人工智能概述 | 学习笔记

简介: 快速学习人工智能概述

开发者学堂课程【计算机视觉入门及案例实战人工智能概述学习笔记,与课程紧密连接,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/744/detail/13169


人工智能概述

 

内容简介:

一、人工智能的起源

二、人工智能的发展历程

三、人工智能是多学科的综合应用

四、人工智能的应用案例

五、人工智能的定义

六、习题

 

一、人工智能的起源

1.图灵测试与人工智能

1950年英国数学家艾伦-麦席-图灵首先提出的关于区分人工智能的一个测试:测试中要求不相知的情况下们进行随机的提问交流,如果超3成的测试者没有发现对方是机器设备,那就代表了这台设备拥有“人类智能“

图灵:“很遗憾的是到目前为止还没有任何人工智能通过测试!

2.达特茅斯会议

1956年8月,在美国汉诺斯小镇宁静的达特茅斯学院中,

约翰.麦卡锡

马文.闵斯基(人工智能与认知学专家)

克劳德.香农(信息论的创始人)

艾伦.纽厄尔(计算机科学家)

赫伯特.西蒙(诺贝尔经济学奖得主)等科学家正聚在一起,讨论着一个完全不食人间烟火的主题:用机器来模仿人类学习以及其他方面的智能。会议足足开了两个月的时间,虽然大家没有达成普遍的共识,但是却为会议的内容起了一个名字:人工智能。因此,1956年也就成为了人工智能元年。


二、人工智能的发展历程

image.png

人工智能的发展历程用曲折起伏,我简单的把人工智能,从1956年诞生到今天为止的整个人工智能的发展历程,简单划分成了了6个阶段,这条曲线是指,随着时间推移,人工智能的热度实际上也是有高有低,有起有伏。这就意味着我们人工智能的发展,并不是一帆风顺的,实际上是在曲折中前行的。


三、人工智能是多学科的综合应用

image.pngimage.png

人工智能是一个跨多学科的综合应用,左边这张图,描述的是国内外AI人才的主要研究领域。从这张图上面,我们可以看到比较受国际人才青睐的研究细分领域,分别是机器学习、数据挖掘、模式识别以及计算机视觉。而中国的人工智能人才比较倾向的研究领域是:遗传算法、神经网络、故障诊断和数据挖掘。

右边这张图是国内外人工智能企业技术及行业分布差异,我们可以看出中国人工智能企业的应用技术更集中于计算机视觉和语言语音的处理。从人工智能在行业应用来看,智能机器人,无人驾驶,无人机,大数据AR以及VR是人工智能的主攻方向。这里的人工智能是指人工智能和其他行业混合一起去使用,其实就是其他的应用

 

四、人工智能的应用案例

下面三张图片是关于人工智能的相关应用

1.医学上的应用

image.png

第1张图片是在医学领域的应用,人工智能在医学领域的应用是非常成功的,图片上的例子是人工智能帮忙改善生物医学影像。当医学设备拍摄的照片不够清晰时,可以使用人工智能的技术对他们进行优化。上面是拍的不那么好的效果,下面是做完优化的效果。这项技术是使用了机器学习的算法,这为未来高清诊断和高性价比设备铺平的道路。

2.无人驾驶

image.png

第2张照片是无人驾驶,也是一个一直非常火爆的名词。那乐观估计在不久的将来路上就会都是无人驾驶的汽车。当然可以去想象,假如所有的汽车都是被程序控制的,那将大大的改善我们现在拥堵的交通现状。

3.语音助手

image.png

第3张照片是语音助手,想必大家都非常熟悉。在这样一个智能手机普遍应用的年代,语音助手确实大大的方便了目前的生活。

这三个例子都是人工智能的典型应用案例,从中可以看到人工智能确实在改变了人们生活的方方面面。

 

五、人工智能的定义

人工智能:如果机器和程序表现出了类似人学习或其他方面的能力,就可以称其实现了人工智能。

人工智能的研究领域广泛,应用领域广泛,只要选择其中一个领域进行学习就可以了,如数据计算机视觉、自然语言处理和机器学习等。

 

