第四章

人工智能技術(shù)01物聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)概述上章內(nèi)容02最優(yōu)化部署理論03拓?fù)渫该鞯恼{(diào)度技術(shù)02人工智能技術(shù)概述本章內(nèi)容03人工智能在智能物聯(lián)網(wǎng)中的應(yīng)用04人工智能技術(shù)的發(fā)展趨勢01智能物聯(lián)網(wǎng)的核心驅(qū)動(dòng)力智能物聯(lián)網(wǎng)：AI+IoT的必然融合核心定義智能物聯(lián)網(wǎng)是物聯(lián)網(wǎng)與人工智能的深度融合，通過物聯(lián)網(wǎng)采集數(shù)據(jù)，由AI進(jìn)行分析與決策，實(shí)現(xiàn)萬物數(shù)據(jù)化與智聯(lián)化。01融合目標(biāo)打破信息孤島，實(shí)現(xiàn)設(shè)備、系統(tǒng)與場景的互聯(lián)互通，使物聯(lián)網(wǎng)設(shè)備具備智能感知、分析與決策能力。社會(huì)影響推動(dòng)社會(huì)智能化發(fā)展，廣泛應(yīng)用于智能家居、智慧城市等領(lǐng)域，提升社會(huì)運(yùn)行效率。0203人工智能技術(shù)概述4.1人工智能是計(jì)算機(jī)科學(xué)分支，研究模擬、延伸、擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，旨在使機(jī)器以近似人類智能方式做出反應(yīng)。人工智能：讓機(jī)器像人一樣思考人工智能發(fā)展歷程邏輯專家程序紐厄爾和西蒙做了一個(gè)名為“邏輯專家”的程序，這個(gè)程序被許多人認(rèn)為是第一個(gè)人工智能程序。達(dá)特茅斯會(huì)議1956年約翰·麥卡錫首次提出“人工智能”概念，會(huì)議集中領(lǐng)域創(chuàng)立者并奠定研究基礎(chǔ)，被視為AI正式誕生標(biāo)志。深藍(lán)擊敗卡斯帕羅夫1997年IBM深藍(lán)計(jì)算機(jī)挑戰(zhàn)國際象棋世界冠軍。首次公開展示機(jī)器在復(fù)雜博弈中超越人類頂尖選手，成為AI發(fā)展里程碑。AlphaGo勝李世石2016年AlphaGo以4:1擊敗圍棋世界冠軍李世石，通過自我對弈與強(qiáng)化學(xué)習(xí)達(dá)到超人類水平，引發(fā)社會(huì)對AI變革的廣泛思考。1955195619972016人工智能四大階段符號智能階段連接智能階段現(xiàn)場智能階段社會(huì)智能階段RACI符號智能階段以物理符號為研究對象，代表早期專家系統(tǒng)與形式化知識(shí)表示。以人工神經(jīng)元網(wǎng)絡(luò)的連接機(jī)制為對象，強(qiáng)調(diào)權(quán)重自學(xué)習(xí)，奠定今日神經(jīng)網(wǎng)絡(luò)基礎(chǔ)。研究智能體與環(huán)境之間的現(xiàn)場交互。通過感知-動(dòng)作與反饋機(jī)制實(shí)現(xiàn)實(shí)時(shí)互動(dòng)。關(guān)注智能體社會(huì)的組織機(jī)制及與人類的交互合作，實(shí)現(xiàn)社會(huì)性求解。定義：專家系統(tǒng)是人工智能的一個(gè)重要分支，它在特定領(lǐng)域內(nèi)利用大量專家知識(shí)與推理方法建立計(jì)算機(jī)程序，能夠模擬人類專家的思維過程進(jìn)行判斷與決策。專家系統(tǒng)：把人類經(jīng)驗(yàn)搬進(jìn)電腦應(yīng)用價(jià)值：能模擬人類專家推理過程并對輸入事實(shí)做出判斷與決策，廣泛應(yīng)用于醫(yī)療診斷、地質(zhì)勘探等行業(yè)。概念：機(jī)器學(xué)習(xí)是計(jì)算機(jī)通過數(shù)據(jù)自動(dòng)改進(jìn)性能的過程，涉及統(tǒng)計(jì)學(xué)、優(yōu)化理論、神經(jīng)網(wǎng)絡(luò)等多學(xué)科知識(shí)，是人工智能的核心技術(shù)之一?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀測數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進(jìn)行預(yù)測。機(jī)器學(xué)習(xí)：從數(shù)據(jù)中自動(dòng)提煉規(guī)律機(jī)器學(xué)習(xí)分類——學(xué)習(xí)模式

