- 1、本文档共7页,可阅读全部内容。
- 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、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、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
有关人工智能的综述
一、人工智能综述
1.人工智能的起源
在AI历史上,有逻辑规律和统计规律之争,具体而言,人工智能有两大主流学派
符号主义:又称为计算主义或逻辑主义,它认为智能需要通过精确的逻辑推理计算实现。这是传统的人工智能方法,最典型的例子是专家系统和知识库,现在有了一个更优雅的名字,叫知识图谱。
统计主义:它更注重从数据和经验中学习统计规律。目前绝大多数机器学习方法都属于统计主义,因为我们目前仍然缺乏让电脑自动提炼和运用逻辑规律的有效方法。
这两大学派各有所长,都经历过数次兴衰,人工智能也曾经理两次浪潮与两次低谷,目前我们正位于第三次浪潮,而这一切与计算机硬件的发展有着密不可分的联系。
在两千多年前,从春秋战国时期《列子》中描述的偃师造人,到古希腊传说中的青铜机器人Talos,人类就曾梦想创造出与人类具有相同行为模式的智能机器。而17世纪Leibnitz的数学逻辑与Pascal的机器加法机,可谓是人工智能算法和硬件的先驱。
部分摘自《深度卷积网络-原理与实践》一书
2.人工智能的范畴
亚瑟·塞缪尔(1959),机器学习:使计算机无需明确编程就能学习的研究领域。TomMitchell(1998)学习问题:一个计算机程序被称为从经验E中学习关于某个任务T和某个性能度量P,如果它在T上的性能(用P度量)可以随着经验E的提高而提高。
3.人工智能研究方向–技术分类
人类语言技术(包括自然语言处理及语音技术)
计算机视觉(包括图像、视频及三维视觉等)
机器人与自动化技术(自动驾驶技术等)
机器学习算法(深度学习与强化学习等)
智能基础设施(芯片、云计算与物联网等)
数据智能技术(大数据、知识图谱与推荐系统等)
前沿智能技术(脑机接口、量子计算与沉浸式技术等)
4.人工智能研究方向
5.论文收录方向
6.人工智能应用状况
企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节,都已经能够看到人工智能的身影:AI帮助人们安全生活、远程交易、边界通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访等级、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式,实现社会生产力的整体跃升,推动社会进入智能经济时代。
数据来自艾瑞咨询
7.人工智能产业规模
2020年,人工智能预计达到超过1500亿元规模,疫情环境下,2020年的业务高速增长主要由AI开放平台API贡献,到2025年,产业规模预计超过4500亿元。大约30%-45%的市场是人工智能创业企业所占据,外围赛道切换而来的互联网公司、云服务公司、大数据公司、信息技术服务公司、通信设备公司以及个别科研院所切分其余市场。
数据来自艾瑞咨询
8.人工智能主要赛道
在应用领域:
计算机视觉
人机交互与智能语音
对话机器人
机器学习与数据挖掘
金融数据分析
联邦学习
知识图谱
软件定义芯片
数据来自艾瑞咨询
9.特殊场景下技术难题的解决
在人类语言技术方面,主要体现在语音技术下的语音识别以及自然语言处理方面的机器翻译、问答以及情感分析任务,这些技术任务领域都是在整体技术指标达到超越人类的一定阈值之后转入研究解决个别的具体实际问题,如语音技术方面的噪音、方言、鸡尾酒会问题,自然语言处理方面的小语种、多语种、一词多义等语义理解问题,以及计算机视觉任务普遍面对的环境光、背景杂物、以及分辨率影响等特殊场景的技术难题。即技术标准度提升错误率下降的情况下,重点强化鲁棒性。
与此同时,这些已经落地的技术任务还共同面临着场景切换的问题,主要是不同垂直领域的语言或图像识别任务需要采取不同的数据训练出的模型进行应对,而未来基于无监督学习的研究会更加侧重这些技术的跨领域、跨场景融合,使得一个模型可以解决多个不同场景的问题。
10.无监督学习是未来技术突破的主要着力点
在语言技术和视觉技术这两个人工智能感知层应用落地最成熟的两个技术领域,无监督学习都是被提及频率最高的技术发展趋势。NLP领域目前是最成功的大规模预训练语言模型(BERT等)证明了无监督学习在自然语言处理类任务里的可行性预发展潜力,transformer体系结构已成为NLP任务的实际标准,开始扩展至最相关的语音技术领域。而计算机视觉领域相比NLP更早使用注意力机制,但对于transformer模型的应用仍然受到卷积网络结构本身的限制。GoogleBrain团队开发的最新视觉transformer模型(ViT)已经在突破这种限制上做出了可行的尝试,通过对大量数据的预训练,该模型已经可以成功迁移运营在多个中小型CV数据集(如ImageNet、CIFAR-00、VTAB等)上并取得目前最先进的SOTA表现。
11.移动设备和IoT设备开始
您可能关注的文档
- 有关人工智能的综述.pdf
- 陶瓷的主要成分是什么.pdf
- 人工智能发展现状.docx
- 人工智能的危险论文.pdf
- 人工智能的风险及应对.pdf
- 人工智能的风险及应对.docx
- 凝胶层析法分离蛋白质实验报告.pdf
- 凝胶层析法分离蛋白质实验报告.docx
- 白酒的主要成分是什么.pdf
- 异议处理话术.pdf
- 2024年中国钽材市场调查研究报告.docx
- 2024年中国不锈钢清洗车市场调查研究报告.docx
- 2024年中国分类垃圾箱市场调查研究报告.docx
- 2024年中国水气电磁阀市场调查研究报告.docx
- 2024年中国绿藻片市场调查研究报告.docx
- 2010-2023历年初中毕业升学考试(青海西宁卷)数学(带解析).docx
- 2010-2023历年福建厦门高一下学期质量检测地理卷.docx
- 2010-2023历年初中数学单元提优测试卷公式法(带解析).docx
- 2010-2023历年初中毕业升学考试(山东德州卷)化学(带解析).docx
- 2010-2023历年初中毕业升学考试(四川省泸州卷)化学(带解析).docx
最近下载
- 内燃机车钳工(中级)职业鉴定理论考试题及答案.doc VIP
- 聚焦贯彻落实新时代党的组织路线存在不足.docx VIP
- 研究生学术英语读写教程(于华)课后习题答案.pdf
- 跨学科实践活动2 自制净水器(同步课件)-【上好课】2024-2025学年九年级化学上册同步精品课堂(沪教版2024).pptx VIP
- 抗凝剂皮下注射相关并发症及处理对策.docx
- 第十章 甲状腺功能减退症PPT课件.ppt
- 《红楼梦的饮食文化》.docx VIP
- PICMG_COMe R3.0原版标准完整.docx
- ERAS加速康复外科在产科应用进展.pptx VIP
- 河南省南阳市六校2021-2022学年高一上学期第一次联合测试地理试题.pdf VIP
文档评论(0)