1. 科普入門

• 入門參考資料：

  • 【硬核科普】一次看懂人工智能

  • 人工智能概述

  • 機(jī)器學(xué)習(xí)入門指南

人工智能的定義

人工智能（Artificial intelligence，AI），指由人制造出來的機(jī)器所表現(xiàn)出來的智能。通常人工智能是指通過普通計(jì)算機(jī)程序來呈現(xiàn)人類智能的技術(shù)，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。

人工智能是一個(gè)構(gòu)建能夠推理、學(xué)習(xí)和行動(dòng)的計(jì)算機(jī)和機(jī)器的科學(xué)領(lǐng)域，這種推理、學(xué)習(xí)和行動(dòng)通常需要人類智力，或者涉及超出人類分析能力的數(shù)據(jù)規(guī)模。

AI 是一個(gè)廣博的領(lǐng)域，涵蓋許多不同的學(xué)科，包括計(jì)算機(jī)科學(xué)、數(shù)據(jù)分析和統(tǒng)計(jì)、硬件和軟件工程、語言學(xué)、神經(jīng)學(xué)，甚至哲學(xué)和心理學(xué)。

在業(yè)務(wù)使用的操作層面上，AI 是一組主要基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)，用于數(shù)據(jù)分析、預(yù)測、對象分類、自然語言處理、推薦、智能數(shù)據(jù)檢索等等。

概況來說，人工智能利用計(jì)算機(jī)和機(jī)器，模仿人類思維的問題解決和決策制定能力。

人工智能的類型 - 弱 AI 與強(qiáng) AI

弱 AI 也稱為狹義 AI 或人工狹義智能 (ANI)，是專注于執(zhí)行特定任務(wù)的經(jīng)過訓(xùn)練的 AI。 弱 AI 驅(qū)動(dòng)了我們現(xiàn)在使用的大多數(shù) AI。 “狹窄”可能是對這類 AI 更準(zhǔn)確的描述，因?yàn)樗稽c(diǎn)也不弱；它支持一些非常強(qiáng)大的應(yīng)用，如 Apple Siri、Amazon Alexa、IBM Watson 自動(dòng)駕駛汽車。

強(qiáng) AI 由人工常規(guī)智能 (AGI) 和人工超級(jí)智能 (ASI) 組成。 人工常規(guī)智能 (AGI) 是 AI 的一種理論形式，機(jī)器擁有與人類等同的智能；它具有自我意識(shí)，能夠解決問題、學(xué)習(xí)和規(guī)劃未來。 人工超級(jí)智能 (ASI) 也稱為超級(jí)智能，將超越人類大腦的智力和能力。 雖然強(qiáng) AI 仍完全處于理論階段，還沒有實(shí)際應(yīng)用的例子，但這并不意味著 AI 研究人員不再探索它的發(fā)展。 與此同時(shí)，ASI 的最佳例子可能來自科幻小說中的人物，如 HAL、超人以及 《2001 太空漫游》中的無賴電腦助手。

人工智能、深度學(xué)習(xí)與機(jī)器學(xué)習(xí)

由于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)這兩個(gè)術(shù)語往往可互換使用，因此必須注兩者之間的細(xì)微差別。 如上所述，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)都是人工智能的子領(lǐng)域，深度學(xué)習(xí)實(shí)際上是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域。

深度學(xué)習(xí)實(shí)際上是由神經(jīng)網(wǎng)絡(luò)組成的。 深度學(xué)習(xí)中的“深度”指的是由三層以上的神經(jīng)網(wǎng)絡(luò)組成，包括輸入和輸出，可以被認(rèn)為是一種深度學(xué)習(xí)算法。

深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的不同之處在于每個(gè)算法的學(xué)習(xí)方式。 深度學(xué)習(xí)可以自動(dòng)執(zhí)行過程中的大部分特征提取，消除某些必需的人工干預(yù)，并能夠使用更大的數(shù)據(jù)集。 您可將深度學(xué)習(xí)視為“可擴(kuò)展的機(jī)器學(xué)習(xí)”，正如 Lex Fridman 在麻省理工學(xué)院的同一次講座中提到的那樣。 經(jīng)典的或“非深度”的機(jī)器學(xué)習(xí)更依賴于人類的干預(yù)進(jìn)行學(xué)習(xí)。 人類專家確定特征的層次結(jié)構(gòu)，以了解數(shù)據(jù)輸入之間的差異，通常需要更多結(jié)構(gòu)化數(shù)據(jù)以用于學(xué)習(xí)。

"深度"機(jī)器學(xué)習(xí)則可以利用標(biāo)簽化數(shù)據(jù)集，也稱為監(jiān)督式學(xué)習(xí)，來確定算法，但不一定必須使用標(biāo)簽化數(shù)據(jù)集。 它可以原始格式（例如文本、圖像）采集非結(jié)構(gòu)化數(shù)據(jù)，并且可以自動(dòng)確定區(qū)分不同類別數(shù)據(jù)的特征的層次結(jié)構(gòu)。 與機(jī)器學(xué)習(xí)不同，它不需要人工干預(yù)數(shù)據(jù)的處理，使我們能夠以更有趣的方式擴(kuò)展機(jī)器學(xué)習(xí)。

