大数据导论第9章 大数据与人工智能.pptx

大数据导论;第9章 大数据与人工智能;9.1 什么是人工智能; 早在我国西周时期，就流传着有关巧匠偃师献给周穆王一个艺妓（歌舞机器人）的故事，有《列子·汤问》篇记载为证；还流传了这么一个典故——“偃师造人（见图9-1）、唯难于心”，就是说技艺再好，人心难造。; 500?多年前，达·芬奇在手稿中绘制了西方文明世界的第一款人形机器人，它用齿轮作为驱动装置，由此通过两个机械杆的齿轮再与胸部的一个圆盘齿轮咬合，机器人的胳膊就可以挥舞，可以坐下或者站立。更绝的是，再通过一个传动杆与头部相连，头部就可以转动甚至开合下颌。一旦配备自动鼓装置，这个机器人甚至就可以发出声音。后来，一群意大利工程师根据达·芬奇留下的草图苦苦揣摩，耗时15年造出了被称为“机器武士”的机器人，如图9-2所示。;图9-2 被称为“机器武士”的机器人; 1738年，法国天才技师杰克·戴·瓦克逊发明了一只机器鸭（见图9-3），它会“嘎嘎”叫，会“游泳”和“喝水”，还会“进食”和“排泄”。瓦克逊的本意是想把生物的功能加以机械化而进行医学上的分析。; 1768—1774年间，瑞士钟表名匠德罗斯父子3人设计制造出3个像真人一样大小的机器人——写字偶人、绘图偶人和弹风琴偶人，如图9-4所示。它们是由凸轮控制和弹簧驱动的自动机器，至今还被作为国宝被保存在瑞士纳切特尔市艺术和历史博物馆内。;2．图灵测试 艾伦·麦席森·图灵（Alan Mathison Turing，1912年6月23日—1954年6月7日，见图9-5）是英国计算机科学家、数学家、逻辑学家、密码分析学家和理论生物学家，而他更为大众所熟知的身份，是计算机科学与人工智慧之父。 1936年，图灵提出了一种抽象计算模型，即将人们使用纸、笔进行数学运算的过程进行抽象，由一个虚拟的机器替代人们进行数学运算。这就是图灵机，也被称为图灵运算。图灵机通过假设模型证明了任意复杂的计算都能通过一个个简单的操作完成，从而从理论上证明了“无限复杂计算”的可能性，直接给计算机的诞生提供了理论基础，也为研究能思考的机器提供了方向指引。;图9-5 艾伦·麦席森·图灵（Alan Mathison Turing）; ;图9-6 研讨会成员合影;4．繁荣与低谷 达特茅斯会议后，人工智能研究的发展并非一帆风顺。与所有高新科技一样，人工智能研究的发展过程经历了挫折与挣扎、繁荣与低谷，经过了几起几落，每个兴盛期都有不同的技术出现，如图9-7所示。; 最早一次的兴起是1956年至20世纪70年代初，以控制论、信息论和系统论为理论基础，以命题逻辑、谓词逻辑等知识表达、启发式搜索为代表算法。这一时期，人们对人工智能进行前期探索。 1980年，卡内基梅隆大学为DEC公司设计了一套名为XCON的“专家系统”。这是一种采用人工智能程序的系统，可以简单地理解为“知识库+推理机”的组合。 第三次热潮是2016年一个名叫AlphaGo的机器人引发的。;9.1.2 人工智能的研究方向和方法 为了让机器像人一样思考，人工智能就必须涵盖很多大的学科。人工智能的表现形式和相关学科如下。 （1）会看：图像识别、文字识别、车牌识别。 （2）会听：语音识别、说话人识别、机器翻译。 （3）会说：语音合成、人机对话。 （4）会行动：机器人、自动驾驶汽车、无人机。 （5）会思考：人机对弈、定理证明、医疗诊断。 （6）会学习：机器学习、知识表示。; 机器学习（Machine Learning）是实现人工智能的一种方法。机器学习的概念来自早期的人工智能研究者，已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等。简单来说，机器学习就是使用算法分析数据，从中学习并做出推断或预测。与传统的使用特定指令集手写软件不同，机器学习方法使用大量数据和算法来“训练”机器，让机器学会如何自己完成任务。; 深度学习（Deep Learning）是实现机器学习的一种技术。深度学习的概念源于人工神经网络的研究，含多个隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 图9-8给出利用隐藏层进行图片解码，从而实现人脸识别的原理。;图9-8 神经网络实现人脸识别的原理; 图9-9所示为2010—2015年ImageNet项目冠军所用神经网络的层数和图像识别错误率。;9.1.3 人工智能面临的问题 现阶段人工智能的局限性主要表现在以下5个方面。 （1）认识论的局限性。 （2）智能化方法与途径方面的局限性。 （3）数学基础的局限性。 （4）计算机模型的局限性。 （5）实现技术方面的局限性。; 人工智能面临的