監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過某種學(xué)習(xí)策略實(shí)現(xiàn)對新數(shù)據(jù)的標(biāo)記（分類）。典型的監(jiān)督學(xué)習(xí)算法包括回歸和分類。標(biāo)簽越準(zhǔn)確模型性能越高。用于自然語言處理、信息檢索、文本挖掘、手寫體辨識(shí)、垃圾郵件偵測等領(lǐng)域。01使用未標(biāo)記數(shù)據(jù)。揭示隱藏結(jié)構(gòu)或規(guī)律。無監(jiān)督學(xué)習(xí)不需要訓(xùn)練樣本和人工標(biāo)記數(shù)據(jù)，便于壓縮數(shù)據(jù)存儲(chǔ)、減少計(jì)算量來提升算法速度，還可以避免正、負(fù)樣本偏移引起的分類錯(cuò)誤問題。無監(jiān)督學(xué)習(xí)02

強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)通過智能體與環(huán)境的交互學(xué)習(xí)行為映射，使累積獎(jiǎng)賞最大，系統(tǒng)靠自身經(jīng)歷改進(jìn)策略，在機(jī)器人控制、無人駕駛、博弈等領(lǐng)域獲得成功應(yīng)用。03機(jī)器學(xué)習(xí)分類——學(xué)習(xí)方法0102使用??深度神經(jīng)網(wǎng)絡(luò)??，讓模型自己從海量數(shù)據(jù)中??學(xué)習(xí)特征??。放棄可解釋性，??追求極致的預(yù)測性能??。??特征表示與學(xué)習(xí)過程合二為一，自動(dòng)學(xué)習(xí)特征。需要??海量數(shù)據(jù)??（大數(shù)據(jù)）和??強(qiáng)大算力??（GPU/TPU）。????典型模型舉例：????CNN（卷積神經(jīng)網(wǎng)絡(luò)）：??處理圖像、空間數(shù)據(jù)。??RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）：??處理語音、文本等時(shí)序數(shù)據(jù)。深度學(xué)習(xí)從數(shù)據(jù)中??發(fā)現(xiàn)規(guī)律??，并進(jìn)行預(yù)測。需要人工提取和選擇數(shù)據(jù)的特征。理論基礎(chǔ)牢固，源于統(tǒng)計(jì)學(xué)。適用于有限樣本的場景。??典型算法舉例：??決策樹、支持向量機(jī)（SVM）、邏輯回歸、K-近鄰算法...傳統(tǒng)機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)分類——算法目標(biāo)領(lǐng)域??數(shù)據(jù)稀缺??或標(biāo)注成本高時(shí)，將已學(xué)到的??模型參數(shù)??，應(yīng)用到一個(gè)相關(guān)的??新任務(wù)??中。目前主要在變量有限的小規(guī)模應(yīng)用中使用，如基于傳感器網(wǎng)絡(luò)的定位、文字分類和圖像分類等。??遷移學(xué)習(xí)通過一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進(jìn)行標(biāo)記，然后用查詢到的樣本訓(xùn)練分類模型來提高模型的精度。能夠通過較少的訓(xùn)練樣本獲得高性能的模型。主動(dòng)學(xué)習(xí)面對復(fù)雜的??優(yōu)化問題??，特別是目標(biāo)不連續(xù)、不可導(dǎo)、多目標(biāo)的場景。模擬生物??進(jìn)化過程??，??群體迭代??，逐步優(yōu)化出問題的最優(yōu)解。??