资源描述
Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,人工智能漫谈演讲April15.PPT讲座,漫谈要点,人工智能的起源,人工智能的发展历程,计算智能的研究,几个人工智能发展中的重大成就,当前人工智能的热点,对人工智能发展的几点思考,结语,人工智能的起源,思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨,萌生了有智能的机器的想法。,十九世纪,布尔和摩尔根提出了“思维定律”,这是人工智能的开端;英国科学,家巴贝奇设计了第一架“计算机器”,被认为是计算机硬件,也是,AI,硬件的前身。,1943,年,M-P,Model,提出,,Heb,学习率发现,Perceptron,的提出,神经网络训练,1956,年,Dartmouth,会议,由,J.McCarthy,及一批多学科的科学家在,Dartmouth,大学,召开的会议上,首次提出“,Artificial,Intelligence,”概念。,今年是,AI,诞生,60,周年(,1,个甲子)!,计算机能具有智能吗?,阿兰,图灵认为机器可以模拟人脑思维过程;一个良好设计的计算,机能够做到人脑所能做的一切。,“计算机科学之父”、“人工智能之父”,阿兰,麦席森,图灵,The,Turing,Test,图灵奖,什么是人工智能?,让机器做需要人类智能才可以做的那些事情。,让机器做人类需要它做的任何事情。,认识、模拟和扩展,人的(自然)智能,为人类社会服务。,2016/4/12,Tuesday,6,人工智能的发展历程:,人工智能的三个学派,符号主义学派,始于,20,世纪,50,年代,以知识为基础,通过推理来进行问题求解,功能模拟的方法,代表人物:,Simon,Minsky,和,Newell.,McCarthy,Nillsson.,联接主义学派,始于,1943,年的,M-P,模型(,McCulloch,Pitts,),1982,年,Hopfiled,提出的用硬件模拟神经网络,BP,算法,结构,-,功能模拟的方法,代表人物:,McCulloch,Pitts,Hopfield,Rumelhart,等。,行为主义学派,进化主义或控制论学派,始于,20,世纪,60-70,年代,智能行为的“感知,-,动作”模式,行为模拟的方法,代表人物:,R.A.,Brooks,螺旋式上升发展路线,人工智能的研究内容,方法层面:,启发式搜索,推理方法,知识表示,AI,语言,(Lisp,,,Prolog,),模式识别,机器学习,生物激发方法(,计算智能,),应用层面:,自然语言理解、数据库的智能检索、专家系统、机器定理证明、博弈、机,器人学、自动程序设计、组合调度(智能优化)、感知、语音、视觉、生,物特征识别、虚拟现实、复杂系统、大数据,等。,计算智能的研究,-Computational,Intelligence,人工神经网络,-,例如:多层神经网络(,MLP,)及其,Back,Propagation,(BP),Alg.,模糊逻辑与推理,进化计算,-,例如:,Genetic,Alg.,群体智能,-,例如:,PSO,Fireworks,Alg.,等等,计算智能(CI)涉及神经计算、模糊计算、进化计算和人工生命等,领域,它的研究和发展正反映了当代科学技术多学科交叉与集成的,重要发展趋势,是人工智能的最新发展。,传统人工智能,VS,计算智能,传统人工智能,符号人工智能,始于,20,世纪,50,年代,以,符号形式的知识和信息,为基础,通,过逻辑推理,运用知识进行问题求,解,知识获取、知识表示、知识组织与,管理、知识运用、基于知识的智能,系统,计算智能,计算人工智能,始于,20,世纪,80,年代,以,数值数据,为基础,通过数值,计算,运用算法进行问题求解,人工神经网络、进化计算、群体,智能、人工免疫系统、模糊系统,生物神经网络,vs.,人工神经网络,生物神经网络结构,多层前馈人工神经网络模型,x,x,5,5,f,(,x,),=,20,+,e,20exp,0.2,1,=,i,x,2,exp,1,cos,(,2,x,i,),x,32,32,n,n,i,=,1,11,n,i,2,f,(,x,),=,n,i,=,1,2,),Rosenbrock,Function,2,i,+,1,i,=,1,3,),Rastrigin,Function,D,2,i,i,i,=,1,n,1,n,n,4,),Ackley,Function,复杂优化问题,Standard,benchmark,functions,1,),Sphere,Function,12,更复杂优化问题,-,智能优化搜索方法,遗传算法-Genetic,Algorithm,生物进化是一个优化过程,目的是在不断变化的竞争环境,中提高某生物(或系统)的生存能力。