信息与计算思维导论--数据库、人工智能与大数据-人工智能简介-课件.pptx

1、人工智能概论一、人工智能发展历史人工智能的发展大概可以被分为 四 个阶段：前期阶段知识处理时代特征处理时代数据处理时代第一阶段：前期阶段图灵在1950年的一篇著名论文机器会思考吗？，在这篇文章里，图灵提出了著名的“图灵测试”1956年在达特矛斯会议上，人工智能的概念被首次提出来大多数与会者都是二十几岁的年轻人，他们对实现人工智能这一想法非常的乐观，也很有自信左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫会议原址：达特茅斯楼用计算机做了很多的数学定理证明，甚至是证出了数学原理一书上的所有定理还有很多人研究游戏。因为游戏是可以反映人类智能的。有很多人研究棋类游戏机器翻译：认为有了计算机这个强大的

2、工具，在后台存储一本庞大的电子词典，就可以解决自然语言的翻译问题了在当时那个年代但是，这些先驱者们很快就陷入了困境，发现这件事情不是那么简单！失败的关键点就在于缺少“知识”要实现“智能”，必须要依靠“知识”当意识到了这点的时候，人工智能就发展到了第二个时代第二阶段：知识处理时代这个时代主要的特征就是知识工程和专家系统。专家系统是先被提出来的概念，然后才是知识工程专家系统可以看作是一类具有专门知识和经验的计算机智能程序系统。一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题但是知识获取始终是一个难题。当时虽然机器学习的概念也被提了出来，有基于归纳法的学习、基于解释的

3、学习、基于演绎的学习等等各种理念，但是都没能取得成功。所以知识获取仍然是一个很大的瓶颈为了能和专家没有障碍的交流，必须要学习和研究专业领域的专业知识，否则根本连专家在说什么也不知道第三阶段：特征处理时代时间进入了90年代末期，这是一个特征处理的时代。其实这个时代最主要的就是统计学习，试图用统计机器学习的方法来让机器自动地学习作为人工智能的核心技术之一，机器学习（ML）也在人工智能的大步发展中备受瞩目。机器学习的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域机器学习分类机器学习算法可以分为四类：分类、回归、聚类、时序分析（1）分类图中的每

4、一个点代表一个样本，而一个样本由一组数据构成。这些样本属于训练样本，分到了不同的类。训练样本的的标签就是类别。比如在 excel表格里，每一行数据都是一个样本。所谓分类就是找到这个边界假设现在来了一个新的样本，通过机器学习找到的这个边界（模型）来确认（预测）它是属于哪个类（2）回归通过这些训练样本点拟合出来一条直线（曲线），称为回归曲线。这条线就是通过机器学习得到的。房价 y 值相当于标签分类和回归有什么区别？分类是解决离散数据的归类，回归是连续数据（3）聚类不管分类还是回归，都要有一个标签（label）。而聚类是没有标签的数据输入被划分为若干个事先未知的组。通过一个算法学习，把它们归纳出几类

5、。但并不知道这一类代表哪一类，因为事先数据没有标签（4）时序分析类似回归。只不过样本有先后顺序机器学习另外一种分类监督学习学习的是带有标记的数据非监督学习学习的是未被标记的数据当然，机器学习的材料并不是原始数据，而是从数据抽取出来的特征需要各种各样的特征，然后在得到特征之后再用统计学习方法进行处理如何找特征是一个真正的难点第四阶段：数据处理时代现在处在一个数据处理时代，应用各种数据进行深度学习。不过这些数据不再需要抽取的特征了，而是原始的数据深度学习就是让机器自己从原始数据中进行学习。做语音识别的，只要把语音的采集信号交给机器就好。做图片识别的，只要给机器图像，让它自己去判断，也就不用抽取特征了特点：人的参与和干预越来越少。而在前面几个时代一定要专家级的人物参与才行