家长进课堂-关于人工智能的知识介绍精品课件.ppt

家长进课堂-关于人工智能的知识介绍精品课件.ppt

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
引子: 北京市几个重点中学小升初面试题:你读过多少科技类图书、你知道AI吗? “人工智能就像一列火车,它临近时你听到了轰隆隆的声音,你在不断期待着它的到来。它终于到了,一闪而过,随后便远远地把你抛在身后。” 人工智能的概念 第一节 人工智能的应用 第二节 问题思考、互动交流 第三节 目录 content 人类历史上的四次工业革命 “工业4.0”这一名称的含义是人类历史上的第四次工业革命。? 第一次工业革命是18世纪60年代至19世纪中期掀起的通过水力和蒸汽机实现的工厂机械化; 第二次工业革命是19世纪后半期至20世纪初的电力广泛应用; 第三次工业革命是20世纪后半期出现的、基于可编程逻辑控制器(PLC)的生产工艺自动化。 工业4.0核心特征是互联。代表了“互联网+制造业”的智能生产,孕育大量的新型商业模式。 人工智能将引领人类第四次工业革命 – 智能化 时间 18世纪末 工业1.0 创造了机器工厂的 “蒸汽时代” 20世纪初 电力广泛应用 蒸汽机 信息物联系统 20世纪后 今天 工业2.0 将人类带入分工明确、大批量生产的流水线模式和“电气时代” 工业3.0 应用电子信息技术,进一步提高生产自动化水平 自动化、信息化 工业4.0 开始应用信息物理融合系统(CPS) 复 杂 度 互联网时代 人工智能 机器人 交通工具(即无人机、无人驾驶等) VR(虚拟现实) 人工智能定义 人工智能这个词最早是在1956年美国的Dartmouth会议上提出的,当时参加会议的包括明斯基、西蒙、麦卡塞等一些计算机领域的专家。关于人工智能的定义,不同的教科书中往往会有不同的解释。其中有一种比较简单、易于理解的定义,人工智能就是“能够和人一样进行感知、认知、决策、执行的人工程序或系统。” 人工智能定义 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。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、语言处理和智能搜索等。 人工智能有那些类型? 弱人工智能,包含基础的、特定场景下角色型的任务,如Siri等聊天机器人和AlphaGo等下棋机器人; 通用人工智能,包含人类水平的任务,涉及机器的持续学习; 强人工智能,指比人类更聪明的机器; 人工智能发展历程 1956 1974 1980 1987 1993 2006 AI的诞生 1956达特矛斯 会议,“人工智 能”正式诞生 孕育期 电子计算机 机器翻译与NLP 图灵测试 计算机下棋 早期神经网络 搜索式推理 聊天机器人 乐观思潮 所有的AI程序 都只是“玩具” 运算能力 计算复杂性 常识与推理 专家系统 知识工程 五代机 神经网络重生 未达预期 削减投入 摩尔定律 统计机器学习 AI广泛应用 大数据 计算能力 应用增多 深度学习 人工智能 2016 人工智能已经加速成为国家战略,过去几年,最早被大家熟悉的“德国工业4.0”,核心就是人工智能;到2018年5月10日,美国白宫组织AI研讨会,成立AI专门委员会,确保人工智能领域美国第一。 人工智能发展历程 人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 人工智能研究方向 人工智能的蓝图 人工智能的技术架构 人工智能的产业生态 AI生态逐步形成:基础资源+技术+应用 手机中的AI应用 人工智能技术应用-深度学习 机器学习是实现人工智能的一种重要方法。机器可以自动“学习”算法,从数据中自动分析获得规律,并利用规律对未知数据进行预测。简单来说,机器学习就是使用算法分析数据,从中学习并自动归纳总结成模型,最后使用模型做出推断或预测。与传统的编程语言不同,使用大量的数据送给机器学习,这个过程叫做“训练”。 深度学习是机器学习中近年来备受重视的一支,深度学习的基础是大数据,实现的路径是云计算。只要有充足的数据、足够快的算力,得出的“结果” 就会更加准确。 1.构建一个网络并且随机初始化;? 2.将大量的数据情况输出到这个网络中;? 3.网络处理这些动作并且进行学习;? 4.经成千上万次的学习,自我完善进化; 人工智能技术应用-深度学习 深度神经网络也被称为深度学习,是人工智能领域的重要分支,深度神经网络目前是很多现代AI应用实现的基础。自从深度神经网络在语音和图像识别任务中展现出突破性成果后,使用深度神经网络的应用数量就呈爆炸式增长。 深度学习网络在近些年得到巨大成功,主要是由三个因素导致的。 首先是训练网络所需的海量信息。学习一个有效的表示需要大量的训练数据

文档评论(0)

Vens + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档