人工智能的應(yīng)用和使用場景

語音識(shí)別

也稱為自動(dòng)語音識(shí)別 (ASR)、計(jì)算機(jī)語音識(shí)別或語音到文本，能夠使用自然語言處理 (NLP) 將人類語音轉(zhuǎn)變?yōu)闀娓袷健?許多移動(dòng)設(shè)備 — 如 Siri — 都在其系統(tǒng)中納入了語音識(shí)別功能，以進(jìn)行語音搜索，或者提供更方便的短信服務(wù)。

計(jì)算機(jī)視覺

該 AI 技術(shù)使計(jì)算機(jī)和系統(tǒng)能夠從數(shù)字圖像、視頻和其他可視輸入中獲取有意義的信息，并基于這些輸入采取行動(dòng)。 這種提供建議的能力將其與圖像識(shí)別任務(wù)區(qū)分開來。 計(jì)算機(jī)視覺由卷積神經(jīng)網(wǎng)絡(luò)提供支持，應(yīng)用在社交媒體的照片標(biāo)記、醫(yī)療保健中的放射成像以及汽車工業(yè)中的自動(dòng)駕駛汽車等領(lǐng)域。

客戶服務(wù)

在線虛擬客服正在取代工人客服為客戶服務(wù)。 他們回答各種主題的常見問題 (FAQ) ，例如送貨，或?yàn)橛脩籼峁﹤€(gè)性化建議，交叉銷售產(chǎn)品，提供用戶尺寸建議，改變了我們對網(wǎng)站和社交媒體中客戶互動(dòng)的看法。 示例包括具有 虛擬客服的電子商務(wù)站點(diǎn)上的聊天機(jī)器人、消息傳遞應(yīng)用（例如 Slack 和 Facebook Messenger）以及虛擬助理和 語音 手通常執(zhí)行的任務(wù)。

建議引擎

AI 算法使用過去的消費(fèi)行為數(shù)據(jù)，幫助發(fā)現(xiàn)可用于制定更有效的交叉銷售策略的數(shù)據(jù)趨勢。 這用于在在線零售商的結(jié)賬流程中向客戶提供相關(guān)的附加建議。

數(shù)據(jù)分析

針對商業(yè)智能尋找數(shù)據(jù)中的模式和關(guān)系。

網(wǎng)絡(luò)安全

獨(dú)立自主掃描網(wǎng)絡(luò)以檢測是否存在網(wǎng)絡(luò)攻擊和威脅。

行業(yè)應(yīng)用

• 醫(yī)療行業(yè)
  • 智慧診療
  • 智慧醫(yī)學(xué)影像
  • 智慧健康管理
• 教育行業(yè)
  • 遠(yuǎn)程教育AI輔助
    • 行為檢測
    • 場景識(shí)別
    • 線上監(jiān)考
• 交通行業(yè)
  • 交通工具智慧化
  • 出行方式智慧化
  • 道路管理智慧化
• 物流行業(yè)
  • 智能倉儲(chǔ)
    • 商品自動(dòng)儲(chǔ)存
    • 揀選
    • 分選
• 制造行業(yè)
  • 產(chǎn)品智能化研究設(shè)計(jì)
  • 智慧質(zhì)檢
  • 生成設(shè)備預(yù)測性維護(hù)
• ……

人工智能發(fā)展史

• 1950 年：阿蘭圖靈發(fā)表了*“計(jì)算機(jī)器與智能”。* 在這篇文章中，因在二戰(zhàn)期間破譯納粹 ENIGMA 密碼而聞名的圖靈，提議回答 “機(jī)器能思考嗎?”這一問題 并介紹了圖靈測試，用于確定計(jì)算機(jī)能否展示出與人類相同的智慧（或相同智慧產(chǎn)生的結(jié)果）。 自此之后，人們就圖靈測試的價(jià)值一直爭論不休。
• 1956 年：John McCarthy 在達(dá)特茅斯學(xué)院人工智能會(huì)議上創(chuàng)造了“人工智能”(AI) 一詞，這是人工智能誕生的標(biāo)志。 （McCarthy 后來又發(fā)明了 Lisp語言。） 同年晚些時(shí)候，Allen Newell、J.C. Shaw 和 Herbert Simon 創(chuàng)建了有史以來第一個(gè)運(yùn)行 AI 軟件程序的機(jī)器 “Herbert Simon”。
• 1967 年： Frank Rosenblatt 構(gòu)建了 Mark 1 Perceptron，這是第一臺(tái)基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)，它可以通過試錯(cuò)法不斷學(xué)習(xí)。 就在一年后，Marvin Minsky 和 Seymour Papert 出版了一本名為 《感知器》(Perceptrons) 的書籍，這本書既成為神經(jīng)網(wǎng)絡(luò)領(lǐng)域的標(biāo)志性作品，同時(shí)至少在一段時(shí)間內(nèi)，也是反對未來神經(jīng)網(wǎng)絡(luò)研究項(xiàng)目的論據(jù)。
• 20 世紀(jì) 80 年代： 使用反向傳播算法訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)在 AI 應(yīng)用中廣泛使用。
• 1997 年： IBM 的深藍(lán)計(jì)算機(jī)在國際象棋比賽（和復(fù)賽）中擊敗國際象棋世界冠軍 Garry Kasparov。
• 2011 年： IBM Watson 在《Jeopardy!》挑戰(zhàn)賽中擊敗了 Ken Jennings 和 Brad Rutter。
• 2015 年： 百度的 Minwa 超級(jí)計(jì)算機(jī)使用一種稱為卷積神經(jīng)網(wǎng)絡(luò)的特殊深度神經(jīng)網(wǎng)絡(luò)來識(shí)別圖像并進(jìn)行分類，其準(zhǔn)確率高于一般的人類。
• 2016 年： 由深度神經(jīng)網(wǎng)絡(luò)支持的 DeepMind 的 AlphaGo 程序在五輪比賽中擊敗了圍棋世界冠軍 Lee Sodol。 考慮到隨著游戲的進(jìn)行，可能的走法非常之多，這一勝利具有重要意義（僅走了四步之后走法就超過 14.5 萬億種！）。 后來，谷歌以四億美元的報(bào)價(jià)收購了 DeepMind。