研究主要集中在演化數(shù)據(jù)聚類、對演化數(shù)據(jù)更有效的分類等。演化學(xué)習(xí)123概念：計(jì)算機(jī)視覺研究讓計(jì)算機(jī)從圖像識(shí)別物體、場景與活動(dòng)，綜合圖像處理與深度學(xué)習(xí)技術(shù)，分支包括計(jì)算成像、圖像理解、三維視覺、動(dòng)態(tài)視覺與視頻編解碼，用于自動(dòng)駕駛、人臉識(shí)別、醫(yī)療成像等。計(jì)算機(jī)視覺計(jì)算成像學(xué)不斷促進(jìn)現(xiàn)有可見光相機(jī)的完善，使得現(xiàn)代相機(jī)更加輕便，可以適用于不同場景。同時(shí)也推動(dòng)著新型相機(jī)的產(chǎn)生，使相機(jī)超出可見光的限制。計(jì)算成像學(xué)-讓相機(jī)“看的更好”計(jì)算成像學(xué)可以提升相機(jī)的能力，從而通過后續(xù)的算法處理使得圖像更加完善，例如圖像去噪、去模糊、暗光增強(qiáng)、去霧霾等，以及實(shí)現(xiàn)新的功能，例如全景圖、軟件虛化、超分辨率等。圖像理解-讓計(jì)算機(jī)“看懂”圖像?高層理解根據(jù)高層語義信息，可大致分為識(shí)別、檢測、分割、姿態(tài)估計(jì)、圖像文字說明等。目前高層理解算法已逐漸廣泛應(yīng)用，如刷臉支付、智能安防、圖像搜索等。包括物體邊界、區(qū)域與平面等包括圖像邊緣、圖像特征點(diǎn)、紋理元素等中層理解淺層理解三維視覺研究如何從圖像中恢復(fù)三維信息（三維重建）??，并??理解和利用這些三維信息??。三維重建可以分為單目圖像重建、多目圖像重建和深度圖像重建等。三維信息理解可分為3層：淺層：角點(diǎn)、邊緣、法向量等；中層：平面、立方體等；高層：物體檢測、識(shí)別、分割等。三維視覺技術(shù)可以廣泛應(yīng)用于機(jī)器人、無人駕駛、智能工廠、虛擬/增強(qiáng)現(xiàn)實(shí)等方面。三維視覺-從二維平面到三維世界?動(dòng)態(tài)視覺分析??連續(xù)的視頻序列??，追蹤物體在時(shí)間維度上的運(yùn)動(dòng)與變化，并提取其語義信息。尋找不同幀之間??像素、區(qū)域、物體的對應(yīng)關(guān)系??（即追蹤），并分析其行為。不同于圖像理解關(guān)注單張圖片，動(dòng)態(tài)視覺關(guān)注??時(shí)序關(guān)系??。應(yīng)用：??視頻內(nèi)容分析??（如行為識(shí)別、異常檢測）、??人機(jī)交互??（如手勢識(shí)別）。動(dòng)態(tài)視覺-理解“隨時(shí)間變化”的畫面??視頻編解碼通過??壓縮技術(shù)??大幅減小視頻文件體積，是實(shí)現(xiàn)視頻高效存儲(chǔ)和流暢傳輸?shù)年P(guān)鍵。??無損壓縮：??壓縮后能??完全還原??原始數(shù)據(jù)，無質(zhì)量損失。適用于??文檔壓縮??。??有損壓縮：??壓縮后會(huì)??永久丟失??部分信息，但力求人眼不察覺。??犧牲部分質(zhì)量換取極大壓縮率??，廣泛應(yīng)用于??網(wǎng)絡(luò)視頻、視頻會(huì)議、數(shù)字電視??。??常見標(biāo)準(zhǔn)：??H.264,H.265,MPEG系列。視頻編解碼-高效存儲(chǔ)和傳輸視頻??自然語言處理旨在實(shí)現(xiàn)人與計(jì)算機(jī)用自然語言進(jìn)行有效通信，是計(jì)算機(jī)科學(xué)與人工智能的交叉領(lǐng)域。涉及的領(lǐng)域主要包括機(jī)器翻譯、語義理解和問答系統(tǒng)等。自然語言處理??面臨詞法、句法、語義多層面不確定性與新詞涌現(xiàn)等挑戰(zhàn)，需要不斷優(yōu)化算法與模型。自然語言處理???機(jī)器翻譯是利用計(jì)算機(jī)將一種自然語言轉(zhuǎn)換為另一種語言的技術(shù)，其主流方法已從??統(tǒng)計(jì)機(jī)器翻譯??演進(jìn)到更流暢自然的??神經(jīng)網(wǎng)絡(luò)端到端翻譯??。機(jī)器翻譯語義理解旨在讓計(jì)算機(jī)??