密码:
当前位置: 首页
>教研组>信息技术组>教学资源
62.1K
信息技术知多少?(4)——什么是人工智能?
来源:计算机组 浏览次数: 发表时间:2023-02-10 [ ] [关闭页面]

1. 什么是人工智能

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科 学

2. 人工智能、机器学习、深度学习三者的关系

机器学习:一种实现人工智能的方法

深度学习:一种实现机器学习的技术

2.1 什么是深度学习

深度学习是学习样本数据的内在规律和表示层次,这 些学习过程中获得的信息对诸如文字,图像和声音等 数据的解释有很大的帮助。它的最终目标是让机器能 够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。

深度学习是一类模式分析方法的统称,就具体研究内容而言,主要涉及三类方法

  • 基于卷积运算的神经网络系统,即卷积神经网络( CNN)

  • 基于多层神经元的自编码神经网络,包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码 两类

  • 以多层自编码神经网络的方式进行预训练,进而结合 鉴别信息进一步优化神经网络权值的深度置信网络(DBN)

2.2 深度学习特点

  • 区别于传统的浅层学习,深度学习的不同在于强调了模型结构的深度,通常有5层、6层,甚至10多层的隐层节点;

  • 明确了特征学习的重要性。也就是说,通过逐层特征变换,将样本在原空间的特征表示变换到一个新特征空间,从而使分类或预测更容易。与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据丰富的内在信息

2.3 深度学习典型模型

典型的深度学习模型有卷积神经网络( convolutional neural network)、DBN和堆栈自编码网络(stacked auto-encoder network)模型等。

  • 卷积神经网络模型: 在无监督预训练出现之前,训练深度神经网络通常非常困难,而其中一个特例是卷积神经网络。卷积神经网络受视觉系统的结构启发而产生。第一个卷积神经网络计算模型是在Fukushima的神经认知机中提出的,基于神经元之间的局部连接和分层组织图像转换,将有相同参数的神经元应用于前一层神经网络的不同位置,得到一种平移不变神经网络结构形式。后来,Le Cun等人在该思想的基础上,用误差梯度设计并训练卷积神经网络,在一些模式识别任务上得到优越的性能。至今,基于卷积神经网络的模式识别系统是最好的实现系统之一,尤其在手写体字符识别任务上表现出非凡的性能。

  • 深度信任网络模型: DBN可以解释为贝叶斯概率生成模型,由多层随机隐变量组成,上面的两层具有无向对称连接,下面的层得到来自上一层的自顶向下的有向连接,最底层单元的状态为可见输入数据向量。DBN由若2F结构单元堆栈组成,结构单元通常为RBM(RestIlcted Boltzmann Machine,受限玻尔兹曼机)。堆栈中每个RBM单元的可视层神经元数量等于前一RBM单元的隐层神经元数量。根据深度学习机制,采用输入样例训练第一层RBM单元,并利用其输出训练第二层RBM模型,将RBM模型进行堆栈通过增加层来改善模型性能。在无监督预训练过程中,DBN编码输入到顶层RBM后,解码顶层的状态到最底层的单元,实现输入的重构。RBM作为DBN的结构单元,与每一层DBN共享参数。

  • 堆栈自编码网络模型: 堆栈自编码网络的结构与DBN类似,由若干结构单元堆栈组成,不同之处在于其结构单元为自编码模型( auto-en-coder)而不是RBM。自编码模型是一个两层的神经网络,第一层称为编码层,第二层称为解码层。

2.4 深度学习训练过程

  • 自下上升的非监督学习

 就是从底层开始,一层一层地往顶层训练。采用无标定数据(有标定数据也可)分层训练各层参数,这一步可以看作是一个无监督训练过程,这也是和传统神经网络区别最大的部分,可以看作是特征学习过程。具体的,先用无标定数据训练第一层,训练时先学习第一层的参数,这层可以看作是得到一个使得输出和输入差别最小的三层神经网络的隐层,由于模型容量的限制以及稀疏性约束,使得得到的模型能够学习到数据本身的结构,从而得到比输入更具有表示能力的特征;在学习得到n-l层后,将n-l层的输出作为第n层的输入,训练第n层,由此分别得到各层的参数。

  • 自顶向下的监督学习

 就是通过带标签的数据去训练,误差自顶向下传输,对网络进行微调。基于第一步得到的各层参数进一步优调整个多层模型的参数,这一步是一个有监督训练过程。第一步类似神经网络的随机初始化初值过程,由于第一步不是随机初始化,而是通过学习输入数据的结构得到的,因而这个初值更接近全局最优,从而能够取得更好的效果。所以深度学习的良好效果在很大程度上归功于第一步的特征学习的过程。

3. 人工智能的应用

机器视觉,指纹识别,人脸识别,专家系统,自动规划,智能搜索,定理证明,博弈,语言和图像理解等。人工智能是一门边缘学科,属于自然科学和社会科学的交叉。

4. 人工智能的现有成果

 人际对弈、模式识别、自动驾驶……

(来源:https://cloud.tencent.com/developer/article/2149979  )


Produced By 大汉网络 大汉版通发布系统