人工智能通识教育 课件 模块3 人工智能关键技术.pptx

人工智能通识教育

模块1初识人工智能目录模块2人工智能支撑运作平台模块3人工智能关键技术模块4人工智能应用（一）模块5人工智能应用（二）模块6人工智能前沿模块7人工智能与社会

模块3结构：单元1自然语言处理技术单元2机器学习技术单元3深度学习技术单元4机器视觉与机器听觉单元5跨媒体分析与推理技术单元6虚拟现实与增强现实技术

模块3人工智能关键技术

学习目标：了解人工智能的基本概念和发展历程。理解人工智能的基本概念和原理。了解人工智能的关键技术。培养具有人工智能思维解决实际问题的能力模块3人工智能关键技术学习重点：理解自然语言处理的含义及常见应用；2.了解机器学习、深度学习之间的关系；3.理解机器视觉与机器听觉的原理和应用场景；4.了解跨媒体（模态）技术应用；5.了解虚拟现实技术与增强现实技术的区别及应用。

单元1自然语言处理技术模块3人工智能关键技术3.1.1什么是自然语言处理自然语言处理是将人类交流沟通所用的语言经过处理转化，成为机器所能理解的机器语言，是一种研究语言能力的模型和算法框架，是语言学和计算机科学的交叉学科。其研究可分为自然语言理解（让机器读懂我们日常的表达）和自然语言生成（让机器生成我们所能懂的话）。

单元1自然语言处理技术模块3人工智能关键技术3.1.2自然语言处理的典型应用自然语言处理正在人们的日常生活中扮演着越来越重要的角色。机器翻译是指利用计算机将一种自然语言转换为另一种自然语言的过程，是自然语言处理的一个分支。聊天机器人是一个用来模拟人类对话或聊天的程序，它能够与人类进行对话和交流。聊天机器人利用自然语言处理技术来理解人类的语言输入，并生成相应的回复。

单元1自然语言处理技术模块3人工智能关键技术3.1.3自然语言处理的发展趋势自然语言处理（NLP）技术的快速进步和应用扩展，预示着它在未来将继续发挥重要作用。从更强大的预训练模型到普及的个性化应用，NLP正在成为推动智能化和自动化发展的关键技术之一。自然语言处理的发展趋势有以下几个方面：1.更强大的预训练模型2.多模态学习3.实时和高效的NLP4.个人化和情境感知5.普及和民主化

单元2机器学习技术模块3人工智能关键技术3.2.1监督学习的流程和框架监督并不是指人站在机器旁边看机器做的对不对，而是上面的流程：选择一个适合目标任务的数学模型、先把一部分已知的“问题和答案”（训练集）给机器去学习、机器总结出了自己的“方法论”、人类把“新的问题”（测试集）给机器，让他去解答。

单元2机器学习技术模块3人工智能关键技术3.2.2监督学习的案例随着计算机技术的飞速发展，机器学习和人工智能领域取得了令人瞩目的成就。其中，手写数字识别技术作为一种重要的人工智能技术，已经广泛应用于图像处理、语音识别、自然语言处理等领域。而MNIST手写数字识别是机器学习和深度学习领域中的一个经典问题，也是机器学习和人工智能领域的入门级问题之一。

单元2机器学习技术模块3人工智能关键技术3.2.3数据集与损失函数如何判断所学的目标函数好还是不好呢?要回答这个问题，我们首先需要制定一个评价机制。简单来说，根据数据给出的xi，yi的组合，我们希望所学的函数f尽可能满足f（xi）=yi，或者至少f（xi）≈yi。根据这一原则，我们可以定义一个距离函数，用以表示f（X）和Y的距离有多远。在机器学习领域，这样的距离函数叫做损失函数（lossfunction）。

单元2机器学习技术模块3人工智能关键技术3.2.4无监督学习的主要任务无监督学习则不同。这里的数据没有预先标注，换句话说，机器不知道哪些数据代表什么。它的任务是通过分析这些没有标签的数据，自己去发现其中的模式、结构或关系。我们可以把无监督学习比作一个侦探的任务。想象你是一个侦探，被放在一个陌生的城市，没有任何提示。你要通过观察这座城市的建筑、街道、居民活动等，去自己发现这座城市的规则和结构。比如，你可能会发现城市的不同区域有着不同风格的建筑，人们的衣着也有所不同，或者某些特定区域在特定时间会变得特别繁忙。这些发现都是基于你自己对环境的观察，而没有人告诉你哪里是商业区，哪里是住宅区。

单元3深度学习技术模块3人工智能关键技术3.3.1深度学习的发展历程深度学习?是一种机器学习方法，它是机器学习领域中的一个重要分支，旨在让机器能够像人一样思考和行动。深度学习的核心在于使用多层人工神经网络（由算法建模而成，能够像人的大脑一样工作）来模拟人脑的学习过程，通过学习大量数据中的内在规律和表示层次，从而实现对图像、语音、文本等复杂数据的处理和分析。

模块3人工智能关键技术单元3深度学习技术模块3人工智能关键技术3.3.2深度学习的工作原理深度学习使用多层人工神经网络，这是由输入和输出之间节点