人工智能现状与未来(共98张PPT).ppt

;;;人工智能将引领人类第四次工业革命–智能化;;;;;人工智能相关技术刚刚越过曲线高峰（处于狂热期），是推动透明化身临其境体验技术发展的主要动力

涉及透明化身临其境体验的人本技术（如智能工作空间、互联家庭、增强现实、虚拟现实、脑机接口）是拉动另外两大趋势的前沿技术

数字平台在曲线上处于快速上升期，其中的量子计算和区块链将在今后5—10年带来变革性的影响;;;为什么人类能成为地球的主宰？;AI学科结构;;人工智能产业生态的三层基本架构;人工智能系统的技术架构;;;;机器学习实施过程;特征提取;;第一个模型是一个线性模型，低度拟合，不能很好地适应训练集；第三个模型是一个四次方的模型，过度拟合，虽然能非常好地适应我们的训练集，但在新输入变量进行预测时可能会效果不好；中间的模型似乎最合适;当感知器用于两类模式的分类时，相当于在高维样本空间中，用一个超平面将两类样本分开

神经网络的学习过程就是神经网络参数的设定过程

一个神经元网络结构确定之后，需要对一系列参数（权重、阈值等）进行有效的设定。这个过程叫做学习或训练过程，此时的方法叫学习算法;监督学习;深度学习的神经网络训练方法;第27页，共98页。;局部感受-卷积;池化;LeNet-5;深度学习的训练方法;深度学习的成功应用;;知识图谱(KnowledgeGraph);知识图谱构建;基于人工规则的语义理解;知识图谱的成功应用：现代有哪些信誉好的足球投注网站引擎;面向知识图谱的Sogou有哪些信誉好的足球投注网站技术;;语义理解

;通用知识图谱+行业知识图谱;;;;第45页，共98页。;;目前，机器学习=“分类”

AlphaGoZero解析

将从拥有大数据的源领域上学习到的东西应用到仅有小数据的目标领域上去，实现个性化迁移，即举一反三、触类旁通。

无大数据学习，无人工标注好的训练数据，没人教它

通过已有的训练样本（即已知数据以及其对应的输出）训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，从而也就具有了对未知数据进行分类的能力

用PolicyNetwork作为第一感，将计算力分配到最有希望的选点

的电量，即整体用电量效率提升15%

大知识的关键：新知识生成

深度学习算法简介：数学基础

涉及逻辑推理，形象思维，优化选择等多种人类智能（注：国际象棋只有逻辑推理，没有形象思维）

空间变化带来了认知的新门类、新通道、新计算

智能企业：对设计、生产、管理、物流和营销等业务链的智能优化，生产线智能调度与重构，生产设备网络化、生产数据集成化、生产过程透明化、生产现场无人化、运营管理智能化等系统

——NN是结构，由软件或硬件生成

汇总四种表达的优缺点如右

智能交通监控：研发车联自动驾驶与车路协同的技术体系、交通智能化疏导和运行协调系统，提高覆盖地、轨、空、海的综合交通智能监管和服务能力

近50年来，信息空间成长壮大的历程

以2006年谷歌翻译上线为标志的时代，人工智能的发展从学术界到谷歌这样的公司主导，从以前的军用到民用，产品从ToB到大规模的ToC的过程

算法（深度学习）+数据（大数据）+基础设施（计算能力）;展开深度为4的博弈树;围棋落子蒙特卡洛数学模型及评估;传统围棋AI算法—数学模型MCTS（蒙特卡洛树有哪些信誉好的足球投注网站）;;;PolicyNetwork策略网络：落子棋感;PolicyNetwork—输入特征;左右互博，自我进化;Fast-Rollout快速走子;ValueNetwork：胜负棋感;ValueNetwork模型;

MCTS在对局中实时有哪些信誉好的足球投注网站

Step1：基于策略网络落子，可能性大的落子拓展节点

Step2：对未来走势进行评估，同时使用估值网络和快速走子，综合两者预测未来走法

Step3：评估结果作为下一步走法的Q值。重新模拟。

Step4：结合下一步走法的Q值和策略网络进行再一次模拟。如果出现同样走法，Q值起平均。新分数=调整后的初始分+0.5*通过模拟（策略网络+快速走棋)得到的赢棋概率+0.5*估值网络的局面评估分

Step5：反复循环直到n次，或者timeout，选择被选择次数最多的走法作为下一步;;AlphaGoZero;AlphaGoZero解析;智能围棋与蒙特卡洛树有哪些信誉好的足球投注网站;智能围棋与神经网络;直觉：不经过思考过程，很快就能出现的直接想法、感觉、信念或者偏好（这个非常重要，其强大的力量。如：落子的直觉，胜负的直觉、棋盘的直觉、棋形的直觉）

通过深度神经网络和大数据的训练而获得

;;;一只乌鸦的启示;Q2：AI+还是+AI？;应用场景相对闭可控;新特征1：深度学习+自我博弈进化技术;DeepMind算法减少了40%用于冷却

的电量，即整体