人工智能(34-36、40)
34.机器学习&人工智能
决策模型
计算机擅长存放,整理,获取和处理大量数据
机器学习算法的目的:最大化正确分类,最小化错误分类。
方法:通过条件来划分界限,以界来判断
这种决策边界是简单的几个矩形空间,是非常简单的决策模型,也可以转化成条件判断语言。
人工神经网络
![](https://pic.imgdb.cn/item/63edd420f144a01007e579f4.jpg)
一个一个的节点是神经元,它不用电信号,而是吃进去数字,吐出数字,然后一层一层的形成神经元网络。
深度学习
深度学习是人工智能的一个分支,它使用多层次的非线性处理,通过一系列可学习的算法来实现复杂的目标和任务。它使用深层神经网络来进行模型训练,从而让计算机能够从数据中发现规律和模式,并且能够做出更加精准的预测。它不需要人工提供特征,可以从原始数据中发现潜在的特征,从而让机器学习更加强大。
35.计算机视觉
像素色
![](https://pic.imgdb.cn/item/63edd61cf144a01007e90f63.jpg)
每一格像素都是三种色值决定的,通过三种原色的强度,可以得到任何颜色,RGB值
垂直边缘算法
将照片转成灰度图,放大,很容易发现哪是柱子的边缘,因为有垂直的颜色变化,某像素是否是垂直边缘取决于左右两边像素的差异程度,差异程度越大,越可能是边缘,如果色差很小就不是边缘。
这种算法是核过滤器,中间栏是0,左侧是-1,右侧是1, 如果加入每像素的灰度值计算求和,得到中心核的数值,这个数值越小说明越可能是边界。
![](https://pic.imgdb.cn/item/63edd75bf144a01007eaba5e.jpg)
人脸识别
卷积:把核应用于像素块
"卷积神经网络"用一堆神经元处理图像数据,每个都会输出一个新图像,本质上是被不同的核处理了,输出会被后面一层神经元处理,卷积卷积再卷积
36.自然语言处理
![](https://pic.imgdb.cn/item/63eddb06f144a01007ef7107.jpg)
使用短语结构规则用于计算机,句子可以由一个名词短语和一个动词短语组成,可以给一门语言指定出一堆规则,用这些规则,可以做出分析树。
40.奇点,天网,计算机的未来
计算机处理能力
正如摩尔定律所描述的,在本世纪中页,计算机的处理能力就能超过人类。然后人的参与会越来越少,人工智能会开始改造自己,智能科技的失控性发展叫奇点。
![](https://pic.imgdb.cn/item/63ede072f144a01007fa48e5.jpg)
职业
“技术性失业”:很多工作被计算机替代
![](https://pic.imgdb.cn/item/63ede01cf144a01007f97fc5.jpg)
![](https://files.imgdb.cn/static/images/7f/7d/63eddfa2f144a01007f87f7d.jpg?expired=2023-02-18&sign=838e44bd79d462c68e969bbbcea7917b)
未来:
人们可能肉体死去,意识传入计算机,数字永生