六、习题

单选题:以下四个说法中完全正确的有?()

A:1950年,在达特茅斯会议上,人工智能的概念正式诞生。

B:从1956年人工智能的诞生至今,人工智能的发展一帆风顺。

C:人工智能在医学领域的运用非常成功,如进行医学影响的优化。

D:人工智能是一门单一的学科,我们可以在短时间内就掌握所有的人工智能技术。

正确答案:C

解析:

A在达特茅斯会议上人工智能的概念正式诞生,错误,1956年在达特茅斯会议上人工智能的概念才正式提出,1950年是图灵提出图灵测试定义人类智能,所以A错误。B选项从1956年人工智能的概念诞生至今人工智能的发展一帆风顺,错误,并非一帆风顺,实则是在挫折中发展,B错误。C选项人工智能在一水领域的运用非常成功,如医学影像的优化,正确。D选项人工智能是一门单一的学科,我们可以在短时间内就掌握所有人工智能的技术,错误。不是单一的学科,也不能在短时间内掌握所有人工智能的技术,所以D选项错误。

相关文章
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】人工智能概述
【机器学习】人工智能概述
81 0
|
2天前
|
人工智能 自然语言处理 算法
【人工智能】TF-IDF算法概述
TF-IDF算法,全称Term Frequency-Inverse Document Frequency(词频-逆文档频率),是一种在信息检索和文本挖掘领域广泛应用的加权技术。它通过评估一个词语在文档中的重要程度,来挖掘文章中的关键词,进而用于文本分析、搜索引擎优化等场景。其核心思想是:如果某个词或短语在一篇文章中出现的频率高(TF高),且在其他文章中很少出现(IDF也高),则认为这个词或短语具有很好的类别区分能力,适合用来代表这篇文章的内容。 具体而言,TF-IDF由两部分组成,即词频(TF)和逆文档频率(IDF)。词频(TF)指的是某一个给定的词在该文件中出现的频率。这个数值通常会被归一化
6 3
|
2天前
|
机器学习/深度学习 人工智能 并行计算
【人工智能】CPU、GPU与TPU:人工智能领域的核心处理器概述
在人工智能和计算技术的快速发展中,CPU(中央处理器)、GPU(图形处理器)和TPU(张量处理器)作为核心处理器,各自扮演着不可或缺的角色。它们不仅在性能上各有千秋,还在不同的应用场景中发挥着重要作用
13 2
|
2天前
|
机器学习/深度学习 人工智能 算法
【人工智能】传统语音识别算法概述,应用场景,项目实践及案例分析,附带代码示例
传统语音识别算法是将语音信号转化为文本形式的技术,它主要基于模式识别理论和数学统计学方法。以下是传统语音识别算法的基本概述
9 2
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
【人工智能】人工智能在医疗健康中的应用以及实际案例和进展概述
人工智能(Artificial Intelligence, AI)在医疗健康领域的应用日益广泛,为医疗服务的提升和健康管理带来了革命性的变化。以下是人工智能在医疗健康中的主要应用
7 1
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能】常用的人工智能框架、模型、使用方法、应用场景以及代码实例的概述
人工智能(AI)领域涉及众多框架和模型,这些框架和模型为开发人员提供了强大的工具,以构建和训练各种AI应用。以下是一些常用的人工智能框架、模型、使用方法、应用场景以及代码实例的概述。
6 1
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能】Transformers之Pipeline(概述):30w+大模型极简应用
【人工智能】Transformers之Pipeline(概述):30w+大模型极简应用
18 1
|
2天前
|
机器学习/深度学习 算法 TensorFlow
【人工智能】TensorFlow和机器学习概述
TensorFlow的性能优化将是持续的工作重点。这包括更高效的GPU和TPU支持、更快速的模型训练与推理、以及优化的内存使用。同时,随着硬件的发展,TensorFlow将不断优化其代码库以充分利用新型硬件的能力。
6 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能之原理概述
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、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。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等
31 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理

热门文章

最新文章