人工智能基础与应用.pdf

目录O教学目标 教学要求 内览 相关知识1.1.1 机器能思考吗？1.1.2 人工智能的发展历程1.1.3 人工智能的产业结构1.1.4 人工智能砸了谁的饭碗 人工智能基础与应用 项目一初探人工智能练习与思考【教学目标】O1.掌握人工智能发展以及与其他新技术的关系2.了解人工智能的发展历程3.了解人工智能的产业结构、代表企业及人才培养要求4.思考人工智能可能替代哪些岗位、催生哪些就业机会.酊【教学要求】1.知识点AI发展历程 AI产业结构人工智能训练师2.技能点理解人工智能的发展目标及与其他新技术的相互关系3.重难点通过本单元的学习，重点了解人工智能的产业结构、具体应用及对应的人才培养层次;难点是拓展学习人工智能训练师诞生的职业背景，理解其岗位能力要求和数据标注及 训练的重要性。【内容概览】o1.1.2人工智能的 发展历程1.1.1机器能思考吗使机器具备以下能力：能听、会说、能看、能思考、会学习、会行动、能应变人工智能是什么?第一层次计算智能人工智能发展阶段 第二层次感知智能第三层次认知智能1950s-1980s:AI起步期1980s-1990s:专家系统推广2000s-至今：深度学习-AI新热潮1.1.4人工智能砸 了谁的饭碗1.1.3人工智能的 产业结构计算硬件（Al芯片、传感器等）人工智能产业的基础基础支撑层（基础层）技术驱动层（技术层）人工智能产业的核心场景应用层（应用层）人工智能产业的延伸其他支撑技术（大数据、云计算和5G）数据算法和平台感知智能：图像识别、生物识别、语音识别等 认知智能：机器学习、智能问答、知识图谱摹行业应用场景（如AI+”制造、交通、安防、医疗、物流、零售等）AI消费级终端产品（如智能汽车、机器人、无 人机、可穿戴设备等）研究型、应用型人才你的职业未来会消失吗？人工智能替代职业的概率排名及特点人工智能训练师一你准备好了吗?培养目标：持续训练机器更懂人，通人性，更好地为人服务 非技术类新职位，:人工智能各业应用丁的新岗位能力划分：智能产品应用、数据分析、业务理解、智能训练人才需求【相关知织】“云”“物”“大”“智”物联网：对接真实的物理世界，获取海量数据;云计算：为海量数据提供强大的承载能力；大数据：对海量数据进行挖掘和分析，实现数 据到信息的转换；OO 人工智能：对数据进行学习，对信息进行理解,最终实现数据到知识和智能的转换。如果用人体来比喻，物联网是人体的神经网络，大数据是流动的血液，云计算是心脏，人工智能 则是掌控的大脑。O【相关知识】艾智讯Al小课堂：一起来了解“云”“物”“大”“智”（点击播放视频的）一、机器能思考吗?O人工智能是什么？人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类 智能相似的方式做出反应的智能机器。概括来说，就是研究如何使机器具备以下能力：能听（语音识别、机器翻译等）；会说（语音合成、人机对话等）；;能看（图像识别、文字识别）；:士 能思考（人机对弈、定理证明等）；，会学习（机器学习、知识表示等）；,;会行动（机器人、自定驾驶汽车等）；能应变（认知智能、自主行动）。一、机器能思考吗?人工智能的研究领域包括语音识别、图像识别、机器学习、深度学习、自然 语言处理、知识图谱、脑机 互动等等。视觉智能人脸识别行为识别目标识别传感智能触摸反应光线感应温湿感应浓烟感应听觉智能语音识别声纹识别声源定位语义智能运动智能路线规划自主避障跌落保护自由弯曲语音对话文本阅读同声传译意识智能情感建立学习理解深度思考智能人形机器人人工智能拟人能力图一、机器能思考吗?O 人工智能的智能水平人工智能像“人”一样，其智能水平也在逐步发展，从低到高可划分为计算智能、感知 智能、认知智能三个阶段。:第一层次：计算智能一机器像人类一样会计算、传递信息，例如神经网络、遗传算 法等，各种棋类游戏、专家系统体现的就是计算智能。第二层次：感知智能机器能听会说、能看会认，像语音助手、人脸识别、看图搜 图和无人驾驶等。第三层次：认知智能一机器能理解会思考，主动采取行动，这是人工智能领域专家们正在努力的方向，比如微软小冰就具有非常初级的理解语意的能力。一、机器能思考吗?O人工智能的智能水平三种智能水平的行业应用特点：第一种类型，信息完全输入的状况。在这种状况下，机器得到输入，就可以充分准确 的得到相应的输出。像实时语音转写，人脸识别、图像识别等技术，“输入”即可以 得到“输出”，在这一领域机器将来可以完全替代人工。第二种类型，是仅仅有输入还不够，还需要知识积累，需要思维判断的工作。