微課7-1人工智能基礎(chǔ)幾千年來，人們一直在試圖理解人類是如何思考和行動的，也就是不斷地了解人類的大腦是如何憑借它那小部分的物質(zhì)去感知、理解、預(yù)測并操縱一個遠比其自身更大更復(fù)雜的世界。隨著科技的飛速發(fā)展，“數(shù)據(jù)成為新生產(chǎn)要素，算力成為新基礎(chǔ)能源，AI成為新生產(chǎn)工具”。人工智能（AI）是計算機科學(xué)的一個分支，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是一門自然科學(xué)、社會科學(xué)和技術(shù)科學(xué)交叉的邊緣學(xué)科。微課7-1人工智能基礎(chǔ)AI專注于創(chuàng)建具有推理、學(xué)習(xí)、適應(yīng)和自主行動能力的“智能系統(tǒng)”，努力模仿人的思維和行為，如理解自然語言、識別模式、解決問題和做出決策。具體來說，AI的核心目標包括如下。（1）學(xué)習(xí)：從經(jīng)驗中學(xué)習(xí)并改進性能。（2）理解：理解自然語言和其他形式的信息。（3）推斷：基于現(xiàn)有信息進行合理的預(yù)測和決策。（4）適應(yīng)性：根據(jù)新情況調(diào)整行為。（5）自我修正：發(fā)現(xiàn)錯誤并進行自我修復(fù)。微課7-1人工智能基礎(chǔ)可以把AI定義為一種工具，用來幫助或者替代人類思維。它是一項計算機程序，可以獨立存在于數(shù)據(jù)中心、個人計算機，也可以通過諸如機器人之類的設(shè)備體現(xiàn)出來。它具備智能的外在特征，有能力在特定環(huán)境中有目的地獲取和應(yīng)用知識與技能。AI是對人的意識、思維的信息過程的模擬。AI不是人的智能，但能像人那樣思考，甚至也可能超過人的智能。實現(xiàn)AI有三種途徑，即強AI、弱AI和實用型AI。7.1.1

AI的實現(xiàn)途徑強AI又稱多元智能。研究人員希望AI最終能成為多元智能并且超越大部分人類的能力。強AI的觀點認為有可能制造出真正能推理和解決問題的智能機器，這樣的機器將被認為是有知覺的，有自我意識的。但是，強AI即便可以實現(xiàn)也很難被證實。弱AI認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。它只要求機器能夠擁有智能行為，具體的實施細節(jié)并不重要。如今，主流的研究活動都集中在弱AI上，并且一般認為這一研究領(lǐng)域已經(jīng)取得可觀的成就。7.1.1

AI的實現(xiàn)途徑第三種途徑稱為實用型AI。研究者們將目標放低，不再試圖創(chuàng)造出像人類一般智慧的機器。眼下我們已經(jīng)知道如何創(chuàng)造出能模擬昆蟲行為的機器人，即使是這樣的機器人，在完成某些特定任務(wù)時也是大有裨益的?！癆lphaGo之父”哈薩比斯表示：“我提醒諸位，必須正確地使用AI。正確的兩個原則是：AI必須用來造福全人類，而不能用于非法用途；AI技術(shù)不能僅為少數(shù)公司和少數(shù)人所使用，必須共享?！?.1.1

AI的實現(xiàn)途徑機器學(xué)習(xí)是AI的一個關(guān)鍵子集，是一種能夠根據(jù)輸入數(shù)據(jù)訓(xùn)練模型的系統(tǒng)。它的主要目標是讓計算機系統(tǒng)能夠通過對模型進行訓(xùn)練，使其能夠從新的或以前未見過的數(shù)據(jù)中得出有用的預(yù)測。換句話說，機器學(xué)習(xí)的核心是“使用算法解析數(shù)據(jù)，從中學(xué)習(xí)，然后對世界上的某件事情做出決定或預(yù)測”。在機器學(xué)習(xí)中，我們不是直接編程告訴計算機如何完成任務(wù)，而是提供大量數(shù)據(jù)，讓機器通過數(shù)據(jù)找出隱藏的模式或規(guī)律，然后用這些規(guī)律來預(yù)測新的、未知的數(shù)據(jù)。通常將AI看作是自主機器智能的廣泛目標，而機器學(xué)習(xí)則是實現(xiàn)這一目標的具體方法。7.1.2機器學(xué)習(xí)和深度學(xué)習(xí)深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集，也可以說是傳統(tǒng)機器學(xué)習(xí)的進步，其核心在于使用人工神經(jīng)網(wǎng)絡(luò)模仿人腦處理信息的方式，通過層次化的方法提取和表示數(shù)據(jù)的特征。神經(jīng)網(wǎng)絡(luò)由許多基本計算和儲存單元組成，這些單元被稱為神經(jīng)元。雖然單層神經(jīng)網(wǎng)絡(luò)就可以做出近似預(yù)測，但是添加更多的隱藏層可以優(yōu)化預(yù)測的精度和準確性。神經(jīng)元通過層層連接來處理數(shù)據(jù)，并且深度學(xué)習(xí)模型通常有很多層，能夠?qū)W習(xí)和表示大量復(fù)雜的模式，這使它們在諸如圖像識別、語音識別和NLP等任務(wù)中非常有效。7.1.2機器學(xué)習(xí)和深度學(xué)習(xí)機器學(xué)習(xí)有三種主要類型，即監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。其中，監(jiān)督學(xué)習(xí)就像一個有答案的教科書，模型可以從標記的數(shù)據(jù)中學(xué)習(xí)；而無監(jiān)督學(xué)習(xí)則更像一個無答案的謎題，模型需要自己在數(shù)據(jù)中找出結(jié)構(gòu)和關(guān)系。介于兩者之間的方法稱為強化學(xué)習(xí)，其模型通過經(jīng)驗學(xué)習(xí)執(zhí)行動作。7.1.3監(jiān)督和無監(jiān)督學(xué)習(xí)計算機視覺是一門研究如何讓計算機能夠像人類一樣理解和處理視覺信息（如圖像和視頻）的科學(xué)。它通過使用各種算法和技術(shù)，使計算機能夠從圖像或視頻中自動識別、分析和理解物體、場景以及其中發(fā)生的活動。其核心目標是賦予計算機“看”的能力，并通過分析視覺數(shù)據(jù)來做出決策或提供有用的信息。它涉及到圖像處理、模式識別、深度學(xué)習(xí)等多個領(lǐng)域。典型的應(yīng)用包括圖像識別（如識別照片中的人物或物體）、目標檢測與定位（如在自動駕駛中識別交通標志和行人）、視頻分析（如監(jiān)控視頻中異常行為的檢測）、醫(yī)學(xué)影像分析（如識別X光片中的病變）等。7.1.4計算機視覺NLP（自然語言處理）是AI領(lǐng)域的重要分支，致力于讓計算機能夠理解、生成和處理人類的自然語言。NLP的核心任務(wù)包括文本分類、情感分析、機器翻譯、問答系統(tǒng)、文本生成等。NLP通過將語言轉(zhuǎn)化為計算機可處理的形式，結(jié)合語義理解和上下文分析，使計算機能夠解析語言的含義、邏輯關(guān)系和情感傾向，進而實現(xiàn)與人