人工智能应用导论人工智能主要研究方向

《人工智能应用导论》第二章人工智能主要研究方向以匠心致创新2.1机器感知与模式识别目录2.2自然语言处理与理解2.3知识图谱与知识工程以匠心致创新2.1机器感知与模式识别目标1、掌握什么是机器感知、模式识别2、掌握什么是机器学习、机器学习的类别3、掌握机器学习算法实现分类的方法4、了解基于深度学习的物品检测方法重点1、机器学习的类别、各类的特点2、机器学习算法实现分类的方法难点1、机器学习算法实现分类的方法2、基于深度学习的物品检测方法以匠心致创新观看视频-波士顿动力机器狗人工智能体现在哪里？以匠心致创新2.1.1机器感知人如何感知图像？以匠心致创新2.1.1机器感知机器感知：计算机直接“感觉”周围世界，就像人一样通过“感觉器官”直接从外界获取信息，如通过视觉器官获取图形、图像信息，通过听觉器官获取声音信息。特征定义人工设计图像特征自动从图像中学习有效的特征图像识别特征匹配以匠心致创新2.1.2模式识别模式识别（PatternRecognition）：研究自然界中存在的大量模式规律的表达，对表征事物或现象的各种形式的信息进行处理和分析，从而达到对事物或现象进行描述、辨认、分类和解释的目的。模式识别系统组成：数据获取模式分割预处理特征生成特征选择模式分类后处理以匠心致创新2.1.3机器学习机器学习（MachineLearning）：不同于模式识别中人类主动去描述某些特征给机器，机器从已知的经验数据（样本）中，通过某种特定的方法（算法），自己去寻找提炼（训练/学习）出一些规律（模型），提炼出的规律就可以用来判断一些未知的事物/事情（预测）。人工智能（ArtificialIntelligenceAI）机器学习（MachineLearning）监督式学习非监督式学习半监督式学习强化学习以匠心致创新2.1.3机器学习监督式学习是拥有一个输入变量（自变量）和一个输出变量（因变量），使用某种算法去学习从输入到输出之间的映射函数。萼片长度/厘米萼片宽度/厘米花瓣长度/厘米花瓣宽度/厘米类别5.14.94.74.63.51.41.41.31.54.74.54.90.20.20.20.21.41.51.51.3山鸢尾山鸢尾山鸢尾山鸢尾33.23.13.23.23.12.37变色鸢尾变色鸢尾变色鸢尾变色鸢尾6.46.95.54……………以匠心致创新2.1.3机器学习非监督式学习指的是只有输入变量，没有相关的输出变量。目标是对数据中潜在的结构和分布建模，以便对数据做进一步的学习。相比于监督式学习，非监督式没有确切的答案，学习过程也没有监督，通过算法的运行去发现和表达数据中的结构。半监督式学习是一种监督式学习与非监督式学习相结合的一种学习方法。拥有大部分的输入数据（自变量）和少部分的有标签数据（因变量）。强化学习：强化学习可以训练程序作出某一决定。程序在某一情况下尝试所有可能的行动，记录不同行动的结果并试着找出最好的一次尝试来做决定。以匠心致创新2.1.3机器学习【任务描述】：设计一个二分类器，实现对鸢尾花样本数据库中山鸢尾和变色鸢尾两种类别的分类功能。步骤1：数据采集。步骤2：训练数据，求解参数。萼片长度厘米/萼片宽度厘米/花瓣长度厘米/花瓣宽度厘米/类别4.74.675.53.533.22.3…1.30.21.3…山鸢尾山鸢尾山鸢尾变色鸢尾山鸢尾变色鸢尾变色鸢尾变色鸢尾………4步骤3：测试数据，验证参数。以匠心致创新由于知识图谱的图结构特点，使用传统的关系型数据库存储大量的关系表，在做非监督式学习指的是只有输入变量，没有相关的输出变量。其技术目标是让机器能够理解人类的语言，是人和机器进行交流的【任务描述】：设计一个二分类器，实现对鸢尾花样本数据库中山鸢尾和变色鸢尾两种这是一个“很容易复现(EasilyReproducible)”的方法，还不光相比于监督式学习，非监督式没有确切的经开源了，那大家都可以生成欺骗人脸识别AI的符了。