这一领 域是人和机器耦合的，比如机器人可以回答孩子的问题，教孩子知识，和孩子玩耍，但不能完全代替父母陪伴孩子、和孩子实时交流等。这种场景下：机器无法完全替代 人工，而是辅助人，人机耦合进行工作。第三种类型，没有信息输入，而是主要靠创意，靠想象力的工作。今天的机器可以作 图、作曲、写诗，但更多还是模仿，让机器具备思考的能力、主动创作的能力目前还 很难做到。这是人工智能发展的未来趋势之一，因此需要创意和想象力的工作是机器无法取代的。二、人工智能的发展历程人工智能的发展历程可分为三段时期、6个阶段。第一阶段：人工智能起步期19561980s 1956达特茅斯会议标志AI诞生.1957神经网络Perceptron被罗森布拉特发明；1964年，首台聊天机器人诞生 1970受限于计算能力，人工智能进入第一个寒冬第二阶段：专家系统推广1980s1990s 1980卡耐基梅隆大学推进第一个名为XC0N的专家系统，具有一套强大的知识库和推理 能力，可以模拟人类专家来解决特定领域问题，从此，机器学习开始兴起 20世纪80年代中-90年代中，专家系统应用有限，且经常在常识性问题上出错，人工 智能迎来第二个寒冬二、人工智能的发展历程O第三阶段：深度学习2000s至今 1997 IBM的“深蓝”战胜国际象棋冠军，成为人工智能史上的一个重要里程碑 2006 Hinton提出“深度学习”的神经网络 二 2012 Google无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮近十年来，随着大数据、云计算、物联网等信息技术的发展，以深度神经网络为代表的 人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，实现了从“不能 用、不好用”至U“可以用”的技术突破。总体趋势：人工智能的发展历程曲折起伏，高峰与低谷交替出现。未来随着人工智能核心技术的突 破，将不断改善提升现有的局限性，向各行各业快速渗透融合，这是人工智能驱动第四 次技术革命的最主要表现方式。三、人工智能的产业结构人工智能的产业链划分概览人工智融沐感知智能1 1 认知智能图像 灯的 霞峋 生物识别三然语言处理 语义分析 智能问答 知识图臂人工智能应用无人驾驶 智能冢居 智茎金融 智茎医疗 智慧农业 智制造 智惹安防 智意交通三、人工智能的产业结构O基础支撑层（基础层）人工智能产业的基础 主要是研发硬件及软件，为人工智能提供数据及算力支撑。主要包括物质基础：即计算 硬件（AI芯片、传感器）、计算系统技术（大数据、云计算和5G通信）、数据（数据采 集、标注和分析）和算法模型。传感器负责收集数据，AI芯片（GPU、FPGA、ASIC等）负责运算，算法模型负责训练数据。三、人工智能的产业结构O技术驱动层（技术层）人工智能产业的核心,V；,主要包括图像识别、文字识别、语音识别、生物识别等应用技术，主要用于让机器完成）对外部世界的探测，即看懂、听懂、读懂世界，进而才能够做出分析判断、采取行动，让更复杂层面的智慧决策、自主行动成为可能。.酊三、人工智能的产业结构O场景应用层（应用层）人工智能产业的延伸，专注行业应用主要面向AI后礴源业的深度融合,实现不同行业应用场景的解决燧#如“AI+”制）造、家居、金融、教育、交通、安防、医疗、物流、零售等领域）和AI消费级终端产品（如智能汽车、智能机器人、智能无人机、智能家居设备、可穿戴设备等）。.酊三、人工智能的产业结构O场景应用层（应用层）行业及产品应用行业场景应用：制造、安防、物流、医疗、金融、营销、教育、环保、农业、旅游、交通等消费终端产品:智能汽车、智能机器人、智能无人机，可穿戴设 备、智能家居设备等代表企业：互联网科 技巨头、行业龙头/独角兽分技术驱动层（技术层）基础应用技术与服务认知层：自然语言处理、语义分析、机器问答、虚拟助手、知识 图谱等看省层：图像识M视濒识文字识SIR语音识生物识 传感智能等代表企业：语音识别/视频识别/知识图谱 类人工智能代表企业、互联网科技巨头等基础支撑层（基础层）计算基础设施及支撑技术 数据算法及平台：通用数据、行业数据、基础开源框架及技术开 放平台 支撑技术：大数据、云计算、5G通信技术 物质基础（计算硬件）：GPU/FPGA/ASIC等AI芯片、传感器等代表企业：芯片、传 感器厂商，科技巨头、网络运营商人工智能产业结构图三、人工智能的产业结构人工智能应用正在以场景化、碎片化的方式涌现预计2030年，我国人工智能核心 产业规模超过1万亿元，带动相关 产业规模超过10万亿元！