人工智能算法与应用场景介绍

人工智能概述 目录 算法技术原理 C ONTE N TS 应用场景介绍 人工智能概述 人工智能的定义 人工智能是以机器为载体所展示的人类智能，因此人工智能也被称为机器智能。 从模拟人类智能角度而言，人工智能应具备如下能力： ●具备视觉感知和语言交流的能力。即能够识别和理解外界信息(计算机视觉研究范畴)、能够与人通过语言交流(自然语言理解研究范畴)。●具备推理与问题求解能力。即基于已有知识，对所见事物和现象进行演绎推理以解决问题。●具备协同控制能力。即将视觉(看)、语言(说)、推理(悟)等能力统一协调，加以控制，这是常见的机器人研究领域内容。●具备遵守伦理道德能力。即模拟人类智能的智能体在社会环境中要遵从一定的伦理道德。阿西莫夫在科幻小说中按照优先级定义了机器人需要遵从的三条伦理原则：不得伤人，或弃人于危难；需服从人；在不违反上述两条原则情况下，保护机器人自己,●具备从数据中进行归纳总结的能力。即需要从数据中进行知识、规律和模式学习的模型和方法，这是机器学习研究范畴。 人工智能主要算法与特点 人类智能与机器智能的区别 大数据、小任务；小数据、大任务 见一叶落，而知岁之将暮；见瓶水之冰，而知天下之寒注：看见一片叶子凋落;就知道一年将要结束；看到瓶中的水结冰，就知道天下已经寒冷了。通过细微的征兆便可以看到整个形势的发展。 人工智能、机器学习与深度学习的关系 从科普角度粗略地说，人工智能涵盖了其他所有概念，而机器学习是人工智能的一个子方向，而深度学习又是机器学习中的一类方法。 至于机器学视觉与自然语言处理，它们是人工智能领域的两个具体应用，而且往往会用到深度学习。 算法技术原理 机器学习概述 映射函数机器学习≈构建一 f(射到语义空间，·围棋即寻找数据和的关系。·对话系统>原始数据中提取特征>学习映射函数f>通过映射函数f将原始数据映f(f(f(·语音识别·图像识别任务目标之间 芒果机器学习 如果判断芒果是否甜? ●从市场上随机选取的芒果样本(训练数据),列出每个芒果的所有特征：●如颜色，大小，形状，产地，品牌 ●以及芒果质量(输出变量):●甜蜜，多汁，成熟度。 ●设计一个学习算法来学习芒果的特征与输出变量之间的相关性模型。 ●下次从市场上买芒果时，可以根据芒果(测试数据)的特征，使用前面计算的模型来预测芒果的质量。 标注数据：标识了类别信息的数据 学习模型：如何得到映射模型 损失函数：如何对学习结果进行度量 监督学习：经验风险与期望风险 训练集 在测试数据集测试映射函数f 从训练数据集学习得到映射函数f 期望风险：当测试集中存在无穷多数据时产生的损失。期望风险越小，学习所得模型越好 经验风险：训练集中数据产生的损失。经验风险越小说明学习模型对训练数据拟合程度越好。 监督学习：“欠拟合”与“过拟合” 经验风险最小化 期望风险最小化 监督学习：结构风险最小 结构风险最小化(structural risk minimization):为了防止过拟合，在经验风险上加上表示模型复杂度的正则化项(regulatizer)或惩罚项(penaltyterm): 经验风险最小化：仅反映了局部数据 期望风险最小化：无法得到全量数据 如何减少泛化误差 正则化降低模型复杂度优化经验风险最小 机器学习=优化3 过拟合：经验风险最小化原则很容易导致模型在训炼集上错误率很低，但是在未知数据上错误率很高。过拟合问题往往是由于训练数据少和噪声等原因造成的, 如何选择一个合适的模型 监督学习 线性回归 ●在现实生活中，往往需要分析若干变量之间的关系，如碳排放量与气候变暖之间的关系、某一商品广告投入量与该商品销售量之间的关系等，这种分析不同变量之间存在关系的研究叫回归分析，刻画不同变量之间关系的模型被称为回归模型。如果这个模型是线性的，则称为线性回归模型。 ●一旦确定了回归模型，就可以进行预测等分析工作，如从碳排放量预测气候变化程度、从广告投入量预测商品销售量等。 决策树 ●决策树是一种树型结构，其中每个内部结点表示在一个属性上的测试每个分支代表一个测试输出，每个结点代表一种类别, ●决策树学习是以实例为基础的归纳学习。 ●决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子节点处的熵值为零，此时每个叶节点中的实例都属于同一类。