3.智能信息处理.doc

走进人工智能一 学习目标：1.了解人工智能的发展历史、阶段性发展路径；2.掌握人工智能的相关概念；3.区分理解人工智能的主要领域；4.能够使用智能工具来解决实际问题。二 课堂讨论请在教学平台上用给老师发消息形式写下：你认为什么是人工智能？（用自己的话表述即可）二 课堂分享老师拟邀请微软亚洲研究院机器学习组的某研究员来我校做关于智能工具的专题讲座。为了更好地形成前期互动。请大家在学习平台小组讨论中分享自己运用智能工具解决问题的经历或经验（请例举某一具体智能工具，并结合个人体会简要描述该智能工具的哪些功能可能体现了其智能性）。例：1 微信语音输入后转文字，提高了输入效率的同时，也避免了直接发大段语音的尴尬2. APP小猿搜题，它的智能搜题和错题收藏功能有助于我自主学习 3. 4. 5.三 课堂活动1. 假如这是微软亚洲研究院的官方海报，我们需要摘取里面的文字信息分享给自己的朋友，那该如何操作呢？请你操作试试思考：识别出来的并保存在word文档中的文字，是否出现偏差？试试用来识别狂草书写的文字，是否还能如此顺利？思考为什么？可阅读书本P73模式识别内容2.请将下面这篇徐志摩的诗歌利用在线翻译系统翻译为英文轻轻的我走了，正如我轻轻的来；我轻轻的招手，作别西天的云彩。请你将英文再利用在线翻译，再翻译回中文，对比下原来的诗句，看看是否一样？思考出现差异的原因。可阅读书本P75页机器翻译内容。英文： 再翻译回中文：补充阅读资料：（选读）图灵测试是不是人机“对话”？时下的相关产品，交互或用文字，或用语音，对于信息沟通来说，这样的装置够用么？我们知道，对人类来说，文字仅仅承载着内容的沟通。而人人信息交互，内容沟通大概只占20%，情感沟通要占到80%。情感沟通，要理解的就不仅仅是文字，还包括语音、表情、肢体语言等等。没有对这些副语言现象深入研究建模，即使完美地解决了文字和内容沟通的问题，也离真正有效的人机交互相去甚远。因此，人机“交互”绝非人机“对话”，真正理想的图灵测试，就算不能声情并茂地反馈用户，也至少应该能察言观色，有效解读用户的副语言。显然，这样去限定图灵测试的话，我们现在仍然束手无策。饭要一口口吃，先降低下难度，仅仅考虑利用文本或语音跟机器聊天的场景，我今天看到的Siri、小冰、Alexa、叮咚音箱等，都是这样的人机对话系统。那么，是否在人机“对话”的情形下，通过图灵测试已经指日可待了呢？既然不用理解副语言现象，人机对话的关键，当然就是理解自然语言了。自然语言理解和人机对话，是认知智能领域的核心问题，目前人机对话还有很长的路要走。留给你思考的问题：真正实现人机对话到底难在哪里？1.阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯哈萨比斯领衔的团队开发。其主要工作原理是“深度模仿”“深度学习”。2. 人工智能先驱们在达特茅斯开会时，心中的梦想是希望通过当时新兴的计算机，打造拥有相当于人类智能的复杂机器。这就是我们所说的“通用人工智能”（General AI）概念，拥有人类五感（甚至更多）、推理能力以及人类思维方式的神奇机器。在电影中我们已经看过无数这样的机器人，对人类友好的 C-3PO，以及人类的敌人终结者。通用人工智能机器至今只存在 于电影和科幻小说里，理由很简单：我们还实现不了，至少目前为止。我们力所能及的，算是“弱人工智能”（Narrow AI）：执行特定任务的水平与人类相当，甚至超越人类的技术。现实中有很多弱人工智能的例子。这些技术有人类智能的一面。但是它们是如何做到的？智能来自哪里？这就涉及机器学习。3. 机器学习是实现人工智能的一种方法。比如你需要挑选芒果，你并不知道什么样的芒果最好吃，所以你就尝遍了所有的芒果，然后自己总结出个大深黄色的比较好吃，以后再去买的时候，就可以直接挑选这种。那什么是机器学习呢，就是你让机器“尝”一遍所有芒果，当然，也假设它知道哪些好吃，让机器去总结一套规律（个大深黄色），这就是机器学习。具体操作，就是你描述给机器每一个芒果的特征（颜色，大小，软硬），描述给机器其输出（味道如何，是否好吃），剩下的就等机器去学习出一套规则。那机器是怎么学习到这个规则（个大深黄色的好吃）的呢？没错，是通过机器学习算法。而神经网络，恰好就是一种机器学习算法。近些年来，由于深度学习概念的兴起，神经网络又成为了机器学习领域最热门的研究方法。神经网络就像是一个刚开始学习认东西的小孩子，而大人是作为一个监督者，来告诉他所看到的东西是什么，至于如果判定这是狗还是猫，还是其他的动物的方法，则由小孩自行去学习。