国务院新一代人工智能发 展规划影像辅助诊断疾病预测 xmisi周界防范个性化教学智慧课堂自动送货包案检测视频结构化车牌识别电子元器件检测工业机器人计算机 视觉语音智能社区智能服务扫地机器人陪护机器人老人跌倒检测智能育种智能灌溉口台智能 养老_ 智能人机智熊 金融无人零售导购机器人智能风控智群艮行网点三、人工智能的产业结构中国人工智能产业结构概览中国人工智能企业多集中在应用层，技基础层企业5.4%术层和基础层企业占比相对较小；从技 术类型分布来看，涉及机器学习、大数 据、云计算和机器人技术的企业较多，整体分布相对均匀。在应用技术方面，2018年中国人工智能企业主要技术类型分布以语音识别、机器视觉为代表的人工智 能技术快速成熟，已达到规模化产业实用水平。三、人工智能的产业结构O中国人工智能产业结构概览全球科技竞争进入敏感时期，产品出口、系统软件采购、芯片进口等多方面都可能面 临挑战，这对以应用开发见长、基础层支撑积累较浅的国内企业带来压力，但同时也 形成了倒逼产业链上游企业发展的动力。AI基础层发展至关要.挑战与机遇并存全建日技竞争进入敏感时期，对以应用开发见长、基砒耳支撑枳累较浅的国内AI公司带来了总愿国内日技型企业开始有识地寻找和培养产业植上游的替代供应商以AI芯片领域为代表18破18,从应用广泛的中低端产晶切入，培养市场，送代自 身产品，降低边际成本，拓展生存空间，再发力离靖领域形成自主竞争力，loT M 代到来将迎来需求厚发三、人工智能的产业结构O人工智能产业的 人才需求结构AI产业链分为:基础层、技术层、应用层。AI 产业链以算力驱动，场景为王。未来各行 各业的应用需要大量 的技术技能型人才认 识人工智能、参与到 场境训练与应用中。应用层家居、金融、无人驾驶、客服、机器人、营销、医 疗、教育、农业、制造、安防、旅游、交通等研究型人才应用型人才 技术技能型人才应用型本科、高职 院校等技术层自然语言处理、智能语音、机器问答、计算机视觉、机器学习、深度学习、增强学习、分布式存储、分布 式计算、神经网翳基础层通用数据、行谩据、智能云平台、大数据平台、GPU/FPGA等加速硬件、智能芯片等研究型人才 应用型人才研究型大学、应用 型本科院校等以高端研究型人才为主三、人工智能的产业结构O“物信融合”时代教育面临的挑战AI、5G、VR等新技术势不可挡，未来的教育教学模式如何变革？技术真的能奏效吗？教学方法和教学内容如何提升？如何让所有从事和参与教育的人享受教育生活，让以教师为中心的 学习向以学生为中心的学习转变，享受学习过程，让所有的人真正成为他自己。人工智能时 代的到来倒逼未来教育的发展，同时技术更迭与教育伦理需做好有效衔接和平衡。技术驱动一未来已来“物信融合”背景下教育发展面临的挑战:动力市场的变化劳动者面临职业替代风险，对人才培养模式和体系提出了变革要求O三、人工智能的产业结构人工智能（AI）政策支持情况政策导向人工智能（AI）技术的应用，加大对人工智能人才（技术应用）的培养力度势在必行。2019政府工作才艮告：“打造工业互联网平台，拓展智能+,为制造业转型升级赋能”“深化大数据、人工智 能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”新一代人工智能发展规划国发201735号第一步，到2020年人工智能总体技术和应用与 世界先进水平同步，人工智能产业成为新的重 要经济增长点。第二步，到2025年人工智能基础理论实现重大 突破，部分技术与应用达到世界领先水平。第三步，到2030年人工智能理论、技术与应用 总体达到世界领先水平，成为世界主要人工智 能创新中心。高等学校人工智能创新行动计划教技2018）3号1.加快人工智能领域学科建设。2.加强人工智能领域专业建设。推进“新工科”建设，到2020年建设100个“人工智能+X”复 合特色专业。3.加强人工智能领域人才培养。4.构建人工智能多层次教育体系。教育部：人才先行促进新一代人工智能产业发展三 年行动计划（2018-2020年）工信部科2017315号人工智能重点产品规模化发展，智能网联汽 车技术水平大幅提升，智能服务机器人实现规模人+智能整体核心基础能力显著增强，智能 传感器技术产品实现突破智能制造深化发展，复杂环境识别、新型人 机交互等人工智能技术在关键技术装备中加快集四、人工智能砸了谁的饭碗O你的职业未来会消失吗？人工智能的本质：是将人们从简单、机械的劳动中解放出来，有效地提高效率与质 量、节约时间，降低人力与业务成本。