人工智能简介_人工智能介绍 csdn

1.人工智能的层次结构

 2.机器学习

监督学习就是指给机器一些样本，同时也告诉机器这些样本是什么。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成，就是我们例子中的苹果图片和苹果，能够将苹果的形状和苹果之间建立对应关系。

无监督学习是和有监督学习相对应的，我们在给出样本的同时，并没有给出样本间的规律，机器根据这些数据自动的找出规律来进行学习，这个过程就称为无监督学习。

机器通过自己和自己相互的博弈，比如AlphaGo在2018年提出的AlphaGo Zero，它自己和自己下棋的过程，就是增强学习的过程。

机器学习就是通过学习样本数据，训练出模型，然后使用模型去进行预测的一种方法。机器学习的三个要素是数据、算法、模型，机器学习研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的结果(模型)与新数据来进行预测。

3.深度学习

 机器学习是一种实现人工智能的方法，而深度学习则是一种实现机器学习的技术。

深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。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，因此在语音和图像识别方面取得的效果，远远超过先前相关技术。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器可以模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

深度学习的实现和神经网络的发展也是密不可分的，神经网络由一层一层的神经元构成。层数越多，就越深，所谓深度学习就是用很多层神经元构成的神经网络实现机器学习的功能。

常用的深度学习算法包括反向传播、前馈神经网络（FNN）、卷积神经网络（CNN）、循环神经网络（RNN）、递归神经网络、自编码器、深度信念网络和受限玻尔兹曼机器、生成对抗网络（GAN）等。

4.智能语音技术

 

4.1语音合成

 

4.2语音识别

通过声音输入、信号预处理、特征提取、模式匹配和语言处理，我们完成了整个语音识别的过程，实现了从声音到文字的转换。

4.3 语音评测

 

 4.4麦克风阵列

 

 

4.5声纹识别和语种识别

 5.计算机视觉

智能语音技术让机器实现了“能听会说”，计算机视觉技术则相当于机器的眼睛，让机器实现了“看”。

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和其他生物每天所做的那样。计算机视觉就是用各种成像系统代替视觉器官，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。

计算机视觉有五个任务，分别是图像分割、物体检测、物体分类、图像描述和语义推理。

 

图像分割指的是将数字图像细分为多个图像子区域（像素的集合，也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。更精确地说，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。

物体检测是指在一张图片中，找到某些位置的特定物体。物体检测的目标，就是用框去标出物体的位置，并给出物体的类别。物体检测侧重于物体的搜索，而且物体检测的目标必须要有固定的形状和轮廓。

一张图像中是否包含某种物体，对图像进行特征描述是物体分类的主要研究内容。一般说来，物体分类算法通过手工特征或者特征学习方法对整个图像进行全局描述，然后使用分类器判断是否存在某类物体。

图像描述是指系统自动的对给定照片做出的描述，比如上图中，系统给出的图像描述就是一个人在草坪上骑马。

更进一步的，也是更难的就是根据图像做出语义推理，还是根据上图，可能的语义推理包括今天天气很好，一个人很开心的草坪上骑马，马儿也非常配合等等。

计算机视觉的应用也是非常广阔的，除了我们熟悉的人脸识别之外，指纹识别及其他生物特征识别都属于计算机视觉的应用，还包括医学领域的影像分析，比如小讯提到的肺部影像辅助诊断系统等、视频监控、拍照识别和图像搜索、各类文档的分析和识别、VR、AR、MR、辅助驾驶等等。

 计算机视觉的研究当前也存在一些难点与挑战，并不是所有图片都是清晰且易识别的，也会存在很多难以识别的情况，比如图片中存在多变和非均匀的光照场景，导致计算机不能很好的准备识别出图像内容.

 

 6.自然语言处理

语言是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识也是以语言文字的形式记载和流传下来的。所以在人工智能的研究中，如何能让机器实现与人类一样，流畅的使用语言进行沟通是机器“智能化”体现非常重要的一部分。

为了实现机器对语言的理解，实现人机交互的目标，自然语言处理技术一般包括词语、句子、篇章表达和分析、对话系统、机器翻译、阅读理解、信息抽取和知识图谱等技术。