走进未来人工智能问答题.pdfVIP

走进未来人工智能问答题

第一问：人工智能是什么？

第二问：人工智能相关的热词，比如机器学习、深度学习、计算

机视觉、TensorFlow等到底指的是什么？

第三问：人工智能与机器学习、和深度学习的关系？

第四问：人工智能的短板是什么？

第五问：机器学习分为哪几类？

第六问：人工智能的核心是什么？

第七问：深度学习的要点是什么？

第八问：人工智能目前的发展现状？（商用）

第九问：人工智能面临的技术挑战是什么？

第一问：人工智能是什么？

人工智能（ArtificialIntelligence，缩写为AI）亦称机器智

能，是指由人制造出来的机器所表现出来的智能。通常的定义是：研

究开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用

系统的一门新学科。在维基百科里，人工智能被定义为，有关智能主

体的研究与设计，而智能主体是指一个可以观察周遭环境并做出行动

以达一致目标的系统。

第二问：人工智能相关的热词，比如机器学习、深度学习、计算

机视觉、TensorFlow等到底指的是什么？

把人工智能比作一辆超级跑车的话，其他概念类比如下：

人工智能（AI）：超级跑车

机器学习（ML）：12缸发动机的超级跑车

神经网络（NN）：6升排气量12缸发动机的超级跑车–兰博

基尼

深度学习（DL）：使用涡轮增压技术的6升排气量12缸发动

机的超级跑车–Urus

强化学习（RL）：边行驶边进化的超级跑车

强人工智能（AGI）：水陆空三栖超级跑车

数据科学（DS）：经过各种路况和全天候测试的超级跑车

计算机视觉（CV）、自然语言处理（NLP）：参加F1或Nascar

大赛的超级跑车

TensorFlow,Theano,Torch,Caffe,MxNet...：超级跑车生产

线和组装线

第三问：人工智能与机器学习、和深度学习的关系？

用一张图表示概念的广度和产生的时间

第四问：人工智能的短板是什么？

1、只能解决小规模问题：著名的识别猫实验–1,000台计算

机，16,000GPUs

2、缺乏可解释性：ExplainableAI-XAI

3、没有（完整的）数学理论支撑：理论不够，技巧来凑

第五问：机器学习分为哪几类？

监督式学习：给定输入→预测输出，训练数据包含输出的标签。

非监督式学习：给定输入→学习数据中的模式和范式，训练数

据不包含输出数据的标签。

半监督式学习：给定输入和输出的某些假设（流型或簇）→联

合概率最大（联合概率=有标签条件概率*无标签先验概率），训

练数据中包含少量的标签数据和大量的无标签数据。

加强型学习：制定奖励/惩罚(reward)机制，在没有指导的情况

下，该机制就可以帮助网络完成学习，比如：利用动态规划制定奖励

机制。

其他：课程学习、主动学习、生成对抗学习...

第六问：人工智能的核心是什么？

学习能力，课分为浅度学习和深度学习。

浅度学习的关键词：依赖先验知识，需要特征选择/工程记忆重

于理解事实重于论据商用

深度学习的关键词：逐层抽象数据、挖掘未知信息、对先验知识

依赖较

第七问：深度学习的要点是什么？

1、大数据

2、模型

深度神经网络（DNN）：来源于传统神经网络（如MLP），通常

为前馈神经网络。

卷积神经网络(CNN)：来源于循环型神经网络，理论上网络具有

无限深度。受Hubel和Wiesel1962年对视觉皮质的研究。

深度信任网络(DBN)：一种基于概率的生产型网络。(有向/无向)

深度玻尔兹曼机(DBM):一种二进制型的马尔可夫随机场。(无

向)其他：深度核心网络、深度自编码网络

3、优化算法和技巧

梯度递减算法：随