:从社会分工来看，最先被取代的是很多简单的工作、易于自动化的内部工作。如：依靠训练即可掌握的技能；重复性劳动，熟练即可的工作；。典型的如生产工、装 配工、流水线作业等。非自动化工作，如：创意、设计、发明、沟通协调等，对劳动力的需求将会上升，并在企业内外部创造出一些新的工作机会。从本质上说，人工智能将带来的是一种劳动力的转型，将改变人们的工作性质，重 塑未来的劳动力。U!人工智能砸了谁的饭碗你的职业未来会消失吗?人工智能替代职业的概率排名情况工作消失概率前十名I 工作消失概率后十名材料和木料机操作工96.5%人工智的学家0.1%装配工和常规程序操作工96.7%创业者0.1%财亍KA96.9%心理学家0.1%银行或邮局职员97.1%宗教教职人员0.1%簿记员、票据管理员或工资结算员973%酒店与住宿经理或业主0.1%流水线质检员97.5%首席执行官0.1%常规程序检查员和澳恸员97.7%首席营销官0.1%过秤员、评级员或分类员97.9%卫生服务与公共卫生管理或主管0.1%打字员或相关键盘工作者98.1%教育机构高级专家0.1%电话销售员/市场98.3%特殊教育教师0.1%（数据来源：牛津大学、麦肯锡、普华永道、创新工场研究报告5必、人工智能砸了谁的饭碗O什么是“人工智能训练师”？2020年3月，人社部向社会发布了未来紧需的16个新职业，其中人工智能训练师名 列其中，这是人工智能的第一个非技术类新职位，更是一个面向行业应用的新岗位。“人工智能训练师”，是阿里巴巴率先提出，被形象的称为“机器人饲养员”。其目的就是让AI更“懂”人，通“人”性，更好地为人们服务。具体定义：是指使用智能训练软件，在人工智能产品实际使用过程中进行数据库 管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员。O四、人工智能砸了谁的饭碗O人工智能训练师产业的背景行业背景：随着人工智能技术的不断变革，人工智能正在加快与各行各业深度融合,，加快产业智能化进程。AI+传统产业已是大势所趋，未来对人才培养的倒逼、企业 岗位的变化以及职业能力的要求将出现巨大改变。岗位需求：人工智能的应用需要大量数据的支撑，而在各行各业获取到的原始数据 无法直接用于模型训练，这需要专业的标注和加工后才能使用，但如果标注人员不：-：；懂行业具体的应用场境，对数据的理解和标注质量差异很大，将导致整体标注工作;的效率和效果都不够理想。因此，“人工智能训练师”应运而生，这不是一个人 工智能技术职位，而是“人工智能+专业应用”的新岗位。四、人工智能砸了谁的饭碗人工智能训练师需要具备什么能力？人工智能训练师从智能产品应用、数据分析、业务理解、智能训练等维度划分五个 等级，包括：(1)标注和加工图片、文字、语音等业务的原始数据；：(2)设计人工智能产品的交互流程和应用解决方案；(3)分析提炼专业领域特征，训练和评测人工智能产品相关算法、功能和性能；二;(4)监控、分析、管理人工智能产品应用数据；:.(5)调整、优化人工智能产品参数和配置。其核心目标就是通过分析需求和相关数据，完成数据标注规则的制定，最终实现提 高数据标注工作的质量和效率，让智能更懂人类，更好地为人类服务。【练习与思考】选择题：1.人工智能的智能水平从低到高怎么发展？:A.认知智能一感知智能一计算智能B.感知智能一计算智能一认知智能C.计算智能一认知智能一感知智能D.认知智能一计算智能一感知智能2.人工智能的其他支撑技术包括哪些？（多选题）A.云计算 B.大数据 C.物联网 D.5G通信3.以下哪项不属于人工智能的技术驱动层内容？A.图像识别 B.语音识别 C.AI芯片 D.知识图谱【练习与思考】选择题：4.以下哪项内容不属于人工智能的应用层范围？二A.AI+金融 B.AI+无人驾驶 C.AI+教育 D.智能芯片5.以下哪项是人工智能未来可替代的职业？（多选题）A.财务类人员 B.流水线工人 C.电话销售员 D.心理学家判断题：1.人工智能的发展是曲折起伏的，有低谷也有高潮，一直沿着这种趋势不断前进。2.人工智能训练师要求具备人工智能技术背景，是一个人工智能技术岗位。【练习与思考】O讨论题:1.让学生想一想，人工智能从会学习、会行动到能思考、能应变，两 种不同的智能水平可能带来的人类工作、生活的巨大变化，我们和机器 怎么协同共处？2.让学生结合自己所学的专业，查阅相关行业资料，思考该行业未来 需要人工智能训练师吗？在哪些具体工作领域有需求？【练习与思考】客观题答案选择题：1.C 2.ABCD 3.C 4.D 5.ABC判断题：1.对 2.错（是一个非人工智能技术类职位）.