人工智能基础知识 ---- 人工智能基本概念

客官°小女子只卖身不卖艺 2024-03-16 14:20 49阅读 0赞

### **1. 人工智能发展历史** ###

人工智能的发展主要经历过三个阶段：

*  **推理期：**
    
    人们试图总结、归纳出一些逻辑规则，并将逻辑规则以计算机程序的方式实现，来开发出人工智能系统，但是这种显示的规则往往过于简单，并且很难表达复杂，抽象的概念和规则，这一阶段称为推理期。
    
    **知识库加推理阶段：**
    
    20世纪70年代，科学家尝试用**知识库加推理的方式**解决人工智能，通过构建庞大的专家系统来模拟人类专家的智能水平，但是很多复杂，抽象的概念无法用代码实现，由此出现了一种从数据中学习规则的研究科学，称为**机器学习**；
    
    **深度学习阶段：**
    
    在机器学习中，有一门通过**神经网络来学习复杂，抽象逻辑的方向**，称为神经网络，深层神经网络有一个新名字，称为**深度学习**

人工智能，深度学习，机器学习，神经网络的关系如下：

![09a7b4df90bb4c018c3a76bbc3172b4e.jpeg][]

1957年美国科学家提出了一个可以自动学习权重的神经元模型，称为感知机，1969 美国科学家指出了感知机等线性模型的缺陷，即无法简单的处理**异或等线性不可分问题**，一般认为1969 ~ 1982 年为人工智能发展的第一次寒冬；  
AI 在低谷期内，提出了**误差的反向传播算法（BP 算法）**，它依旧是现代深度学习的核心理论基础。  
1992 ~ 1995 是第二次人工智能兴盛的大潮，这段时间内相继提出了**卷积神经网络，循环神经网络，方向传播算法等算法模型**，神经网络的研究随着支持向量机（SVM）为代表的传统机器学习算法的兴起走向低谷，称为人工智能的第二次寒冬。

### **2. 机器学习分类** ###

**• 有监督学习**  
有监督学习的数据集包含了样本 ![x][] 和样本的标签 ![y][]，算法模型需要学习映射关系  
![f(x) = x -> y][f_x_ _ x -_ y]，在训练时，通过计算模型的预测值 ![f(x)][f_x]和真实标签 ![y][] 之间的误差来优化网络参数，使得网络下一次的预测能够更加准确。  
常见的有监督学习有**线性回归，逻辑回归，支持向量机（SVM）和随机森林**。

**• 无监督学习**  
对应只有样本x的数据集，算法需要自行发现数据的模态，这种方式称为无监督学习、无监督学习有一类算法是将自身作为监督信号，训练时，通过计算模型的预测值和自身的关系 ![x][]之间的误差来优化网络参数，称为自监督学习，常见的无监督学习算法有**自编码器，生成对抗网络等**

**• 强化学习**  
是通过于环境交互来学习解决问题策略的一种算法，强化学习并没有明确正确的的动作监督信号，算法需要和环境进行交互，来获取环境反馈的滞后的奖励信号，因此不能通过计算动作和正确动作之间的误差来优化网络，常见的强化学习网络有 **DNQ，PPO 等**

深度学习的应用：

*  *图片识别*

神经网络输入图片数据，输出值为当前样本属于某个类别的概率分布，通常选取概率值最大的类别作为样本的预测数据

*  *目标检测*

通过算法检测出图片中常见物体 的大概位置

*  *语义分割*

通过算法自动分割并且识别出图片中的内容，可以将语义分割理解为每个像素点的分类问题

*  *视频理解*
 *  *图片生成*

### 3.深度学习框架 ###

**Theano** 最早的深度学习框架之一，是一个基于 python 语言，定位于底层的计算库，Theano同时支持 CPU 和 GPU 运算。  
**Caffe** 主要面向使用卷积神经网络的场合，并不适合其他类型神经网络的应用。  
**pyTorch（派拖奇）**FaceBook 是基于Torch 框架推出的采用 python 为主要开发语言的深度学习框架。  
Tensorflow 是 Google 于2015 年发布的深度学习框架

**Tensorflow 和 pyTorch 是业界使用最为广泛的两个深度学习框架。**

**深度学习的核心是算法设计思想，深度学习框架只是实现算法的工具**  
神经网络本质上是由大量的***矩阵相乘，矩阵相加***等基本的数学运算构成，TensorFlow 可以利用GPU 方便的实现并行加速的功能

[09a7b4df90bb4c018c3a76bbc3172b4e.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/c3ecc86bd12e4e21ad1b4a9c8934a5b6.png
[x]: https://latex.csdn.net/eq?x
[y]: https://latex.csdn.net/eq?y
[f_x_ _ x -_ y]: https://latex.csdn.net/eq?f%28x%29%20%3D%20x%20-%3E%20y
[f_x]: https://latex.csdn.net/eq?f%28x%29