深度理解文本和篇章的涵義??，并精準(zhǔn)回答相關(guān)問題，其核心是??對上下文的理解??和??答案精準(zhǔn)度的把控?。是??智能客服、自動(dòng)問答??的核心，但對需要推理和泛化的復(fù)雜答案仍面臨挑戰(zhàn)。語義理解問答系統(tǒng)讓計(jì)算機(jī)能用自然語言與人交流，可分為??開放領(lǐng)域??（閑聊）和??特定領(lǐng)域??（客服、助手）兩大類，但系統(tǒng)的??穩(wěn)健性??（應(yīng)對復(fù)雜、非常規(guī)問題的能力）仍需提升。問答系統(tǒng)自然語言處理在邁向真正“智能”的過程中，仍需克服??不確定性、不可預(yù)測性、數(shù)據(jù)不充分??和??語義計(jì)算復(fù)雜??四大核心挑戰(zhàn)。自然語言處理四大挑戰(zhàn)??不確定性不可預(yù)測性數(shù)據(jù)不充分語義計(jì)算復(fù)雜語言在詞法、句法、語義、語音等各個(gè)層面都存在歧義。新詞匯、新用法、新語義不斷涌現(xiàn)，難以預(yù)測?，F(xiàn)有數(shù)據(jù)難以覆蓋所有復(fù)雜語言現(xiàn)象。語言的模糊性和強(qiáng)關(guān)聯(lián)性，需要極其復(fù)雜的非線性模型來描述和計(jì)算。模式識(shí)別是研究如何讓計(jì)算機(jī)對事物（如圖像、聲音、文本）進(jìn)行??描述、辨認(rèn)和分類??的科學(xué)，是人工智能實(shí)現(xiàn)“感知”的基礎(chǔ)。兩大重要方面分別為??視覺識(shí)別——??處理光學(xué)信息（如文字識(shí)別、人臉識(shí)別）和??聽覺識(shí)別——??處理聲學(xué)信息（如語音識(shí)別）。????典型應(yīng)用：??字符識(shí)別（OCR）、語音識(shí)別、醫(yī)療圖像診斷等。模式識(shí)別??知識(shí)圖譜是一種用??“實(shí)體-關(guān)系-實(shí)體”三元組??組成的結(jié)構(gòu)化語義網(wǎng)絡(luò)，它從“關(guān)系”的視角連接萬物，讓機(jī)器能夠進(jìn)行關(guān)聯(lián)和推理。是一種圖結(jié)構(gòu)，??節(jié)點(diǎn)??代表實(shí)體（人、地、物），??邊??代表實(shí)體間的關(guān)系。提供從“關(guān)系”角度分析問題??的能力，而不僅僅是從孤立的數(shù)據(jù)點(diǎn)出發(fā)。??搜索引擎：??提供更精準(zhǔn)、關(guān)聯(lián)的搜索結(jié)果。??反欺詐：??通過關(guān)系網(wǎng)絡(luò)發(fā)現(xiàn)異常團(tuán)伙。??推薦系統(tǒng)：??基于復(fù)雜的用戶-物品關(guān)系進(jìn)行精準(zhǔn)營銷。知識(shí)圖譜??人機(jī)交互已從傳統(tǒng)的鍵盤、鼠標(biāo)，發(fā)展到與AI深度融合的??語音、情感、體感、腦機(jī)??等更自然的交互方式。人機(jī)交互從??間接??的物理設(shè)備交互，走向??直接、自然、智能??的交互。人機(jī)交互??人機(jī)交互語音交互語音交互通過??語音識(shí)別、語義理解、語音合成??技術(shù)，實(shí)現(xiàn)人與計(jì)算機(jī)之間最高效、最自然的雙向?qū)υ?。腦機(jī)交互腦機(jī)交互繞開外圍神經(jīng)與肌肉，直接在大腦與外部設(shè)備間建立??信息通路??，實(shí)現(xiàn)“意念”控制。體感交互通過??肢體動(dòng)作、手勢、表情??直接控制設(shè)備，實(shí)現(xiàn)“無物”束縛的自由交互。在游戲、醫(yī)療康復(fù)、虛擬現(xiàn)實(shí)等領(lǐng)域應(yīng)用廣泛。情感交互賦予計(jì)算機(jī)??觀察、理解、表達(dá)??人類情感的能力，追求有溫度的、共情的交互體驗(yàn)。03010402侵入式非侵入式兩大階段：????注冊階段：??采集生物特征->提取關(guān)鍵特征->存儲(chǔ)模板。??識(shí)別階段：??再次采集特征->提取特征->與存儲(chǔ)模板??