酊遇见应用人工智能基础与应用初探人工智能更多学习资源及实训项目请登录：.J I.J.：J.r二:，I.二.1；_.，I,.，.二.,.在口 is艾智讯人工智能应用实训台点亮AI智启未来一Mb汇智能通识数窗始发站目录O 教学目标 教学要求 内览 相关知识2.1.1 人工智能的核心驱动力2.1.2 人工智能的其他支撑技术2.1.3 了解人工智能的数据服务练习与思考人工智能基础与应用 项目二认知人工智能 的基础支撑【教学目标】Ovo.v Q r-vr1.学习人工智能的核心驱动力一一算力、算法、数据，以及 相互间的关系2.概要了解人工智能的其他支撑技术一一物联网、云计算、5G及相互间的赋能3.数据作为AI算法“燃料”的重要性以及采集、标注及分析 的基本流程【教学要求】1.知识点人工智能芯片的分类及特点认知物联网和AIoT,以及云计算、5G的概念及应用人工智能数据服务的采集、标注及统计分析.2.重难点通过本单元的学习，厘清机器学习、深度学习之间的关系及重点应用领域；了解 AIoT这一高频词的出现背景，思考人工智能技术与物联网在实际行业应用中的落 地融合；深刻理解数据、算法模型及场境应用的流程及相互关系，由此学习人工 智能数据服务的相关内容。【内容概览】数据分析人工智能的基础硬件层，为算法提供基础计算能力算力涵盖：GPU、CPU、FPGA和各种各样的ASIC专用芯片/口0器让机器像人一样的学习和思考从已知数据中获得规律，并对未知进行预测 机器学习学习方式分类：监督学习、无监督学习和强化学习让算法自动从数据中获取特征，而不是像机器学习人为提取特征2.1.1人工智能的核 心驱动力管法-/-r 图像识别：图像分类、物体检测、图像分割、图像回归 深户学习,-工 主要应用方向 语音识别：语音识别、声纹识别、语音合成发薪自然语言处理：情感分析、神经机器翻译、自然语言推理数据来源 图像、声音等媒体数据；动作、姿态等行为数据；位置、天气等环境数据a数据/大数据特点 规模性、高速性、多样性、价值稀疏性与人工智能的关系 相互促进，大数据要求AI不断提高计算能力，同时也在不断崂营AI）项目二认知人工智能的燃料基础支撑物联网万物互联 实现物体与物体、环境与状态信息之间实时共享物联网和AloTAloT 万物智联;_ AI+loT,人工智能技术与物联网在实际行业应用中的落地融合 2.1.2人工智能的其?他支撑技术提供快速安全的云计算与数据存储服务，让用户可以使用网络上的庞大计算资源与数据中心云计算 一 一 一-与人工智能的关系 人工智能的基础计算平台，人工智能的能力集成到千万应用中的便捷途径性能目标 高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接5G-一典型应用场景 在线视频、4K/8K业务、车联网、无人驾驶、远程医疗、智慧城市等,数据采集 被监测的各种物理量、影音图文信息、生产生活记录等 2.1.3 了解人工智能、，f 通过数据标注员借助标记工具，对人工智能学习数据进行加工的一种行为/数据标注/-1/-512GB存储钥t二、人工智能的其他支撑技术O(三)走近第五代移动通信技术(5G)5G的特点其性能目标是高数据速率、减少延迟、节省能源、降低成本、提高系统容量 和大规模设备连接。5G的到来，更高 的速率、更大的带宽、更低的延迟成 为可能。增强型移动宽带Enhanced Mobile BroadbandAugmented realityG比特秒传Gigabytes in a secondSelf Driving Ca 自动驾驶车辆Mission critical application 重应用Industry automation 工业自动化3D video,UHD screens 3D视频、超商清屏幕智能家居/楼宇Smart Home/Building语音 智慧城市3 Smart CityFuture IMTWork and play in the cloud 云菊和娱乐增强现实Massive Machine Type CommunicationsUltra-reliable and Low Latency Communications大规模机器通信高可靠低时延通信二、人工智能的其他支撑技术(三)走近第五代移动通信技术(5G)5G能实现什么场景?国际电信联盟无线电通信局定义了 5G 的三大典型应用场境：增强型移动宽带：主要面向虚拟现实(VR)/增强现实(AR)，以及在线视频4K/8K等高带宽需求业务；超可靠低时延通信：主要面向车联网 与自动驾驶、远程外科手术、智能电 网、无人机等时延敏感的业务；海量大规模连接物联网：主要面向智 慧城市、智能交通等高连接密度需求 的业务。