4.1認(rèn)

識(shí)

人

工

智

能信息技術(shù)第4章

走

進(jìn)

智

能

時(shí)

代4.1認(rèn)識(shí)人工智能了解人工智能的產(chǎn)生與發(fā)展，體會(huì)人工智能對(duì)社會(huì)發(fā)展的影響。通過(guò)典型實(shí)例理解人工智能技術(shù)，感受人工智能的魅力。學(xué)習(xí)目標(biāo)4.1.1人工智能的產(chǎn)生與發(fā)展人機(jī)博弈“三盤(pán)棋”國(guó)際跳棋國(guó)際象棋圍棋4.1.1人工智能的產(chǎn)生與發(fā)展人機(jī)對(duì)弈：國(guó)際跳棋1956年，計(jì)算機(jī)技術(shù)的先驅(qū)薩繆爾，在計(jì)算機(jī)上編寫(xiě)出了世界上第一款國(guó)際跳棋程序。1962年，這個(gè)程序擊敗了人類(lèi)的一個(gè)跳棋冠軍。這是“機(jī)器學(xué)習(xí)”算法的提出與首次應(yīng)用。人機(jī)對(duì)弈：國(guó)際象棋1997年，超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫?！吧钏{(lán)”是美國(guó)IBM公司生產(chǎn)的一臺(tái)超級(jí)計(jì)算機(jī)，有32個(gè)大腦（微處理器），每秒可以計(jì)算2億步?！吧钏{(lán)”中存儲(chǔ)了一百多年來(lái)優(yōu)秀棋手的兩百多萬(wàn)局對(duì)局。今天看來(lái)，“深藍(lán)”還算不上足夠智能，它當(dāng)時(shí)主要依靠強(qiáng)大的計(jì)算能力，窮舉所有路數(shù)，來(lái)選擇最佳策略。“深藍(lán)”靠計(jì)算可以預(yù)判12步，而卡斯帕羅夫可以預(yù)判10步，雙方能力不相上下。4.1.1人工智能的產(chǎn)生與發(fā)展人機(jī)對(duì)弈：圍棋

2016年，阿爾法圍棋（AlphaGo）在與圍棋世界冠軍李世石的對(duì)弈中，以4:1的總比分獲勝。2017年，它又進(jìn)化為阿爾法元（AlphaGoZero），通過(guò)“自學(xué)成才”，僅用3天就成了圍棋界的頂尖高手。

“深度學(xué)習(xí)”算法取得巨大的成功。4.1.1人工智能的產(chǎn)生與發(fā)展4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的產(chǎn)生

“三盤(pán)對(duì)弈”掀起了人工智能發(fā)展的三次高潮。國(guó)際跳棋機(jī)器學(xué)習(xí)國(guó)際象棋將知識(shí)庫(kù)搜索與機(jī)器學(xué)習(xí)結(jié)合圍棋深度學(xué)習(xí)4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的產(chǎn)生

圖靈，是發(fā)明計(jì)算機(jī)的先驅(qū)者，被稱為計(jì)算機(jī)之父、人工智能之父。為了紀(jì)念他，計(jì)算機(jī)界的最高獎(jiǎng)項(xiàng)被命名為“圖靈獎(jiǎng)”。1950年，圖靈發(fā)表一篇論文《計(jì)算機(jī)器與智能》，提出測(cè)試機(jī)器智能的方法，就是著名的“圖靈測(cè)試”。4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的產(chǎn)生

人工智能（ArtificialIntelligence），簡(jiǎn)稱AI，這一術(shù)語(yǔ)是在1956年在美國(guó)的達(dá)特茅斯學(xué)院舉行的一次學(xué)術(shù)會(huì)議上被提出的。它現(xiàn)在包括一系列技術(shù)，例如：機(jī)器學(xué)習(xí)：實(shí)現(xiàn)人工智能的方法；深度學(xué)習(xí)：實(shí)現(xiàn)機(jī)器學(xué)習(xí)的利器；大數(shù)據(jù)：人工智能的基石。4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的產(chǎn)生

利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)?！袊?guó)電子技術(shù)標(biāo)準(zhǔn)化研究院《人工智能標(biāo)準(zhǔn)化白皮書(shū)（2018版）》4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的發(fā)展歷程1956年達(dá)特茅斯會(huì)議1959年薩繆爾提出“機(jī)器學(xué)習(xí)”1972年出版《計(jì)算機(jī)不能做什么？》1976年機(jī)器翻譯項(xiàng)目失敗，政府減少經(jīng)費(fèi)資助80年代初專家系統(tǒng)復(fù)興1982年第五代計(jì)算機(jī)系統(tǒng)計(jì)劃、Cyc項(xiàng)目1995年前后，陷入“AI冬天”2006年杰弗里·希爾頓提出“深度學(xué)習(xí)”2010年大數(shù)據(jù)時(shí)代到來(lái)195019601970198019902010202020002016年AlphaGo戰(zhàn)勝李世石1997年“深藍(lán)”戰(zhàn)勝國(guó)際象棋大師卡斯帕羅夫第二次繁榮（1980-1987）：專家系統(tǒng)的興衰第一次繁榮（1956-1974）：偉大的首航第三次增長(zhǎng)爆發(fā)（2011年至今）：厚積薄發(fā)，再造輝煌4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的發(fā)展歷程