这些录音还带着诸如地点、联系记一幅炫彩的对抗图画，贴在肚子们是人类，连那里有物体存在都发现不了录音定期进行监听和分析，其中涉监督式学习是拥有一个输入变量（自变量）和一个输出变量（因变量），知识图谱将信息表达成更接近简单地把知识图谱理解成多关系图（Multi-relationalGraph）。根据聊天机器人的智能水平，可以分为“弱人2.1.4深度学习的物品检测案例观看视频以匠心致创新2.1.5深度学习的对抗攻击被“终结者”锁定了怎么办？优秀的隐身衣脑门贴张纸，“我不是人”！骗过FaceID！一幅炫彩的对抗图画，贴在肚子目标检测界的翘楚YOLOv2，不光看不出他们是人类，连那里有物体存在都发现不了以匠心致创新2.1.5深度学习的对抗攻击莫斯科国立大学和华为莫斯科研究院的科学家。他们的符上有特殊纹路，可以迷惑AI，这叫对抗攻击。攻击成本很低，符是普通的彩色打印机打出来的。画符的算法已经开源了，那大家都可以生成欺骗人脸识别AI的符了。这是一个“很容易复现(EasilyReproducible)”的方法，还不光对ArcFace这一只AI有效，可以迁移到其他AI上，骗无止境。说不定有一天，监控系统对陌生人出没，就没有抵抗力了。以匠心致创新我们终将泄露的人脸数据，后果到底有多可怕？人脸数据泄露到底有哪些风险呢？众多的人脸识别应用会不会把我们的人脸照片卖给数据公司，用作训练AI的“肥料”呢？以匠心致创新2.2自然语言处理与理解目标1、掌握自然语言处理中四个最基本的任务2、了解自然语言人机交互重点1、自然语言处理中四个最基本的任务2、自然语言人机交互应用体验难点1、自然语言处理中四个最基本的任务以匠心致创新观看视频-google语音助手以匠心致创新2.2.1自然语言处理与理解自然语言处理与理解（NLP&NLU）：是计算机科学、人工智能、语言学的交叉学科技术领域。其技术目标是让机器能够理解人类的语言，是人和机器进行交流的技术。目前主要应用领域有：智能问答、机器翻译、文本分类、文本摘要等。自然语言处理中四个最基本的任务：●PN:代词VV:动词NR:专有名词●root：根节点nsubj:主语dobj:宾语●O:不是命名实体B:是命名实体自然语言处理示例以匠心致创新2.2.2自然语言人机交互苹果Siri、百度度秘、GoogleAllo、微软小冰、亚马逊Alexa等智能聊天助理程序的应用，正试图颠覆人们和手机交流的根本方式，将手机变成聪明的小秘书。智能聊天助理程序是采用自然语言处理算法来实现人机对话。根据聊天机器人的智能水平，可以分为“弱人工智能”聊天助理和“强人工智能”聊天助理。以匠心致创新苹果近日被爆聘请合同工对Siri的录音定期进行监听和分析，其中涉及私人医疗信息、商品交易等这些录音还带着诸如地点、联系记录和应用程序数据等用户信息。苹果宣称这些数据只是“被用来帮助Siri和听写功能更好地了解你，更准确地识别你所说的话”以匠心致创新2.3知识图谱与知识工程目标1、掌握什么是知识图谱2、了解知识图谱技术案例3、了解知识图谱的存储重点1、什么是知识图谱2、知识图谱技术案例难点1、知识图谱技术案例以匠心致创新2.3.1知识工程概述知识工程从大数据中挖掘知识，可以弥合大数据机器学习底层特征与人类认知的鸿沟。知识图谱将信息表达成更接近人类认知世界的形式，可以将内容从符号转化为计算机可理解和计算的语义信息，可以更好地理解信息内容。以匠心致创新2.3.2知识图谱定义知识图谱：“知识图谱本质上是语义网络（SemanticNetwork）的知识库”，可以简单地把知识图谱理解成多关系图（Multi-relationalGraph）。以匠心致创新2.3.3知识图谱技术案例已经构建好的知识图谱就像一个知识库，可以得到广泛的应用，如搜索引擎的智能回答：比如在百度搜索输入：曹植的父亲，百度搜索自动推荐的首条记录就是“曹操”以匠心致创新2.3.3知识图谱技术案例结构化数据非结构化数据实体命名识别（NameEntityRecognition）关系抽取（RelationExtraction）指代消解（CoreferenceResolution）时代广场在...哪里纽约事件这家酒店是我在纽附近位于餐厅约最喜欢的希尔顿酒店，它位于时代广场附近的42街，