有人参与的，所以叫监督学习。

• 非监督学习

非监督学习

通过给计算机大量猫和狗的图片，让计算机发现其中猫和狗特征的规律，然后把猫和狗分类，这里学习到是猫和狗的特征规律，计算机并不知道猫是猫，狗是狗。

• 强化学习

  
  强化学习
  

  例如一家日本公司 Fanuc，工厂机器人在拿起一个物体时，会捕捉这个过程的视频，记住它每次操作的行动，操作成功还是失败了，积累经验，下一次可以更快更准地采取行动。

四 【人工智能的应用】

1.文本分类

今日头条

2.智能交通

滴滴出行

借助海量的出行数据、 实现智能交通

3.照片物体识别

物体识别

4.可以识别人的情绪：

情绪识别

5.声音识别

image.png

智能家居，智能汽车

6.翻译

谷歌翻译

百度翻译，有道翻译，谷歌翻译

7.AI设计师

image.png

8.艺术

• 人工智能作画

  
  人工智能作画

• 人工智能作曲
  https://weibo.com/tv/v/FAnoH06yM?fid=1034:7699ef2713fe6646ed0c56d34619de21
  这是一首人工智能作曲+演奏，由人类填词演唱的歌曲。作曲软件名叫Amper，背后的技术是alpha go公司旗下的一款专门用来合成声音的生成式神经网络 - DeepMind WaveNet。整首歌的谱写和演奏能够通过Amper一键完成，不需要人类的参与

9.金融
比如：机器代替人去筛选研报，阅读研报，给出分析数据
比如：预测股价

10.农业

自动化农业

11.医疗,目前主要还是在图像识别阶段，比如看片。。。

机器看片并分析诊断结果

12.围棋：

alphago战胜人类

13.无人驾驶

无人驾驶

五【总结】

人工智能范畴

人工智能包含机器学习
机器学习包含表征学习
表征学习包含深度学习

• 不管是哪一种学习，都不是相互排斥的，在实际应用中，往往是结合各自的优点组合使用的。

• 符号阶段：人为指定逻辑 =》 机器执行逻辑并产生结果
  统计学习阶段：数据 + 算法 =》机器学习逻辑 =》 根据学习的逻辑产生结果
  神经网络：数据 + 模拟人的大脑结构 =》机器学习逻辑 =》 根据学习的逻辑产生结果

• 目前人工智能的整体水平大概和一只猫的水平差不多，虽然能完成比较复杂的逻辑运算，但还是一个傻瓜，只是在某些方面很擅长，比如下围棋。所以人工智能会颠覆很多行业，但是要达到人类一样智能水平还有很长的一段距离。