5GNR C-V2X通讯增强 自动驾驶Q 路径规划实时本地更新协同驾驶三、了解人工智能的数据服务O什么是人工智能数据服务？即：为AI算法训练及优化提供的数据采集、清洗、信息抽取、标注等服务，这对于人工 智能纵深到细分行业和场境应用至关重要。自动驾驶场景中AI基_远程戢_-翩度地图激光雷达环境映射 路别 视识 M况 环境映射泊统 动系 自车有大量数据采 集标注需求环境映射别识侧况环境映射据服务的价值环境映射中、短，三、了解人工智能的数据服务O人工智能数据服务包括以下步骤：1.数据采集又称数据获取。被采集数据可以是被监测的各种物理量，如温度、湿度、水位等，也 可以是各类影音图文信息。2.数据标注包括：语音标注、图像标注、文本标注、视频标注等种类。标记的基本形式有：标注 画框、3D画框、文本转录、图像打点、目标物体轮廓线等。3.数据分析指用适当的统计方法对收集来的大量数据进行分析，提取有用信息和形成结论。通常 包含以下三个步骤：探索性数据分析一一模型选定分析一一推断分析三、了解人工智能的数据服务人工智能数据服务什么是图像标注？图像标注和视频标注可统一称为图像标注，因为视频也，是由图像连续播放组成，1秒钟的视频包含25帧图像，每1帧都是1张图像。现实应用场景：人脸识别以及自动驾驶车辆识别等。图形的数据标注需要相对复杂的过程。图像包括形态、：.目标点、结构划分等，数据标注人员需要对不同的目标 标记物用不同的颜色进行轮廓标记，然后对相应的轮廓;打标签，用标签来概述轮廓内的内容，以便让模型能够 识别图像的不同标记物。三、了解人工智能的数据服务O总结人工智能数据服务是深度学习技术催生出来的新职业，而数据标注员从事的是人工智 能时代的信息处理工作。当技术的进步大幅提升了数据处理的效率，人的作用将从原 来的重复劳动变成监督和辅助机器学习，职业要求和内涵也将发生重大变化。未来展望：随着算法需求越来越旺盛，由机器持续学习人工标注，提升预标注和自动 标注能力对人工的替代率将成趋势。当技术大幅进步，数据标注师如何变成人工智能 训练师，新技术在取代人力的同时也带来了新的职业路径和新的职业要求。【练习与思考】选择题：1.人工智能的核心驱动力包括以下哪些要素？（多选题）A.算法 B.数据 C.算力 D.物联网2.以下哪个要素被称为人工智能的发动机？A.算力 B.数据 C.云计算 D.算法3.人工智能与机器学习、深度学习的包含关系是什么？二：A.人工智能深度学习机器学习B.深度学习机器学习人工智能C.机器学习深度学习人工智能 二D.人工智能机器学习深度学习【练习与思考】选择题：4.机器学习的分类方式有以下哪些？（多选题）；A.监督学习 B.强化学习 C.深度学习 D.无监督学习5.5G能实现以下哪些性能目标？（多选题）A.减少延迟 B.降低成本 C.实现大规模设备连接 D.高数据速率6.以下哪些应用场境属于5G的典型应用？（多选题）A.无人驾驶 B.车联网 C.在线视频 D.8K业务7.大数据有哪些特点？（多选题）A.多样性 B.高速性 C.规模性 D.价值稀疏性【练习与思考】选择题：8.人工智能的数据服务包括哪些步骤？（多选题）；A.数据标注 B.数据采集 C.数据分析 D.数据清洗判断题：1.作为组成人工智能的核心驱动力之一，算力被比作人工智能的燃料。2.算力涵盖GPU、CPU、FPGA和各种各样的ASIC专用芯片。3.深度学习的主要应用方向包括了图像识别、语音识别、自然语言处理等。【练习与思考】O讨论题:1.小组合作任务：将班级学生分成若干个小组，各小组就生活中的实 际案例进行数据采集、并完成标注及分析，最终输出专题报告。2.深度学习和传统机器学习相比，具有哪些优势？互联网时代，网购 已经深入千家万户，结合本节学习内容思考深度学习在京东、美团、淘 宝等网购平台有哪些用武之地？【练习与思考】客观题答案选择题：1.ABC2.D3.B4.ABD5.ABCD6.ABCD7.ABCD8.ABC判断题：1.错2.对3.对遇见应用人工智能基础与应用项目二认知人工智能的基础支撑更多学习资源及实训项目请登录：在口 is艾智讯人工智能应用实y呼台点亮AI智启未来一Mb汇智能通识数窗始发站知识图谱o人工智能基础与应用 项目三认知人工智能 的应用技术任务一视觉智能一机器如何识字、看人O目录教学目标教学要求内览相关知识练习与思考3.1.1图像识别技术的原理及应用3.1.2人脸识别技术及应用3.1.3 OCR文字识别技术及应用人工智能基础与应用 项目三认知人工智能 的应用技术任务一视觉智能机器如何识字、看人/r/FI 0【教学目标】1.