自誕生至今已有60多年發(fā)展歷史，目前處于爆發(fā)期，經(jīng)歷過兩次寒冬期

• 第一次因?yàn)樗懔Σ蛔?/li>
• 第二次因?yàn)橛布袌霰罎?、資金不足、研究迷茫

產(chǎn)業(yè)結(jié)構(gòu)層級(jí)

• 基礎(chǔ)層
  • 數(shù)據(jù)服務(wù)
    • 通用數(shù)據(jù)
      • 來源：開源數(shù)據(jù)集平臺(tái)
      • 面向?qū)ο螅捍蟊?/li>
      • 是否支持分享：支持，對外開放
    • 行業(yè)數(shù)據(jù)
      • 來源：各行業(yè)企業(yè)的內(nèi)部系統(tǒng)
      • 面向?qū)ο螅浩髽I(yè)內(nèi)部
      • 是否支持分享：不支持，不對外開放
  • 軟件設(shè)施
    • 云計(jì)算平臺(tái)
    • 大數(shù)據(jù)平臺(tái)
  • 硬件設(shè)施
    • 芯片（算力支持）
    • 傳感器（數(shù)據(jù)采集）
• 技術(shù)層
  • 開發(fā)框架
    • TensorFlow
    • PyTorch
    • Coffe
    • Keras
    • ……
  • 算法模型
    • 機(jī)器學(xué)習(xí)模型：實(shí)現(xiàn)人工智能的重要手段
    • 深度學(xué)習(xí)模型：圖像、文本、聲音等高維度復(fù)雜數(shù)據(jù)處理
  • 通用技術(shù)
    • 計(jì)算機(jī)視覺
    • 自然語言處理
    • 智能語音
    • 知識(shí)圖譜
• 應(yīng)用層
  • 人工智能產(chǎn)品
    • 智能音箱
    • 自動(dòng)駕駛汽車
    • 智能機(jī)器人
    • 人臉支付
    • ……
  • 人工智能應(yīng)用場景：上述1.4和1.5節(jié)內(nèi)容

系統(tǒng)架構(gòu)

典型的AI系統(tǒng)架構(gòu)圖如下：

后續(xù)針對該部分單獨(dú)介紹，此處不做贅述。

人工智能標(biāo)準(zhǔn)體系

人工智能標(biāo)準(zhǔn)化白皮書（2021版）.pdf （第64頁開始有部分案例介紹）

2. 細(xì)分領(lǐng)域

• 計(jì)算框架

RAY分布式計(jì)算框架

• chatGPT引爆AIGC

【AIGC算力時(shí)代系列報(bào)告】：ChatGPT研究框架-230214.pdf

人工智能生成內(nèi)容(AIGC)白皮書(2022年)

火出圈的典型： chatGPT

如何快速體驗(yàn)chatGPT：微軟新必應(yīng)瀏覽器

• AI生產(chǎn)過程管理面臨的問題

人工智能研發(fā)運(yùn)營體系(MLops)實(shí)踐指南 - 信通院

【星猿雜談】：在這里我們共同探索科技新趨勢，分享積累的點(diǎn)滴，從編程語言到系統(tǒng)架構(gòu)，從人工智能到高性能計(jì)算，我們追求技術(shù)的進(jìn)步，同時(shí)珍視分享的力量。歡迎關(guān)注我們，在技術(shù)的精彩世界中一起遨游，發(fā)現(xiàn)更多未知！文章來源地址http://www.zghlxwxcb.cn/news/detail-816410.html

到了這里，關(guān)于也談人工智能——AI科普入門的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！