TIP
本文主要是介绍 人工智能-入门基础 。
人工智能在最近的IT领域可以说是被炒的火热，但大部分人对人工智能仍然是一头雾水，究竟什么是人工智能？人工智能应用在什么地方，人工智能和人类智能有什么联系，人工智能是怎么发展的，这篇文章对人工智能做一个笼统的概述。
# 什么是人工智能
在计算机出现之前人们就幻想着一种机器可以实现人类的思维，可以帮助人们解决问题，甚至比人类有更高的智力。随着上世纪40年代计算机的发明，这几十年来计算速度飞速提高，从最初的科学数学计算演变到了现代的各种计算机应用领域，诸如多媒体应用，计算机辅助设计，数据库，数据通信，自动控制等等，人工智能是计算机科学的一个研究分支，是多年来计算机科学研究发展的结晶。
【人工智能】是一门基于【计算机科学，生物学，心理学，神经科学，数学和哲学等学科】的科学和技术。
【人工智能】的一个主要推动力要【开发与人类智能相关的计算机功能】，例如【推理，学习和解决问题的能力】。
人工智能之父 John McCarthy说：人工智能就是制造智能的机器，更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题，人工智能通过研究人类大脑的思考、学习和工作方式，然后将研究结果作为开发智能软件和系统的基础。
# 没有AI和有AI的计算机软件比较
# 没有AI编程
没有AI的计算机程序解决具体问题。
程序中的修改会导致其结构发生大的变化。修改麻烦，很可能导致修改错误。
# 用AI编程
具有AI的计算机程序解决一般性问题。
AI程序各个参数部分高度独立，修改不会导致结构变化，程序修改快速简便。
# AI的应用领域
人工智能在以下各个领域占据主导地位
游戏 ：人工智能在国际象棋，扑克，围棋等游戏中起着至关重要的作用，机器可以根据启发式知识来思考大量可能的位置并计算出最优的下棋落子。
自然语言处理 ： 可以与理解人类自然语言的计算机进行交互。比如常见机器翻译系统、人机对话系统。
专家系统 ： 有一些应用程序集成了机器，软件和特殊信息，以传授推理和建议。它们为用户提供解释和建议。比如分析股票行情，进行量化交易。
视觉系统 ： 它系统理解，解释计算机上的视觉输入。例如，间谍飞机拍摄照片，用于计算空间信息或区域地图。医生使用临床专家系统来诊断患者。警方使用的计算机软件可以识别数据库里面存储的肖像，从而识别犯罪者的脸部。还有我们最常用的车牌识别等。
语音识别 ：智能系统能够与人类对话，通过句子及其含义来听取和理解人的语言。它可以处理不同的重音，俚语，背景噪音，不同人的的声调变化等。
手写识别 ： 手写识别软件通过笔在屏幕上写的文本可以识别字母的形状并将其转换为可编辑的文本。
智能机器人 ： 机器人能够执行人类给出的任务。它们具有传感器，检测到来自现实世界的光，热，温度，运动，声音，碰撞和压力等数据。他拥有高效的处理器，多个传感器和巨大的内存，以展示它的智能，并且能够从错误中吸取教训来适应新的环境。
# 人工智能历史
1940-1950：
一帮来自数学，心理学，工程学，经济学和政治学领域的科学家在一起讨论人工智能的可能性，当时已经研究出了人脑的工作原理是神经元电脉冲工作。
1950-1956：
伦·图灵（Alan Turing）发表了一篇具有里程碑意义的论文，其中他预见了创造思考机器的可能性。
重要事件： 曼彻斯特大学的Christopher Strachey使用Ferranti Mark 1 机器写了一个跳棋程序， Dietrich Prinz写了一个国际象棋程序。
1956：
达特茅斯会议，人工智能诞生。约翰麦卡锡创造了人工智能一词并且演示了卡内基梅隆大学首个人工智能程序。
1956-1974：
推理研究，主要使用推理算法，应用在棋类等游戏中。自然语言研究，目的是让计算机能够理解人的语言。日本，早稻田大学于1967年启动了WABOT项目，并于1972年完成了世界上第一个全尺寸智能人形机器人 WABOT-1 。
1974-1980：
由于当时的计算机技术限制，很多研究迟迟不能得到预期的成就，这时候AI处于研究低潮。
1980-1987：
在20世纪80年代，世界各地的企业采用了一种称为“ 专家系统 ” 的人工智能程序，知识表达系统成为主流人工智能研究的焦点。在同一年，日本政府通过其第五代计算机项目积极资助人工智能。1982年，物理学家John Hopfield发明了一种神经网络可以以全新的方式学习和处理信息。
1987-1993：
第二次AI研究低潮。
1993-2011 ：
出现了智能代理，它是感知周围环境，并采取最大限度提高成功的机会的系统。这个时期自然语言理解和翻译，数据挖掘，Web爬虫出现了较大的发展。
里程碑的事件：1997年深蓝击败了当时的世界象棋冠军Garry Kasparov。2005年，斯坦福大学的机器人在一条没有走过的沙漠小路上自动驾驶131英里。
2011年至今：
在深度学习，大数据和强人工智能的发展迅速。
郑重声明：本文作品为原创，如转载须注明出处“百家号：物联网电子世界”。
# 【----------------------------】
# 一、人工智能概述
# 人工智能对社会的影响
- 智能化：让生活更方便，同时大大提高社会资源的利用率
- 精细化：精细追踪各个业务环节、服务从标准化到个性化
- 全面：穷举并应用所有可能
- 无隐私：在大数据、人工智能前没有隐私，超级权利
- 大量工作被抢占：计算机正取代人类完成更多智力工作、只有2%的人能在初期掌握新技术并以此工作
- 财富更加集中：数据成为最重要的资本
# 人工智能的能力阶段
- 弱人工智能：仅在特定领域、既定规则中拥有强大的智能
- 强人工智能：不受领域、规则限定，拥有与人类媲美的智能
- 超人工智能：在所有领域都拥有超越人类的智能
# 现代人工智能的研究方法
- 把智能问题转化为消除不确定性的问题，通过大数据+超级计算来消除不确定性
- 用若干个简单模型来代替复杂模型，最大限度利用计算机技术的进步，用数据量、计算量来节约研究时间
# 人工智能在各行业的应用
- 农业：通过智能浇灌节约成本、提高产量
- 体育：改进战术战略、分析总结优秀选手的动作姿势、训练棋牌选手
- 制造业：通过装配机器人节约成本、硬件联网成为智能服务终端
- 医疗：通过识别医学影像、手术机器人、智能诊断来降低医疗成本、平衡医疗资源、提高诊断准确率，数据驱动降低药物研制成本，攻克医疗难题
- 新闻业：计算机写作
- 律政：司法领域认可数据强相关关系作为证据、智能庭审、智能处理法律文件、自助合规审查、合同管理、法律研究、庭审结果预测
# 二、计算机视觉
# 定义
- Computer Vision，研究如何让计算机代替人眼对目标进行识别、跟踪、测量，并根据要求处理图像
# 技术能力
图像识别：
- 物体识别：人脸、物体、字符...
