农业物联网技术应用-人工智能.pptxVIP

知识点：人工智能;;人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能学科是研究使计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机、使计算机实现更高层次的应用。;根据人工智能的发展阶段，可以将AI分为两类：一种是弱人工智能阶段（ArtificialNarrowIntelligence，ANI），另一种是强人工智能阶段（ArtificialGeneralIntelligence，AGI）。

（1）弱AI又称窄AI，指专门针对特定任务而设计和训练的AI，如苹果的虚拟语音助手Siri。在“弱人工智能”阶段，ANI只专注于完成某个特定的任务，如语音识别、图像识别和翻译，是擅长单个方面的人工智能，类似高级仿生学。它们只是用于解决特定具体类的任务问题而存在，大多是统计数据从中归纳出模型。谷歌的AlphaGo是典型的“弱人工智能”，它可以被称为一个优秀的数据处理者，但是AlphaGo也仅会下棋，是一项擅长于单个游戏领域的人工智能。;（2）强AI又称通用AI，具备通用化的人类认知能力，具备足够的智能以解决不熟悉的问题。在“强人工智能”阶段，AGI就能在各方面都与人类媲美，拥有AGI的机器不仅是一种工具，而且本身可拥有“思维”。有知觉和自我意识的AGI能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习等，人类能干的脑力活它基本都能胜任。

事实上，人工智能国际主流学界所持的目标是弱人工智能，目前很少有人致力于强人工智的研究，也没有相应的成果。;1、大数据与人工智能二者相辅相成，随着智能终端和传感器的快速普及，海量数据快速累积，基于大数据的人工智能也因此获得了持续快速发展的动力来源。

2、大数据和人工智能的关注点并不相同，但却有着密切的联系：一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，如机器学习就是数据分析的???用方式。在大数据价值的两个主要体现中，数据应用的主要渠道之一就是智能体（人工智能产品），为智能体提供的数据量越大，智能体的运行效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。;3、大数据的积累为人工智能发展提供燃料。如果我们把人工智能看成一个拥有无限潜力的婴儿，那么某一领域海量的数据就是奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。

《数据时代2025》白皮书显示，到2025年全球数据总量将达到163ZB，其中属于数据分析的数据总量将比2016年增加50倍，达到5.2ZB（十万亿亿字节）。爆炸性增长的数据推动着大数据技术的壮大，也为人工智能技术提供了丰厚的数据土壤。

;4、数据处理技术推进运算能力提升。人工智能领域富集了海量数据，传统的数据处理技术难以满足高强度、高频次的处理需求。AI芯片的出现，大大提升了大规模处理大数据的效率。目前，出现了GPU（GraphicsProcessingUnit，图形处理器）、NPU（NeuralNetworksProcessUnits，神经网络处理单元）、FPGA（Field-ProgrammableGateArray，现场可编程门阵列）和各种各样的AI专用芯片，比传统的双核CPU提升约70倍的运算速度。;5、按产业链结构划分，人工智能可以分为基础技术层、AI技术层和AI应用层。基础技术层主要聚焦于数据资源、计算能力和硬件平台，数据资源主要是各类大数据，硬件资源包括芯片研发、存储设备开发等。AI技术层着重于算法、模型及可应用技术，如计算智能算法、感知智能算法、认知智能算法。AI应用层则主要关注将人工智能与下游各领域结合起来，如无人机、机器人、虚拟客服、语音输入法等。;作为引领新一轮科技革命和产业变革的战略性技术，人工智能的产业化已经取得了显著的效果，在各领域的逐步应用也显示出带动性很强的“头雁”效应。中国、美国、英国、德国、法国、日本等主要国家都纷纷将人工智能上升为国家级战略，积极抢占人工智能竞争的制高点。我国还进一步强调要加强人工智能领域前沿技术布局，支持科学家勇闯人工智能科技前沿的“无人区”。

在云计算、大数据和芯片等的支持下，人工智能已经成功地从实验室中走出来，开始进入到了商业应用，并在机器视觉、自然语言处理、机器翻译、路径规划等领域取得了令人瞩目的成绩。未来人工智能技术将分别沿着算法和算力两条主线向前发展，并逐步带领人类进入到人机协同的新时代。