没有合适的资源?快使用搜索试试~ 我知道了~
化工应用数学-07-人工智能简介-讲义1
需积分: 0 0 下载量 120 浏览量
2022-08-03
16:16:34
上传
评论
收藏 1.24MB PDF 举报
温馨提示
试读
11页
化工应用数学 第七章 人工智能简介 讲义计算机的历史:最早的能够用于计算的机器是我国北宋时期发明的算盘,其只能是人工手动拨动算珠进行四则运算;之后是约 200
资源详情
资源评论
资源推荐
1 / 11
化工应用数学 第七章 人工智能简介 讲义
计算机的历史:
最早的能够用于计算的机器是我国北宋时期发明的算盘,其只能是人工手动
拨动算珠进行四则运算;
之后是约 200 年前,英国数学家巴贝奇设计了第一台能计算二次多项式的计
算机器,叫做差分机,通过摇动左侧的手柄计算二次多项式,注意由于时代限制,
尽管巴贝奇消耗的资金足够制造好几艘军舰,但他最终也没完成差分机的制造。
图上展示的是后来依照巴贝奇的设计图纸制造的,并且计算速度很慢,计算 4
2
+2
大约需要摇上十几秒;
真正奠定现代计算机理论基础的是库尔特.哥德尔,他正式提出可以把人类
的全部认知归结为无数条定理,并且这些定理都可以用数学的模式进行表示和逻
辑推导;
冯.诺依曼被称为现代计算机之父,他设计了经典的冯.诺依曼结构,就是将
软件命令和数据素材都存在一起,整个设备由中央处理器、内存、硬盘、输入接
口、输出设备组合而成,程序命令按照顺序执行,其次再考虑时间,我们现在几
乎所有计算机、笔记本、智能手机都是基于冯诺依曼结构制造和运行的;
图中展示的是 1945 年制造的 ENIAC,世界上第一台通用电子计算机。由于
命令仍然需要人工输入和调整,所以经常为了计算某个问题,需要专门人员拔掉
或接入上千个插口;
最后这里是现代的大型超级计算机天河二号,通过网络将很多计算刀片连接
而成。
人工智能历史:
1956 年夏,麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用
机器模拟人的智能”,首次提出“人工智能(Artificial Intelligence,简称 AI)”这一
概念,标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及
应用系统的一门新的技术科学,研究目的是促使智能机器会听(语音识别、机器
翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会
思考(人机对弈、定理证明等)、会学习(机器学习、知识表示等)、会行动(机
器人、自动驾驶汽车等)。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自 1956 年以来
60 余年的发展历程,学术界可谓仁者见仁、智者见智。我们将人工智能的发展历
程划分为以下 6 个阶段:
一是起步发展期:1956 年—20 世纪 60 年代初。人工智能概念提出后,相继
2 / 11
取得了一批令人瞩目的研究成果,如机器定理证明、跳棋程序等,掀起人工智能
发展的第一个高潮。
二是反思发展期:20 世纪 60 年代—70 年代初。人工智能发展初期的突破性
进展大大提升了人们对人工智能的期望,人们开始尝试更具挑战性的任务,并提
出了一些不切实际的研发目标。然而,接二连三的失败和预期目标的落空(例如,
无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等),使人
工智能的发展走入低谷。
三是应用发展期:20 世纪 70 年代初—80 年代中。20 世纪 70 年代出现的专
家系统模拟人类专家的知识和经验解决特定领域的问题,实现了人工智能从理论
研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系
统在医疗、化学、地质等领域取得成功,推动人工智能走入应用发展的新高潮。
四是低迷发展期:20 世纪 80 年代中—90 年代中。随着人工智能的应用规模
不断扩大,专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推
理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期:20 世纪 90 年代中—2010 年。由于网络技术特别是互联网
技术的发展,加速了人工智能的创新研究,促使人工智能技术进一步走向实用化。
1997 年国际商业机器公司(简称 IBM)深蓝超级计算机战胜了国际象棋世界冠
军卡斯帕罗夫,2008 年 IBM 提出“智慧地球”的概念。以上都是这一时期的标志
性事件。
六是蓬勃发展期:2011 年至今。随着大数据、云计算、互联网、物联网等信
息技术的发展,泛在感知数据和图形处理器等计算平台推动以深度神经网络为代
表的人工智能技术飞速发展,大幅跨越了科学与应用之间的“技术鸿沟”,诸如图
像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不
能用、不好用”到“可以用”的技术突破,迎来爆发式增长的新高潮。
我们上面说的这些都称作人工智能,但本门课我们主要给大家讲述近十年来
迅速发展的深度神经网络。
计算机视觉(CV)简单介绍:
深度神经网络有很长的历史、也有很多的分支,我们从计算机视觉(CV)方
面为插入点来介绍深度神经网络。计算机视觉简单来说就是要赋予计算机自然视
觉能力,让它像是我们一样能够看到东西。
地球上的生命诞生于约 35 到 46 亿年前,而生物的视觉产生的却要晚很多,
但生物的视觉是很神奇的,有一种说法:在视觉产生之前的几十亿年里,生物很
简单,漂浮着在海洋里,等待食物漂过嘴边,进化十分缓慢;正是因为生物进化
出了视觉,5 亿 4 千万年前生物的进化猛然加速、物种开始大爆发,进而一步步
的产生了更加复杂的高级生物。
3 / 11
而人类在赋予机器视觉方面也做了很多的努力,从最早的文艺复兴时期的暗
箱开始,人类给与了机器记录下视觉的能力,但是这离机器真正有视觉还很远。
而真正的计算机视觉的起源可以追溯到 1966 年,当时麻省理工的学者们发起了
一个项目:The summer vision project,他们计划用一个暑假的时间来完全解决计
算机的视觉问题,当然最终是失败了,因为哪怕到今天计算机视觉方面的研究离
完全解决还有很远的路程,但这却是人类对计算机视觉发起研究的开始,这之后
计算机视觉也逐步迅速发展。
这里我们不去详述计算机视觉的发展历史,我们更关注的是深度神经网络,
计算机视觉在本门课程里只是作为一个切入点。
图像分类-线性分类:
图像分类即按图片内容的不同给图片分别贴上不同的标签,表明图片中出现
了哪一种事物。图中列出的是 CIFAR-10 数据集,该数据集共有 60000 张彩色图
像,这些图像是 32*32,分为 10 个类,每类 6000 张图,这些数据可以用作之后
神经网络的训练和测试使用,其在现在的 CV 领域已经算是规模比较小的数据集
了。而图片分类的问题就变成了:在已知一些分类图片(数据集)之后,新得到
一张图片,应该把新图片放到哪个分类中?
思考:计算机看到的图像是什么样的?怎么用计算机去分类图片?
图像在计算机中的现实和存储是按像素来进行的,对于黑白图片,每个像素
上的灰度值被用 0~255 的一个整数代表,从而一张图片就是这样的整数矩阵;而
彩色图片则是分别存储了其 R、G、B 三原色的三个通道的数据。
为简单起见,我们现在不考虑三通道的问题,而是认为一个图片就是一个数
据矩阵。那么数据分类的最直接的一个思路就是一个像素、一个像素的去对比,
类似于我们玩的大家来找茬的游戏那样。
如下图所示那样,我们逐个像素的将同样位置的数值相减,然后将绝对值相
加,将相加的结果作为要测图片和我们已知图片的误差,最终将和我们所测图片
剩余10页未读,继续阅读
首席程序IT
- 粉丝: 31
- 资源: 305
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0