AI人工智能学习-Day1
一、课程介绍
1、人工智能发展历程
1945年艾伦图灵在论文《计算机器域智能》中提出了著名的图灵测试，给人工智能的发展产生了深远的影响。
1951年，马文-明斯基（Marvin Minsky）和迪恩艾德蒙（Dean Edmunds）建立了“随机神经网络模拟加固计算器”SNARC。
1955年8月31日，“人工智能”（artificial intelligence）一词在一份关于召开国际人工智能会议的提案中被提出，正式宣告人工智能作为一门学科的诞生。
在1965年麻省理工学院约瑟夫维森班（Joseph Weizenbaum）间建立了世界上第一个自然语言程序ELIZA。
70年代开始，科学家的成果无法满足社会的期待，有限的计算机能力和快速增长的计算需求之间形成了尖锐的矛盾。
人工智能进入第一个冬天。
1981年，日本国际贸易和工业部提供8.5亿美元用于第五代计算机项目研究。
1986年10月，大卫鲁梅尔哈特（David Runmelhart）、杰佛里辛顿（Geoffrey Hinton）和罗纳德威廉姆斯（Ronald Williams)发表了一片具有里程碑意义的经典论文《通过误差反向传播学习表示》。
80年代后期，产业界发现对专家系统的开发与维护成本高昂，商业价值有限，在失望情绪的影响下，对人工智能投入大幅消减，人工智能的发展再度进入冬天。
2、人工智能前景
国家层面大力发展；
发展驱动力
GPU芯片加速计算力：推动矩阵、向量计算；
人才培养与教育
人工智能基础（幼儿园——大学）
AI巨头公司布局
百度AI城市——上海；
华为云AI——水务环保燃气；
人工智能在各行各业的应用
安防：天眼计划，分析人类生活轨迹，应用视觉技术，打造智慧城市；
金融：利用语音识别、语音理解等技术打造智能客服，识别电话诈骗；
医疗：智能影像可以快速进行癌症早期筛查，帮助患者更早发现病灶；
交通：无人驾驶通过传感器、计算机视觉等技术解放人的双手和感知，例如，特斯拉Models3解放人的双手和感知；
零售：利用计算机视觉、语音/语音的识别，计算机视觉提供更好的消费体验，分析个人偏好，定向实现真实需求；
工业制造：机器人代理工人在危险场所完成工作，在流水线上高效完成重复工作，导致一批重复劳动力失业；
3、人工智能定义
通过机器来模拟人类认识能力的一种科技能力。
核心能力是根据给定的输入做出判断或预测。
思考：通过什么途径才能让机器具备这样的能力？识别训练数据的模型，分析规律的能力，称为机器学习。
模型的定义：每个数据特征输入机器中，训练得出计算算法；
假设如果特征值有n个，实现多维的算法模型，计算大规模的数据；
群体：召集一批人员举重；
收集方式：手腕上的传感器收集数据；
历史数据：收集数据X1~Xn；
函数或模型：f([x])=y
4、监督学习
从给定的训练数据集（历史数据）中学习出一个函数(特征提取，总结成一个函数)，当新数据到来时，可以根据这个函数预测结果（验证当前函数或模型）；
准备数据：包含输入和输出，也可以说是特征和目标。
线性回归举例一：
假设有一项健康运动的研究调查，通过手段传感器收集一些健康者的数据；
演示：数据处理及示意图
参考：https://connect.huaweicloud.com/courses/learn/Learning/sp:cloudEdu_?courseNo=course-v1:HuaweiX+CBUCNXE036+Self-paced&courseType=1
5、科研工作者
Geoffrey Hinton是多伦多大学教授，谷歌大脑多伦多升级网络负责人；
Yann LeCun是纽约大学教授，Facebook研究室负责人，他改进了卷积神经网络CNN算法；
Yoshua Bengio是蒙特利尔大学教授，微软公司战略顾问，他推动了循环神经网络RNN算法的发展；
6、、什么是机器学习?
机器学习是一种统计学方法，计算利用已有数据，得出某种模型，再利用此模型预测结果。
随经验增加，结果更好；
模型涉及要素——新数据、模型、历史数据、结果；
例如：孩子认识世界的过程，来理解机器学习；
见到猫，告诉他这种动物叫猫，下次孩子见到猫时，从大脑中输出猫的符号；
7、、神经元模型
1943年，心理学家McCulloch和数学家Pitts参考了生物神经元的结构，发表了抽象的神经元模型MP。
数据输入：模拟神经元的树突；
数据输出：模拟神经元的轴突；
乘加运算：模拟细胞核；
注意：这类运算模拟神经元的基础；
8、、神经网络的发展
感知机：1958年两层神经网络首尾相接，组成单层神经网络，称作感知机；成为首个可以学习的神经网络；缺陷，无法对异或进行计算；
9、主流应用
AI辅助软件：辅助办公、辅助教育；
AI消费：AI PC、AI手机、XR设备和脑机接口技术等；
AI医疗：影像分析、药物研究等；
AI生活：智能家居、语音助手、自动驾驶等场景；
AI科研：药物研发、材料科学等领域；
AI制造：通过机器学习和自动化技术，优化生产过程、质量控制和物流管理，提升制造效率；
AI金融：利用智能算法进行风险评估和投资组合优化，实时监测金融交易，识别潜在欺诈行为，提供24小时在线客服；
AI教育：提供个性化教学方案，辅助教师进行课堂教学，提供在线教育平台，打破地域限制；
AI交通：实现自动驾驶汽车的自主导航和避障，优化交通信号控制和路线规划，减少拥堵和事故；
AI智慧安防：利用身份认证系统和智能摄像监控，提高安全性和监控效率；
AI能源与环保：通过AI优化能源生产和分配，提高能源利用效率，进行环境监测和保护；
AI游戏与娱乐：在电子游戏中实现智能对战，提升游戏体验；
10、、数字孪生技术就在我们身边
i.数字孪生脑：
人脑的突触参数高达 100 万亿，数字孪生脑是通过计算机或芯片来实现的虚拟大脑，它能够帮助研究人员理解信息如何在大脑中传播和处理的过程。
2015 年起，冯建峰担任复旦大学类脑智能科学与技术研究院院长，目前，他还担任上海数学中心首席教授兼任复旦大学大数据学院院长。复旦大学冯建峰教授团队构建了一个全人脑尺度大脑模拟平台数字孪生脑（DTB，Digital Twin Brain），首次在世界上实现了对 860 亿神经元和百万亿突触的具有生物已知结构的模拟。
ARM 处理器硬件微型体系架构原创者、英国曼彻斯特大学斯蒂芬·B·弗伯（Stephen B. Furber）教授对该研究评价称：“我已经深入了解了 DTB 团队的工作，他们有着很大的目标，通过基于生物数据的全脑计算模型的模拟和整合来探索类脑智能。”
在英国伦敦大学学院卡尔·J·弗里斯顿（Karl J. Friston）教授看来，DTB 是“全球计算神经科学和生物信息学领域最全面、技术原则最严谨和最重要的工作之一”。