,个体,环境,候选解,待求解问题,?,达尔文,适者生存,优胜劣汰,建,模,自然群体,FWA,Ying,Tan,Fireworks Algorithm,Springer,2015.10.,Y.,Tan,C.,Yu,S.Q.,Zheng,and,K.,Ding,Introduction,to,Fireworks,Algorithms,International,Journal,of,Swarm,Intelligence,Research,(IJSIR),October-December,2013,vol.,4,No.,4,pp.,39-71.,谭营,(,著,),,烟花算法引论,科学出版社,2015.04.,机器学习(,Machine,Learning,),通过经验提高系统自身性能的过程,(系统自我改进),机器学习是人工智能的主要核心研究领域之一,也是现代智能系统的关键环节和瓶颈。,一个没有学习功能的系统是不能被称为智能系统。,机器学习正逐渐从,AI,中独立出来,成为一种新的问题求解工具。,2016/4/12,Tuesday,谭营,-,机器学习研究及最新进展,18,机器学习的任务,令,W,是这个给定世界的有限或无限所有对象的集合,由于观察能力的限制,我,们只能获得这个世界的一个有限的子集,Q,W,,称为样本集。,机器学习就是根据这个有限样本集,Q,,推算这个世界的模型,使得其对这个世,界为真。,W,Q,W,Model,建模,泛化,训练与泛化,浅层学习(,Shallow,Learning,),浅层学习是机器学习的第一次浪潮,上世纪,80,年代,计算智能研究中的人工神经网络热潮,给机器学习带来了希望,,掀起了基于统计模型的机器学习热潮。,多层感知机(,Multi-layer,Perceptron,),支撑向量机(,SVM,)、,Boosting,、最,大熵方法(如,Logistic,Regression,)等。,人工神经网络的反向传播算法(,BP,算法),深度学习,-,Deep,Learning,2006,年,,Prof.,Geoffrey,Hinton,等在科学上发,表的文章开启了深度学习的新浪潮。,他们的两个主要观点:,1,)多隐层的人工神经网络具有优异的特征学习能,力,学习得到的特征对数据有更本质的刻画,从,而有利于可视化或分类;,2,)深度神经网络的训练问题,可以通过“逐层预,训练”(,layer-wise,pre-training,)来有效解决。,深度学习是机器学习的第二次浪潮,Deep,learning,algorithms,attempt,to,learn,multiple,levels,of,representation,of,increasing,complexity/abstraction.,Deep,Architectures,Deep,multi-layer,neural,networks,are,the,basic,architectures,of,deep,learning.,When,a,function,can,be,approximated,by,a,deep,architecture,with,few,computational,elements,it,might,need,a,very,large,architecture,to,be,approximated,by,an,insufficiently,deep,one.,Breakthrough,Greedy,layerwise,unsupervised,pre-training.,Hinton,et,al.,2006;,Bengio,et,al.,2007;,Ranzato,et,al.,2007.,Use,the,weights,got,by,pre-training,to,initialize,the,weight,of,supervised,training.,Then,run,the,general,supervised,training,process,such,as,BP,algorithm.,Experimental,Comparison,Without,pre-training,training,converges,to,a,poorer,apparent,local,minimum.,Unsupervised,pre-training,helps,to,nd,a,better,minimum,of,the,online,error.,Experiments,were,performed,by,Dumitru,Erhan.,Race,on,ImageNet,(Top,5,Hit,Rate),Answer,from,Geoff,Hinton:,85%,2012,在科技界,微软、谷歌、,Facebook,、百度等巨头对于研发,的狂热追逐举世皆知,,ImageNet,大规模视觉挑战也是其角,力的重要战场,人脸识别程序,CUHK,的汤晓鸥教授领导的计算机视觉研究组,(mmlab.ie.cuhk.edu.hk),开发了,一个名为,DeepID,的深度学习,(DL),模型,,在,LFW,(Labeled,Faces,in,the,Wild),数,据库上获得了,99.15%,的识别率,这也是有史以来首次超过,99%,的,LFW,识别率,,比肉眼识别更加精准。