比對??。??兩大任務(wù)：????辨認(rèn)（1：N）：??“你是誰？”（從人群中查找）??確認(rèn)（1：1）：??“你是你嗎？”（身份驗(yàn)證）生物特征識(shí)別??指紋識(shí)別指靜脈識(shí)別人臉識(shí)別聲紋識(shí)別虹膜識(shí)別步態(tài)識(shí)別利用計(jì)算機(jī)生成與真實(shí)環(huán)境在視覺、聽覺、觸覺高度近似的數(shù)字化環(huán)境?？墒褂脩敉ㄟ^必要裝備獲得近似真實(shí)體驗(yàn)。目前面臨包括智能獲取、普適設(shè)備等一系列科學(xué)技術(shù)問題。VR/AR從技術(shù)特征角度，按照不同處理階段，可以分為獲取與建模技術(shù)、分析與利用技術(shù)、交換與分發(fā)技術(shù)、展示與交互技術(shù)以及技術(shù)標(biāo)準(zhǔn)與評價(jià)體系5個(gè)方面。虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)??人工智能在智能物聯(lián)網(wǎng)中的應(yīng)用4.2物聯(lián)網(wǎng)是海量數(shù)據(jù)的主要來源，是AI的“金礦”、數(shù)據(jù)驅(qū)動(dòng)。AIoT是AI、IoT、云計(jì)算、大數(shù)據(jù)等技術(shù)融合發(fā)展的必然結(jié)果。??AI+IoT模式：物聯(lián)網(wǎng)采集數(shù)據(jù)

→

大數(shù)據(jù)平臺(tái)處理

→AI算法分析挖掘

→

反饋實(shí)現(xiàn)智能化??三種智能化分析??：??實(shí)時(shí)分析??（如無人駕駛）??最優(yōu)分析??（如智能農(nóng)業(yè)）??預(yù)測分析??（如智慧氣象）人工智能和智能物聯(lián)網(wǎng)中的聯(lián)系安全挑戰(zhàn)??：IoT設(shè)備指數(shù)增長，網(wǎng)絡(luò)攻擊面擴(kuò)大。人工智能對智能物聯(lián)網(wǎng)的網(wǎng)絡(luò)安全作用AI賦能安全??：使用機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等AI技術(shù)識(shí)別威脅和潛在攻擊。??研究成果例舉??：基于深度學(xué)習(xí)的DDoS攻擊檢測（準(zhǔn)確率97.16%）。利用人工神經(jīng)網(wǎng)絡(luò)在網(wǎng)管檢測數(shù)據(jù)異常。工業(yè)物聯(lián)網(wǎng)中的攻擊檢測、估計(jì)與補(bǔ)償。機(jī)器學(xué)習(xí)通過數(shù)據(jù)“學(xué)習(xí)”模式，進(jìn)行預(yù)測和判斷。??典型應(yīng)用：??案例??：Augury公司通過傳感器實(shí)時(shí)監(jiān)測機(jī)器異常，避免故障。??價(jià)值??：為企業(yè)節(jié)省成本（制造業(yè)、餐飲、樓宇電梯等）。??個(gè)性化體驗(yàn)??：根據(jù)用戶數(shù)據(jù)（如光照偏好）塑造個(gè)性化環(huán)境。??未來展望??：??個(gè)人健康??：通過可穿戴設(shè)備預(yù)測健康風(fēng)險(xiǎn)。??公共安全??：分析城市數(shù)據(jù)（噪聲、視頻）預(yù)測事故和犯罪行為。智能物聯(lián)網(wǎng)與機(jī)器學(xué)習(xí)技術(shù)融合?智能物聯(lián)網(wǎng)中的人機(jī)交互技術(shù)?交互方式多樣化??：當(dāng)前主流技術(shù)包括語音交互、手勢識(shí)別、圖像識(shí)別、體感交互。但各項(xiàng)技術(shù)仍有局限性（如語音識(shí)別的噪聲干擾）。??未來趨勢??：??語音交互??將成為智能物聯(lián)網(wǎng)時(shí)代的主要交互技術(shù)。??應(yīng)用領(lǐng)域??：在智能家居、車載系統(tǒng)、醫(yī)療、教育等領(lǐng)域有廣泛應(yīng)用前景。人工智能技術(shù)的發(fā)展趨勢4.3目標(biāo)是具