我國(guó)人工智能的發(fā)展

吳文俊院士提出了定理證明的“吳氏方法”，對(duì)人工智能的理論研究作出了巨大貢獻(xiàn)。閱讀教材135頁(yè)——閱讀拓展：吳文俊與“吳式方法”。4.1.1人工智能的產(chǎn)生與發(fā)展人工智能的發(fā)展歷程

我國(guó)人工智能的發(fā)展中文信息處理智能控制生物特征識(shí)別工業(yè)機(jī)器人服務(wù)機(jī)器人無(wú)人駕駛4.1.2感受人工智能的魅力猜猜你的內(nèi)心：AI是否能讀懂你的內(nèi)心？4.1.2感受人工智能的魅力人機(jī)交互輸入設(shè)備：鍵盤(pán)、鼠標(biāo)、話筒、操縱桿、數(shù)據(jù)手套、眼動(dòng)跟蹤器、位置跟蹤器等傳遞方式：手、腳、聲音、動(dòng)作姿勢(shì)、眼睛、腦電波等輸出設(shè)備：打印機(jī)、繪圖儀、顯示器、音箱等主要研究人與計(jì)算機(jī)之間的信息交換，包括人到計(jì)算機(jī)和計(jì)算機(jī)到人的信息交換兩部分。4.1.2感受人工智能的魅力人機(jī)交互鍵盤(pán)交互語(yǔ)音交互情感交互體感交互腦機(jī)交互4.1.2感受人工智能的魅力人機(jī)交互語(yǔ)音交互語(yǔ)音交互的原理語(yǔ)音采集②語(yǔ)音識(shí)別③語(yǔ)義理解④語(yǔ)音合成4.1.2感受人工智能的魅力②

圖像識(shí)別與生物特征識(shí)別圖像識(shí)別：是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和了解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。圖像識(shí)別技術(shù)：是以圖像的主要特征為基礎(chǔ)的。每個(gè)圖像都有其特征，在圖像輪廓曲度最大或輪廓方向突然改變的地方的信息量最大。哈士奇阿拉斯加4.1.2感受人工智能的魅力②

圖像識(shí)別與生物特征識(shí)別如何識(shí)別狗的品種？采集特征特征庫(kù)對(duì)比識(shí)別狗品種輸入判斷阿拉斯加哈士奇4.1.2感受人工智能的魅力②

圖像識(shí)別與生物特征識(shí)別生物特征識(shí)別技術(shù)是在圖像識(shí)別的基礎(chǔ)上發(fā)展起來(lái)的，是利用生物特征（指紋、虹膜和人臉）進(jìn)行識(shí)別。生物特征識(shí)別技術(shù)：通過(guò)對(duì)個(gè)體生物特征或行為特征對(duì)個(gè)體身份進(jìn)行識(shí)別認(rèn)證的技術(shù)，主要對(duì)生物特征進(jìn)行取樣，從中取得其唯一的特征，并轉(zhuǎn)換成相應(yīng)的代碼，并進(jìn)一步將這些代碼的組合成具有代表性的特征模板。4.1.2感受人工智能的魅力③

自然語(yǔ)言處理自然語(yǔ)言處理（NLP）：主要研究實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信、交流的各種理論和方法。利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)文本篇章的理解，并回答相關(guān)問(wèn)題。語(yǔ)義理解利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)一種自然語(yǔ)言到另外一種自然語(yǔ)言的翻譯。機(jī)器翻譯讓計(jì)算機(jī)像人類(lèi)一樣用自然語(yǔ)言與人交流問(wèn)答系統(tǒng)4.1.2感受人工智能的魅力④

機(jī)器學(xué)習(xí)什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)：研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。從觀測(cè)數(shù)據(jù)出發(fā)尋找規(guī)律，利用規(guī)律對(duì)未來(lái)數(shù)據(jù)或無(wú)法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。歷史數(shù)據(jù)新的數(shù)據(jù)模型未知屬性輸入訓(xùn)練預(yù)測(cè)4.1.2感受人工智能的魅力④

機(jī)器學(xué)習(xí)深度學(xué)習(xí)：其實(shí)就是“深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)”，是機(jī)器學(xué)習(xí)的一個(gè)重要領(lǐng)域。實(shí)質(zhì)：通過(guò)構(gòu)建具有較多隱層的網(wǎng)狀學(xué)習(xí)模型和海量數(shù)據(jù)來(lái)學(xué)