掌握图像识别、人脸识别、文字识别的含义2.理解图像识别、人脸识别、文字识别的原理、技术流程、应用及发展趋势3.进行图像识别、人脸识别、文字识别的实训【教学要求】1.知识点图像识别、视频识别、人脸识别、行为识别、文字识别的概念和技术流程2.技能点掌握图像识别、人脸识别、文字识别的实训操作?3.重难点通过本项目的学习，重点理解视觉智能包括哪些应用技术，过去的计算机视觉和现在的视觉智能有什么区别和联系，思考在生活和行业方面有哪些具体应用？从:w4得见”到“看得清楚、看得明白”之间，需要我们怎么去训练机器？同时，结合每个任务后的实训项目进一步思考，尝试拓展更多实训任务。【内容概览】3.1.1图像识别 技术及应用3.1.2人脸识别技 术及应用o图像处理：图像采集、图像增强、图像复原、图像编码与压缩、图像分割 什么是图像识别？图像识别：统计法、模板匹配法和神经网络法等_图像识别的技术流程 信息的获取、预处理、特征抽取和选择、分类器设计和分类决策应用领域：公共安全、生物、工业、农业、交通、医疗等 图像识别的应用延展介绍：视频识别及视频中的行为识别是图像识别的一个应用场景，也叫做人像识别、面部识别，即基于人的脸部特征信息进行身份识别技术流程：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别3.1.3 OCR文字识 别技术及应用【相关知识】信息录入 证案识别 视频分析 物体检素 车流统计计算机视觉应用场景图像识别技术的原理及应用(-)什么是图像识别？图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门的领域之一。其目的是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识 别率特别低的信息。,图像识别的发展经历三个阶段：文字识别、数字图像处理与识别、物体识别。;图像识别通过分类并提取重要特征并排除多余的信息来识别图像。图像的内容通常 是用图像特征进行描述，包括：颜色特征、纹理特征、形状特征及局部特征点等。一、图像识别技术的原理及应用(-)什么是图像识别?图像识别过程图像识别过程分为图像处理和图像识别两个部分。一图像输入土一像元图像A一、图像识别技术的原理及应用(-)什么是图像识别?图像识别过程1.图像处理分为模拟图像处理和数字 图像处理。其目的是去除 干扰、噪声，将原始图像 进行特征提取，主要包括 图像采集、图像增强、图 像复原、图像编码与压缩 和图像分割。环节 内容主要借助于摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动 图像采集 态图像，并可以将其转为数字图像，与文字、图形、声音起存储。图像提取是将一个图像变换为适合计算机处理的形式的第一步。为突出图像中想抓取的部分，必须对图像进行改善，以缓解图像在成像、采集、传输等过 图像增强 程中，质量或多或少造成的退化。通过图像增强，减少图像中的干扰和噪声，改变原来图 像的亮度、色彩分布、对比度等参数，为后期的图像分析和图像理解奠定基础。图像复原为提取比较清晰的图像，减少在获取图像时环境噪声的影响、运动造成的图像模糊、光 线的强弱等原因使得图像模糊，需要对图像进行恢复。主要采用滤波方法,从降质的图像 恢复原始图。另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图 像。为区速方便地在网络环境下传输图像或视频,必须对图像进行编码和压缩。如静态图像医图像编码 与压缩缩标准JPEG,针对图像的分辨率、色彩等进行规范。由于视频可被看作是一幅幅不同的但 有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压 缩标准。图像编码压缩技术可以缓解数据量和存储器容量问题、提高图像传输速度、缩短处理时间。图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割对图像中的目标、图像分割 背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于 技术 区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。