2-1什么是人工智能
人工智能相关的电影
电影：《钢铁侠》，《终结者》
人工智能之父麦卡锡给出的定义：
构建智能机器，特别是智能计算机程序的科学和工程
人工智能是一种让计算机程序能够“智能的”思考的方式
思考的模式类似于人类
什么是智能？
智能的英语是：intelligence
推理，知识，规划，学习，交流，感知，移动和操作物体等等
智能不等于智力，（智商，比较类似于计算机的计算能力）
如何算是有智能？
可以根据环境变化而做出相应变化的能力
具有存活这个最基本的动因
自主能力，自我意识，等等
图灵测试
图灵于1950年提出的一个关于判断机器是否足够智能的著名实验
2-2
人工智能的需求：提高品质 ，增加效率，解决难题
2-3
人工智能所需要的数学知识
数学知识很必要
基本知识：微积分，线性代数，统计学
2-4
1，人工神经网络被提出（AI缘起）
2，达特茅斯会议（定义AI）
3，感知器（perceptron），最简单的人工神经网络。生物神经网络机制的简单抽象
4，霍普菲尔德神经网络，一种递归神经网络（RNN），具有反馈机制
5，反向传播算法（BP算法）
6，深度学习
7，进入智能感知时代
人工智能三个时代：运算智能，感知智能，认知智能
2-5
AI ,ML,DL三者之间的关系
机器学习是实现人工智能的一种方法，深度学习是机器学习的一个分支
2-6什么是机器学习？
什么是学习？
过程：一个系统，能够通过执行某个过程，改善了性能
说的更深入一些，学习的目的是：“减熵”
热力学第二定律：一个孤立系统倾向于增加熵（混乱程度）
生命的活动就是在减熵
机器学习的必要性：
很多软件无法靠人工编程：自动驾驶，计算机视觉，自然语言处理
人类常会犯错（困了，累了）机器不容易犯错
机器的计算能力越来越强，提高生活质量，加快科技发展
晦涩的机器学习的定义：
对某类任务T（Task）和性能度量P（Performance）
通过经验E（Experience）改进后
在任务T上由性能度量P衡量的性能有所提升
简单的机器学习的定义：
机器学习：用数据来解答问题
数据对应训练
解答问题对应推测
机器学习大致等同于找一个好的函数模型
机器学习的分类：
监督学习，无监督学习（聚类），半监督学习（少部分标签），强化学习
什么是强化学习？
基于环境而动，以取得最大化预期利益
机器学习六步走：
收集数据，准备数据，选择和建立模型，训练模型，测试模型，调节参数
机器学习的“关键三步”
找一系列函数来实现预期的功能：建模问题
找一组合理的评价标准，来评估函数的好坏：评价问题
快速找出性能最佳的函数：优化问题（比如梯度下降就是这个目的）
什么是过拟合？
过拟合：overfitting
拟合的三种结果： 欠拟合，拟合完美，过拟合
解决过拟合的方法：降低数据量，正则化，dropout
什么是深度学习？
基于深度神经网络的学习称之为深度学习（深就深在隐藏层）
4.jpg
深度学习有高回报的必要条件：
大数据：海量数据的产生
超强的计算能力：云计算，GPU
复杂模型：一般来说隐藏层越多，效果越好
5.jpg
磨合的过程就是不断调整各个参数：
1，在神经网络正向传播参数信号，经过隐藏层处理，输出结果
2，计算和预期的差距（误差），反向传播误差，调整网络参数权重
3，不断地进行：正向传播——》计算误差——》反向传播——》调整权重
网友评论