人工智能基础概念
The brain happens to be a meat machine.
—— Marvin Lee Minsky
目录
人类智能
人工智能
三个阶段
三大学派
四个要素
关系辨析
维度分类
发展简史
技术方向
应用领域
产业图谱
发展趋势
人类智能
人工智能的目的是通过探索智慧的实质，扩展人类智能。依据美国教育学家和心理学家Howard Gardner提出的多元智能理论，人类的智能可被分为八个范畴
| 语言智能 linguistic intelligence | 使用口语或文字表达思想并理解思想，掌握语音、语义、语法，具备言语思维，用言语表达和欣赏语言深层内涵的能力。 |
| 数字逻辑智能 Logical-Mathematical intelligence | 有效地计算、测量、推理、归纳、分类，并进行复杂数学运算的能力。包括对逻辑的方式和关系，陈述和主张，功能及其他相关抽象感念的敏感性。 |
| 空间智能 Spatial intelligence | 准确感知视觉空间及周围一切事物，把所感觉到的形象以图画的形式表现出来的能力。包括对色彩、线条、形状、形式、空间关系的敏感性。 |
| 身体运动智能 Bodily-Kinesthetic intelligence | 运用整个身体来表达思想和情感、灵巧地运用双手制作或操作物体的能力。包括特殊的身体技巧，如平衡、协调、敏捷、力量、弹性和速度以及触觉相关的能力 |
| 音乐智能 Musical intelligence | 敏锐地感知音调、旋律、节奏、音色等能力。包括对节奏、音调、旋律或音色的敏感性，与生俱来就拥有音乐的天赋，表演、创作及思考音乐的能力。 |
| 人际智能 Interpersonal intelligence | 理解别人和与人交往的能力。包括察觉他人的情绪、情感，体会他人的感觉感受，辨别不同人际关系的暗示以及对这些暗示做出适当反应的能力。 |
| 自我认知智能 Intrapersonal intelligence | 自我认识和自知之明并据此做出适当行为的能力。包括认识自己的长处和短处，意识到自己的内在爱好、情绪、意向、脾气和自尊，独立思考的能力 |
| 自然认知智能 Naturalist intelligence | 观察自然界事物，对物体进行辩论和分类的能力。包括好奇心和求知欲，有着敏锐的观察能力，能了解各种事物的细微差别。 |
人工智能
人工智能是研究、开发用于模拟、延伸和扩展人类的智能的理论、方法、技术及应用系统的一门新的技术科学。一个经典的人工智能定义是：“ 智能主体可以理解数据及从中学习，并利用知识实现特定目标和任务的能力“
三个阶段
人工智能三阶段分别是计算智能、感知智能和认知智能，目前人工智能的发展仍处于感知智能的阶段
| 特点 | 功能 | |
| 计算智能 | “能存会算”，机器开始像人类进行计算并传递和存储信息 | 存储和快速处理海量数据 |
| 感知智能 | “能听会看”，机器开始向人类一样看懂和听懂信息，根据信息作出判断并采取简单的行动 | 协助完成“看”和“听”的工作 |
| 认知智能 | “理解思考”：机器开始像人类一样进行理解、思考与决策。 | 全面辅助或替代人类部分工 作 |
三大学派
人工智能主要分为三大学派，符号主义靠人工赋予智能，联结主义靠机器自行习得智能，行为主义在与环境的作用和反馈中获得智能。不同学派反映着不同的研究趋向，而在实际的项目中往往综合应用了多个学派的知识。
| 学派 | 定义 | 关键词 | 方法示例 |
|---|---|---|---|
| 符号主义 Symbolicism | 又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，主张用显式的公理和逻辑体系搭建人工智能系统。 | 符号推理与机器推理 | 决策树 |
| 联结主义 Connectionism | 又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。主张利用数学模型来研究人类认知的方法，用神经元的连接机制搭建人工智能系统。 | 神经元网络与机器学习 | 神经网络 |
| 行为主义 Actionism | 又称进化主义或控制论学派，是一种基于“感知-行动”的行为智能模拟方法，主张以控制论和感知-动作型控制系统原理模拟行为从而搭建人工智能系统。 | 行为控制、自适应与进化计算 | 强化学习 |
四个要素
人工智能四要素：数据、算法、算力、场景
关系辨析
人工智能、机器学习、深度学习和数据科学的关系
维度分类
按照能力维度，可以划分为弱人工智能、强人工智能与超人工智能。
| 弱人工智能 |
|
| 强人工智能 |
|
| 超人工智能 |
|
按照应用维度，可以划分为专用人工智能与通用人工智能。
| 专用人工智能 | 在限定领域达到甚至超越人类智能的机器智能 |
| 通用人工智能 | 在所有领域达到甚至超越人类智能的机器智能 |
发展简史
技术方向
目前人工智能主要应用技术方向包括语音处理、计算机视觉、自然语言处理。
| 技术对象 | 应用场景 | |
| 语音处理 | 运用计算机技术研究、分析和应用语音信号 | 医疗问诊、智能音箱、语音识别、语音合成、音频检测等 |
| 计算机视觉 | 运用计算机技术处理、分析和理解数字图像 | 内容审核、图像分类、目标检测、语义分割、目标跟踪、人脸验证等 |
| 自然语言处理 | 运用计算机技术识别、理解和应用自然语言 | 知识图谱、机器翻译、文本挖掘、用户画像、情感分析等 |
应用领域
人工智能技术已步入全方位商业化阶段，并对传统行业各参与方产生不同程度的影响，改变了各行业的生态。
产业图谱
发展趋势
| 数据 | 安全聚合、差分隐私、同态加密......更完善的基础数据服务产业，更安全的数据共享指日可待 |
|---|---|
| 框架 | Tensorflow、Pytorch等不断迭代，更易用、更全能的开发框架投入使用，降低开发门槛 |
| 算法 | BERT、GPT、XLNet等开始广泛应用于工业场景，性能更优，体积更小的算法模型是大势所趋 |
| 算力 | 人工智能芯片规模不断增长，有望进一步解决人工智能的算力问题，实现端-边-云全面发展 |
| 场景 | 心理咨询、孤独症治疗、自动车损定损、自动化办公......人工智能在各个垂直领域的应用场景将不断被突破 |