一、图像识别技术的原理及应用(-)什么是图像识别？图像识别过程2.图像识别将经过处理的图像进行特征提取和分类，这就是图像识别。通常有几种常用的识别方法：统计法、模板匹配法和神经网络法。统计法一一该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质 特点的特征来进行图像识别。缺点：当特征数量激增，给特征提取造成困难，分类也难以实现。二:模板匹配法一一即把已知物体的模板与图像中所有未知物体进行比较，如果某一未知物体与该 模板匹配，则该物体被检测出来，并被认为是与模板相同的物体。缺点：虽然简单方便，但应用有很大的限制，识别率过多地依赖于已知物体的模板，如果已知 物体的模板产生变形，会导致错误的识别。图像识别技术的原理及应用O(-)什么是图像识别？图像识别过程2.图像识别神经网络法一一指用神经网络算法对图像 进行识别的方法。目前深度学习模型已应 用于一般图像的识别和理解，不仅大大提 升了图像识别的准确性，也避免了抽取人 工特征时的时间消耗。什么是神经网络？神经网络侧重于模拟和 实现人的认知过程中的感知过程、形象思 P 维、分布式记忆和自学习自组织过程。:神经网络的特征：具有容错性强、独特的/v 联想记忆及自组织、自适应和自学习能力,特别适合处理信息模糊或不精确问题。输入层是垃圾邮件隐含层输出层举例：垃圾邮件的判断一、图像识别技术的原理及应用（二）图像识别的技术流程图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。通过传感器，将光或声音等信息转化为电信息。即获取研究对象的基本信息并通过某种 方法将其转变为机器能够认识的信息。信息获取预处理特抽取 和选择分设 计分类决策指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。特征抽取：利用某种方法，研究各式各样的图像，获取图像所具有的本身特征特征选择：从抽取的特征中，选择对本次识别有用的特征通过训练而得到一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技 术能够得到高识别率。在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。图像识别技术的原理及应用O（三）图像识别的应用视频监控、人脸检测和识别等都是图像识别最广泛的应用。从场境上，公共安全、生物、工业、农业、交通、医疗等均有广泛应用。:存在的局限：图像识别技术在应用上还只是起着导盲犬性质的指引作用，需要通过人工添加 标签或注释，帮助机器来理解图片。未来的技术将朝着能够具有人一样的视觉、能够理解图 像内容的人工智能发展。一、图像识别技术的原理及应用（三）图像识别的应用视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是由图像连续播放形成的（1 秒钟的视频包含25帧图像，每1帧都是1张图像），视频识别中一个重要内容是视频理解，主要包括:/视频结构化分析：即是对视频进行帧、超帧、镜头、场景、故事等分割，从而在多个层次 上进行处理和表达。/目标检测和跟踪：如车辆跟踪，多是应用在交通安防领域。人物识别：识别出视频中出现的人物。动作识别：识别出视频中人物的动作。视频中的行为识别是计算机视觉研究中的重要领域,将人的活动进行拆分并进行识别。二、人脸识别技术及应用O什么是人脸识别?人脸识别是图像识别的一个应用场景，通常也叫做人像识别、面部识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或摄像头采集 含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。人脸识别技术的主要流程 人脸图像采集及检测 人脸图像预处理 人脸图像特征提取 D.手写字体也很容易识别【练习与思考】O选择题：6.OCR识别可应用于以下哪些场境？（多选题）J A.文字识别 B.票据识别 C.图片二维码识别 D.图片数字判断题：1.神经网络算法的提升对于人工智能技术的应用有着重要推动作用。2.视频识别是图像识别技术的重要应用之一。3.OCR识别不能用于印章检测的识别。【练习与思考】讨论题：1.谈一谈，列举你身边的图像识别、人脸识别、文字识别应用案例,替人类的角色?试想还有哪些改进或创新之处。2.想一想，视觉智能相关技术在哪些方面已超越人类，进而影响到了 传统的就业岗位，又在哪些方面现阶段甚至很长