,此前,Facebook,发布了另一套基于深度学习的人脸识别算法,DeepFace,,在,LFW,上取得了,97.35%,的识别率。,免疫浓度特征,生物免疫系统中的抗体浓度,垃圾邮件与正常邮件的浓度特征分布,邮件样本的抗体浓度特征,“自己”“异己”浓度,免疫应答过程中抗体浓度的变化,抗体浓度特征的表征能力,浓度特征在分类器BPNN、LD、SVM上与其他方法的对比,Single-C,DCS-LA,LWF,GWF,DTE-DL,Accuracy,基于危险理论的集成检测模型,危险区域定义匹配信号与危险信号的协同,免疫检测模型,P.,Matzinger,的免疫危险模型,集成检测中的匹配信号,集成检测中的危险信号,PU2,PU3,PUA,TREC,0.89,PU1,免疫危险模型,集成检测模型的性能表现,0.98,0.97,0.96,0.95,0.94,0.93,0.92,0.91,0.9,集成检测模型与其他集成方法的对比,围棋人机大战:,AlphaGo,v.s.,Lee,Sedol,(李世石),Results:,4:1,人工智能下棋程序,AlphaGo,获得大胜!,引起了世界范围的广泛关注与热议,以及,对人工智能飞速发展的鼓舞,和,些许恐惧与担忧!,AlphaGo,Combining,Monte,Carlo,Search,Tree,(MCST),+,Supervised,Learning,(SL),+,Reinforcement,Learning,(RL),+,Deep,Neural,Networks,(DNN).,Clever,Idea:,(Good,starting,point):,Use,SL,Policy,Network,to,learn,from,human,expert,good,experience,(Rapidly,boosting,up):,Use,RL,Policy,Network,to,improve,by,playing,with,itself,(Efficient,strategy):,Use,RL,Value,Networks,to,compute,the,outcome,of,every,move,AlphaGOs,Framework,31,Monte,Carlo,tree,search,(MCTS),Supervised,learning,of,policy,networks,in,AlphaGO,Definition:,s:,state,(3(19*19),a:,action,(19*19),SL,policy,network:,predict,p(a|s),RL,policy,network,sampling,each,move,from,its,output,probability,distribution,over,actions.,RL,policy,network,vs,SL,policy,network,won,80%,of,games,32,Evaluating,the,playing,strength,of,AlphaGo,AlphaGo,vs,other,Go,programs,won,494,out,of,495,games,(99.8%),The,distributed,AlphaGo,vs,AlphaGo,won,77%,of,games,The,distributed,AlphaGo,vs,other,Go,programs,Won,100%,33,阿里云,人工智能程序,小,Ai,准确预测了我是歌手,4,歌王,-,李玟,4,月,8,日晚,湖南卫视我是歌手,4,落下帷幕,阿里云人工智能程序,小,Ai,成功预测李玟夺冠!,在七进六帮帮唱环节,,小,Ai,也准确预,测出容祖儿被淘汰。在六进三两两演,唱,PK,环节,,小,Ai,完全准确的预测出了,获胜者张信哲、黄致列、李玟。在最,终歌王争霸环节,小,Ai,以,42,的胜率,一举命中总决赛歌王李玟,在三轮比,赛中完全预测准确,。,小Ai用结果证明,机器可以理解人类的情感世界,人工智能再次在人类情感领域取得,突破,表明人工智能技术继续前行!,目前,,小,Ai,的学习速度是人类的,1,万倍,要成为某一领域的专家,如果人类需要,10,万小时,则,小,Ai,只需要,10,小,时。,来自光明网,人工智能发展的几点思考,AI,技术正在以前所未有的发展速度飞速前进,更多的惊喜会不断涌现,AI,技术的应用会广泛深入地渗透到我们工作与生活的方方面面,无法分开,就,像我们今天无法离开的水、电、信息、能源、移动互联网,等等。,AI,技术的发展会将人类社会发展推到一个前所未有的新高度,进入,智能社会,AI,技术的发展必须遵循人类社会的道德规范和行为准则,防止其为人类社会带,来灾难。,36,结束语,人工智能是一门多学科交叉的综合性前沿学科,在理论上很不成,熟,技术上逐渐突破,应用上正在快速扩展和渗透;,基于各种生物原理与过程的激发是其继续前进的源泉,人类社会,的需求是其不断发展的动力!,欢迎同学们加入到研究“智能科学”行列中!,Thank,you,!,
展开阅读全文