数字化转型网人工智能专题
与全球关注人工智能的顶尖精英一起学习！数字化转型网建立了一个专门讨论人工智能技术、产业、学术的研究学习社区，与各位研习社同学一起成长！欢迎扫码加入！
第一章 人工智能与人工智能技术概述
一、人工智能概述
1 人工智能的定义
考法1：英文名
1.人工智能（Artificial Intelligence，AI）
考法2：定义
1.是利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获取最佳结果的理论、方法、技术和应用系统。
2. 人工智能的发展
考法1：具体年份和事件
- 1943年，提出人工神经网络（McCulloch & Pitts）
- 1956年，在达特茅斯会议上提出人工智能的概念，标志着人工智能的诞生
- 2011年，智能问答系统Watson，IBM
- 2019年，AlphaGo击败世界围棋冠军
考法2：人工智能三次发展热潮
- 第一次热潮：1956-1976年，也可写为20世纪50~60年代
- 第二次热潮：1976~2006年
- 第三次热潮：2006~现在
3. 人工智能的分类
考法1：类别与特性
- 根据人工智能所表现的智能性可分为：
n 弱人工智能
u 不具备人类意识，只能完成单一任务，如人脸识别、网络搜索、语音助手。（现阶段）
n 强人工智能
u 具备人类意识，思考，计划，解决问题的能力，目前尚未实现
n 超人工智能
u 在大多数领域比人更聪明，包括科学，创新，通识和社交技能
4. 人工智能的挑战与展望
考法1：未来挑战
- 人工智能未来挑战有：持续学习、可解读的决策、鲁棒决策、保密数据上的共享学习
考法2：未来展望
- 人工智能未来展望：更强的算力、更优的算法、更多的数据
二、机器学习概述
1. 机器学习的定义及相关概念
考法1：机器学习的多种定义
1.机器学习是在没有明确编码条件下，使计算机具有学习的能力。
2.从广义上讲，机器学习就是一种能够赋予机器学习的能力，让机器完成直接编程无法完成的功能的方法
3.从实践上讲，机器学习就是一种利用数据，训练出模型，然后使用模型预测的一种方法
考法2：相关概念
- 机器学习算法：一系列规则和统计技术，从数据中学习得到特征模式
- 机器学习模型：由机器学习算法训练得到的模型
- 自变量：一组特征数据，用来预测模型输出值
- 因变量：受自变量影响，由自变量通过模型得到的输出值
- 训练集：训练机器学习模型所使用的数据集
- 测试集：评价机器学习模型所使用的数据集
2. 无监督学习，有监督学习与增强学习
考法1：概念
- 无监督学习：从无标签信息的训练数据集中推断出结论的机器学习任务，包含异常值检测和聚类分析
- 有监督学习：根据被标签化的训练数据集，推导预测函数的机器学习任务，包含回归分析和分类分析
- 增强学习：将智能体（Agent）置于环境中，通过环境的反馈（包括奖赏和惩罚）进行学习，使得智慧体的累计收益最大，多应用于游戏和机器人上
考法2：特性对比
3. 迁移学习
考法1：迁移学习的定义
- 迁移学习是将先前领域/任务中所学习到的知识应用于新的领域/任务中
考法2：迁移学习的类别
1.迁移学习可以按照两种学习方法划分：
1 深度学习的定义
考法1：定义概念
- 深度学习是以人工神经网络为架构，通过多层非线性变换对数据、资料进行表征学习的算法。人工智能、机器学习、深度学习为依次包含关系
2 深度学习常用框架
考法1：深度学习的常用框架及其特点
- 深度学习的常用框架及其特点为：
n TensorFlow
u 由谷歌2015年发布，2017年发布1.0版，2019年发布2.0版
u 用TensorBoard进行可视化
u 可移植性
u 多语言支持
u 活跃度高
u 应用广泛，搜索、翻译、地图、邮箱
n Caffe
u 由伯克利大学人工智能研究小组和伯克利视觉和学习中心开发
u 最早的深度学习开源框架，完全公开所有代码，算法及细节
u 社区影响大，需要编译安装，相关接口支持Python，MATLAB、支持CPU，GPU加速
n Pytorch
u 基于Torch（2002年发布）框架，用Python封装和重构，2016年由Facebook发布
u 简洁灵活、自动求导、GPU加速、使用Python语言、学习成本低
n MxNet
u 在caffe基础上，支持命令和符号编程的多语言开源深度学习框架
u 可自动并行化操作、内存效率高、简洁灵活、支持多语言、GPU加速、分布式
n Keras
u 使用Python语言的多层神经网络API，后端支持Tensorflow、mxnet等其他深度学习框架
u 代码无需修改可同时在CPU和GPU运行、学习成本低、高度模块化、支持快速试验 作者：希赛阿里云认证 https://www.bilibili.com/read/cv34964633/ 出处：bilibili
数字化转型网人工智能专题
与全球关注人工智能的顶尖精英一起学习！数字化转型网建立了一个专门讨论人工智能技术、产业、学术的研究学习社区，与各位研习社同学一起成长！欢迎扫码加入！ 数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网宁檬树。
