人工智能概述_人工智能技术概述

1. 人工智能概述
2. 人工智能的技术领域与应用领域
3. 华为人工智能发展战略
4. 人工智能的争议
5. 人工智能的未来展望
6. 人工智能技术领域的介绍：计算机视觉、自然语言处理、语音处理；
7. 人工智能应用领域的介绍：智能医疗、智能安防、智能家居、智慧城市、无人超市、自动驾驶；
8. 人工智能的几个发展阶段：计算智能、感知智能、认知智能。
9. 人工智能的争议
10. 框架：更易用的开发框架；
11. 算法：性能更优，体积更小的算法模型；
12. 算力：端-边-云全面发展的算力；
13. 数据：更完善的基础数据服务产业，更安全的数据共享；
14. 场景：不断突破的行业应用。

何谓智能？

多元智能理论（Howard Gardner）
人类的智能分为七个范畴：

• 语言（Verbal/Linguistic)
• 逻辑(Logical/Mathematical)
• 空间(Visual/Spatial)
• 肢体运作(Bodily/Kinesthetic)
• 音乐(Musical/Rhythmic)
• 人际(Inter-personal/Social)
• 内省(Intra-personal/Introspective)
• 华为全栈全场景AI解决方案的介绍；
• 依次从全场景、全栈角度进行展开介绍；
• 展示了相关技术的应用案例；

什么是人工智能
人工智能(Artificial Intelligence)∶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。
1956年由约翰·麦卡锡首次提出,当时的定义为“制造智能机器的科学与工程”。人工智能的目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。


AI、机器学习、深度学习的关系

人工智能:是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一
门新的技术科学。
机器学习:专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，
重新组织已有的知识结构使之不断改善自身的性能。是人工智能的核心研究领域之一。
深度学习:源于人工神经网络的研究，多层感知器就是一种深度学习结构。深度学习是机器学习研究中的一个新的领域，它模仿人脑的机制来解释数据，例如图像，声音和文本。

三大主义学派：符号主义
基本思想：

• 人类的认知过程是各种符号进行推理运算的过程。
• 人是一个物理符号系统，计算机也是一个物理符号系统，因此，能用计算机来模拟人的智能行为。
• 知识表示、知识推理、知识运用是人工智能的核心。符号主义认为知识和概念可以用符号表示。

落脚点在推理，符号推理与机器推理。
三大主义学派：连接主义
基本思想:

• 思维的基本是神经元，而不是符号处理过程。
• 连接主义中，一个概念用一组数字，向量，矩阵或张量表示。概念由整个网络的特定激活模式表示。每个节点没有特定的意义，但是每个节点都参与整个概念的表示。

落脚点在神经元网络与深度学习。

三大主义学派：行为主义
基本思想:

• 智能取决于感知和行动，提出智能行为的“感知-动作”模式。
• 智能不需要知识、不需要表示、不需要推理;人工智能可以像人类智能一样逐步进化;智能行为只能在现实世界中，通过与周围环境的不断交互而表现出来。

落脚点在行为控制、自适应与进化计算。

人工智能发展简史

AI相关技术概览
Al技术是多层面的，贯穿了应用、算法机理、工具链、器件、芯片、工艺和材料等技术层级。

人工智能的分类

• 强人工智能：
  强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题( Problem_solving )的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。有和生物一样的各种本能，比如生存和安全需求。在某种意义上可以看作一种新的文明。
• 弱人工智能:
  弱人工智能是指不能制造出真正地推理( Reasoning )和解决问题(Problem_solving ）的智能
  机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。

智能机器的分类
人工智能研究在国际上至今尚无统一的定义，目前普遍将智能机器分为四类:
“像人一样思考”：弱人工智能领域，如Watson、AlphaGoo
“像人一样行动”：弱人工智能领域，如人形机器人、iRobot、波士顿动力公司的Atlaso
“理性地思考”：强人工智能，尚无法达到，瓶颈在脑科学。
“理性地行动”∶强人工智能。

AI产业生态
AI涉及的子领域

AI技术领域&应用领域概览

现在Al的应用技术方向主要分为:

• 计算机视觉是研究如何让计算机“看”的科学。计算机视觉是三个AI应用技术中最成熟的技术。计算机视觉研究的主题主要包括图像分类，目标检测、图像分割、目标跟踪、文字识别等。

• 语音处理是研究语音发声过程、语音信号的统计特性、语音识别、机器合成以及语音感知等各种处理技术的统称。语音处理研究的主题主要包括语音识别、语音合成、语音唤醒、声纹识别、音频事件检测等。其中最成熟的技术是语音识别，在安静室内、近场识别的前提下能达到96%的识别准确度。

• 自然语言处理是利用计算机技术来理解并运用自然语言的学科。自然语言处理研究的主题主要包括机器翻译、文本挖掘和情感分析等。自然语言处理的技术难度高，技术成熟度较低。因为语义的复杂度高，仅靠目前基于大数据、并行计算的深度学习很难达到人类的理解层次。

AI将改变诸多行业

华为全栈全场景AI解决方案

华为的AI全场景包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等端、边、云的部署环境。

全栈方向一ModelArts全周期AI工作流

可视化全流程管理：

• AI数据框架：百倍提升数据处理效率
• 可视化全流程管理：让开发无后顾之忧
• 分布式集群加速：让训练从周到分钟
• 端边云一键部署：支持各种上线场景
• 自动学习：零AI基础构建模型
• AI共享平台：企业构筑内外部AI生态

全栈方向一MindSpore(华为Al计算框架)
MindSpore 提供自动化的并行能力，针对专注于数据建模和问题解决的资深算法工程师和数据科学家，只需简单几行描述就可以让算法跑到几十乃至上千Al运算节点上。
MindSpore框架架构上支持可大可小，适应全场景独立部署。支持昇腾处理器，也支持GPU、CPU等其它处理器。

全栈方向— CANN

全栈方向一 Ascend310 AI处理器和达芬奇核


Ascend AI处理器,为计算注入强劲的智能因子

人工智能的争议

• 隐私问题：现有的人工智能算法都是数据驱动，我们需要大量的数据来训练模型。我们每天在享受人工智能带来的便捷的同时，例如Facebook，谷歌,亚马逊，阿里巴巴等科技公司在获取大量的用户数据。
• 随着计算机视觉的发展，图像及视频的可行信也越来越低。现在我们可以通过PS，GAN(生成对抗网络）等技术制作假图像，让人难分真伪。

人工智能未来展望

框架:更易用的开发框架
算法︰性能更优，体积更小的算法模型算力:端-边-云全面发展的算力
数据:更完善的基础数据服务产业，更安全的数据共享
场景:不断突破的行业应用