微课7-1 人工智能基础

微课7-1人工智能基础几千年来，人们一直在试图理解人类是如何思考和行动的，也就是不断地了解人类的大脑是如何凭借它那小部分的物质去感知、理解、预测并操纵一个远比其自身更大更复杂的世界。随着科技的飞速发展，“数据成为新生产要素，算力成为新基础能源，AI成为新生产工具”。人工智能（AI）是计算机科学的一个分支，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是一门自然科学、社会科学和技术科学交叉的边缘学科。微课7-1人工智能基础AI专注于创建具有推理、学习、适应和自主行动能力的“智能系统”，努力模仿人的思维和行为，如理解自然语言、识别模式、解决问题和做出决策。具体来说，AI的核心目标包括如下。（1）学习：从经验中学习并改进性能。（2）理解：理解自然语言和其他形式的信息。（3）推断：基于现有信息进行合理的预测和决策。（4）适应性：根据新情况调整行为。（5）自我修正：发现错误并进行自我修复。微课7-1人工智能基础可以把AI定义为一种工具，用来帮助或者替代人类思维。它是一项计算机程序，可以独立存在于数据中心、个人计算机，也可以通过诸如机器人之类的设备体现出来。它具备智能的外在特征，有能力在特定环境中有目的地获取和应用知识与技能。AI是对人的意识、思维的信息过程的模拟。AI不是人的智能，但能像人那样思考，甚至也可能超过人的智能。实现AI有三种途径，即强AI、弱AI和实用型AI。7.1.1

AI的实现途径强AI又称多元智能。研究人员希望AI最终能成为多元智能并且超越大部分人类的能力。强AI的观点认为有可能制造出真正能推理和解决问题的智能机器，这样的机器将被认为是有知觉的，有自我意识的。但是，强AI即便可以实现也很难被证实。弱AI认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。它只要求机器能够拥有智能行为，具体的实施细节并不重要。如今，主流的研究活动都集中在弱AI上，并且一般认为这一研究领域已经取得可观的成就。7.1.1

AI的实现途径第三种途径称为实用型AI。研究者们将目标放低，不再试图创造出像人类一般智慧的机器。眼下我们已经知道如何创造出能模拟昆虫行为的机器人，即使是这样的机器人，在完成某些特定任务时也是大有裨益的。“AlphaGo之父”哈萨比斯表示：“我提醒诸位，必须正确地使用AI。正确的两个原则是：AI必须用来造福全人类，而不能用于非法用途；AI技术不能仅为少数公司和少数人所使用，必须共享。”7.1.1

AI的实现途径机器学习是AI的一个关键子集，是一种能够根据输入数据训练模型的系统。它的主要目标是让计算机系统能够通过对模型进行训练，使其能够从新的或以前未见过的数据中得出有用的预测。换句话说，机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。在机器学习中，我们不是直接编程告诉计算机如何完成任务，而是提供大量数据，让机器通过数据找出隐藏的模式或规律，然后用这些规律来预测新的、未知的数据。通常将AI看作是自主机器智能的广泛目标，而机器学习则是实现这一目标的具体方法。7.1.2机器学习和深度学习深度学习是机器学习的一个子集，也可以说是传统机器学习的进步，其核心在于使用人工神经网络模仿人脑处理信息的方式，通过层次化的方法提取和表示数据的特征。神经网络由许多基本计算和储存单元组成，这些单元被称为神经元。虽然单层神经网络就可以做出近似预测，但是添加更多的隐藏层可以优化预测的精度和准确性。神经元通过层层连接来处理数据，并且深度学习模型通常有很多层，能够学习和表示大量复杂的模式，这使它们在诸如图像识别、语音识别和NLP等任务中非常有效。7.1.2机器学习和深度学习机器学习有三种主要类型，即监督学习、无监督学习和强化学习。其中，监督学习就像一个有答案的教科书，模型可以从标记的数据中学习；而无监督学习则更像一个无答案的谜题，模型需要自己在数据中找出结构和关系。介于两者之间的方法称为强化学习，其模型通过经验学习执行动作。7.1.3监督和无监督学习计算机视觉是一门研究如何让计算机能够像人类一样理解和处理视觉信息（如图像和视频）的科学。它通过使用各种算法和技术，使计算机能够从图像或视频中自动识别、分析和理解物体、场景以及其中发生的活动。其核心目标是赋予计算机“看”的能力，并通过分析视觉数据来做出决策或提供有用的信息。它涉及到图像处理、模式识别、深度学习等多个领域。典型的应用包括图像识别（如识别照片中的人物或物体）、目标检测与定位（如在自动驾驶中识别交通标志和行人）、视频分析（如监控视频中异常行为的检测）、医学影像分析（如识别X光片中的病变）等。7.1.4计算机视觉NLP（自然语言处理）是AI领域的重要分支，致力于让计算机能够理解、生成和处理人类的自然语言。NLP的核心任务包括文本分类、情感分析、机器翻译、问答系统、文本生成等。NLP通过将语言转化为计算机可处理的形式，结合语义理解和上下文分析，使计算机能够解析语言的含义、逻辑关系和情感倾向，进而实现与人