- 属性识别：大小、位置、环境、颜色、数量、时间...
- 行为识别：移动、动作、完整行为...
图像处理：
- 前端处理：信号变换、降噪
- 后端处理：基于业务目标处理图像
# 目前已有的后端处理技术：
- 图像还原：将经过修饰的人像还原，用于人脸识别、身份认证等
- 生成图像描述：根据图像内容生成一段描述文字
- 图片缩放：让图片在不同分辨率设备上都显示良好
- 低清转高清：将低分辨率的图像转换为高清图像
# 应用领域
- 图像搜索（包括人脸识别）
- 智能安防
- 照片分类与处理
- 直播监管
- 无人驾驶
- 医学影像分析
- 手势人机交互
- VR
- 质量检测
# 三、自然语言处理
# 定义
- Natural Language Processing，研究人与计算机如何用自然语言进行有效沟通
# 技术能力
- 理解自然语言
- 用自然语言表达
# 现状和难题
现状：
- 通用、高质量的自然语言处理系统还未出现
- 针对具体领域、具体应用的自然语言处理系统已经商品化、产业化
难题：
- 消除自然语言中的歧义
- 联系上下文、场景来分析语意
- 理解大量的专业领域词汇
# 应用领域
- 机器翻译
- 机器写作
- 语意搜索
- 自动回答问题
- 自动打标签
- 自动文摘
# 四、智能语音
# 定义
- Automatic Speech Recognition，研究如何让机器听懂人说的话，并且像人一样说话
# 技术能力
- 声音前置处理：排除回声、干扰、噪声，提高信噪比
- 语音识别：人机交互、口语评测
- 语音合成：人机交互
- 声音后置处理：语音转文字、音色变换...
# 现状和难题
现状：
- 技术相对成熟，各大厂商声称识别准确率在96%以上
- 智能语音的软硬件已经开始商业化
难题：
- 远距离声音采集：目前极限在10米左右，超过后很难识别
- 嘈杂场景下的声音识别
- 方言、口音、专业名词的识别
- 带韵律、情感的语音合成
- 缺少低功耗低成本的芯片
- 缺少声学的专业设备和人才
# 应用领域
- 智能语音助手
- 语音搜索
- 实时字幕
- 语音游戏
- 会议记录（语音转文字）
# 五、机器学习
# 定义
- 研究如何让计算机识别现有知识，并不断学习新知识、新技能
# 技术能力
- 智能决策：通过大数据来迭代建立决策模型，输入相关信息后输出决策
影响决策能力的因素：
- 输入信息的质量
- 知识库能力：容量、表达能力、推理能力、扩展性
# 应用领域
- 个性化推荐
- 舆情分析、预测
- 医疗诊断
- 机器编程
- 智能城市
- 商业决策
# 人工智能入门的科普书
# Tips 1：《智能的本质》
里面讲述了人工智能和机器人领域的64大问题，因为此书作者斯坦福·伯克利客座教授担忧人类智力会下降！这本书以常识和发展史解释人工智能技术的现实与未来应用趋势，解释深度学习、神经网络、暴力计算型人工智能等技术的核心算法和本质。
# Tips 2：《人工智能时代》
这本书从人工智能历史、现状、未来、工业机器人、商业机器人、家用机器人、机器翻译、机器学习等等一次介绍了人工智能发展前景。
# Tips 3：《科学的极致——漫谈人工智能》
这本书以通俗的语言和生动的示例展现科学之美~适合所有对人工智能感兴趣的科学爱好者阅读。
# Tips 4：《科技之巅》
这本书源自麻省理工学院的科技创新预言圣经，掌握未来数年全球科技发展趋势和商业化潜力。
# Tips 5：《数学之美》
这本书是吴军博士的作品，书中将高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。通过具体实例教会读者在解决问题时如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新等。新版增加大数据和机器学习内容，它也是央视新闻推荐的学科敲门砖。
感兴趣的可以自行租阅或购买。
参考地址 (opens new window)
https://blog.csdn.net/m0_60719966/article/details/119759262
# 参考文章
- https://baijiahao.baidu.com/s?id=1611014130425035698&wfr=spider&for=pc
- https://zhuanlan.zhihu.com/p/56201155
- https://blog.csdn.net/m0_60719966/article/details/119759262
