Chapter 1 人工智能發展歷程.pptx
Document Details
Full Transcript
Chapter 1 人工智能核心技術 職中視覺傳達設計 – 視覺與科技 上課日期 : 2024 年 11 月 18 日至 2025 年 1 月 20 日 逢星期一 時間 : 15:20-17:45 導師 : Jacky Lao 電郵 : [email protected] 本章大綱 人工智能概述 機器學習原理與實踐 自然語言處理技術與應...
Chapter 1 人工智能核心技術 職中視覺傳達設計 – 視覺與科技 上課日期 : 2024 年 11 月 18 日至 2025 年 1 月 20 日 逢星期一 時間 : 15:20-17:45 導師 : Jacky Lao 電郵 : [email protected] 本章大綱 人工智能概述 機器學習原理與實踐 自然語言處理技術與應用 計算機視覺在人工智能中作用 語音識別和合成技術探討 2 Chapter 1 人工智能核心技術 10/25/2024 人工智能應用場景 圖像識別 目標識別 人臉識別 3 Chapter 1 人工智能核心技術 10/25/2024 人工智能應用場景 圖像風格轉換 圖片描述 文字分類 語音識別 4 Chapter 1 人工智能核心技術 10/25/2024 人工智能概述 人工智能發展必備三要素 : 數據 (data) 演算法 (algorithm) 計算力 (computing power): CPU, GPU, TPU CPU (Central Processing Unit ， 中央處理器 ) 主要 適合 I/O 密集型的任務 GPU (Graphics Processing Unit ，圖形處理器 ) 主要 適合計算密隻型任務 TPU (Tensor Processing Unit ，張量處理器 ) 專門用 於機器學習演算法的晶片 5 Chapter 1 人工智能核心技術 10/25/2024 人工智能概述 人工智能 (Artificial Intelligence, AI) 是研究、 開發用於模擬、延伸和擴展人的智慧的理論、方法、 技術及應用系統的一門技術科學。 機器學習 (Machine Learning) 是用演算法解 析資料，不斷學習，對世界中發生的事做出判斷和 預測的一項技術。常用的機器學習演算法有：決策 樹、隨機森林、邏輯回歸、支援向量機 (SVM) 、 樸素貝葉斯、 K 最近鄰演算法、 K 均值演算法、神 經網路等。 深度學習 (Deep Learning) 是用於建立、模擬 人腦進行分析學習的神經網路，並模仿人腦的機制 來解釋資料的一種機器學習技術。它的基本特點是 試圖模仿大腦的神經元之間傳遞，處理資訊的模式。 最顯著的應用是電腦視覺 (CV) 和自然語言處理 (NLP) 領域。深度學習又分為卷積神經網路 (Convolutional neural networks ， CNN) 和深度置信網 (Deep Belief Nets ， DBN) 。 6 Chapter 1 人工智能核心技術 10/25/2024 人工智能概述 7 Chapter 1 人工智能核心技術 10/25/2024 人工智能概述 神經網絡 機器學習 深度學習 8 Chapter 1 人工智能核心技術 10/25/2024 人工智能發展歷程 1. 人工智能的起源 人工智能一詞緣於 1956 年 8 月美國達特茅斯學院的夏 季研討會。而在 1955 年 8 月的時候，“人工智能”在一 份關於召開國際人工智慧會議的提案中被提出，這份提案 由東道主約翰 · 麥卡錫 (John McCarthy) 、哈佛大學 的馬文 · 明斯基 (Marvin Minsky) 、 IBM 的納旦尼 爾 · 羅賈斯特 (Nathaniel Rochester) 、資訊理論的 創始人克勞德 · 香農 (Claude Shannon) 聯合遞交。 2. 圖靈測試：計算機科學之父艾倫 · 麥席森 · 圖靈（ Alan Mathison Turing 提出了著名的圖靈測試：如果一台機器 能夠與人類展開對話（通過電傳設備）而不能被辨別出其機 器身份，那麼稱這台機器具有智慧。這一簡化使得圖靈能夠 令人信服地說明“思考的機器”是可能的。 圖靈提出的著名的圖靈機模型為現代電腦的邏輯工作方式 奠定了基礎。 9 Chapter 1 人工智能核心技術 10/25/2024 人工智能發展歷程 人工智能自 1956 年以來 60 餘年的發展歷程劃 第四是低速發展期： 20 世紀 80 年代中一 90 分為以下 6 個階段： 年代中 第一是起步發展期： 1956 年 -20 世紀 60 隨著人工智能的應用規模不斷擴大，專家系統存 年代初 在的應用領域狹窄、缺乏常識性知識、知識獲取 人工智能概念提出後，相繼取得了一批令人屬 困難，推理方法單一，缺乏分散式功能，難以與 目的研究成果，如機器定理證明、跳棋程式等， 現有資料庫相容等問題逐漸暴露出來。 掀起人工智能發展的第一個高潮。 第五是穩步發展期： 20 世紀 90 年代中 -2010 第二是反思發展期： 20 世紀 60 年代一 70 年 年代初 由於網路技術的發展，加速了人工智能的創新研 人工智能發展初期的突破性進展大大提升了人 究，促使人工智能技術進一步走向實用 們對人工智能的期望，人們開始會試更具挑戰 化， 1997 年 IBM 深藍超級電腦戰勝了國際象 性的任務，並提出了一些不切實際的研發目標。 棋世界冠軍卡斯帕羅夫， 2008 年 IBM 提出智 然而，提二連三的失敗和預期目標的落空，使 慧地球“的概念。以上都是這一時期的標誌性事 人工智能的發展走入低谷。 件。 第三是應用發展期： 20 世紀 70 年代初 -80 第六是蓬勃發展期： 2011 年至今 年代中 隨著大數據、雲計算、互聯網、物聯網等資訊技 20 世紀 70 年代出現的專家系統模擬人類專 術的發展，泛在感知數據和圖形處理器等計算平 家的知識和經驗解決特定領域的問題，實現了 台推動以深度神經網路為代表的人工智能技術飛 人工智慧從理論研究走向實際應用、從一般推 速發展，大幅跨越了料學與應用之間的技術鴻 理策略探討轉向運用專門知識的重大突破。專 溝”，諸如圖像分類、語音識別、知識問答、人 家系統在醫療、化學、地質等領域取得成功， 機對弈、無人駕駛等人工智能技術實現了從 “不 推動人工智慧走入應用發展的新高潮。 能用 , 不好用” 到 “可以用” 的技術突破，迎來 10 Chapter 1 人工智能核心技術 爆發式增長的新高潮。 10/25/2024 · 人工智能發展歷程 11 Chapter 1 人工智能核心技術 10/25/2024 人工智能分支 1. 計算機視覺 (Computer Vision, CV) 是指機器感知環境的能力。這一技術類別中的經典任務有圖像形 成、影像處理、圖像提取和圖像的三維推理。物體檢測和人臉識別是其比較成功的研究領域。 2. 語音識別 (Speech Recognition) 指識別語音 ( 說出的語言 ) 並將其轉換成對應文本的技術。相反的 任務 ( 文本轉語音 /TTS) 也是這一域內一個類似的研究主題。 3. 文本挖掘 (Text Mining) 是指文本分類，該技術可用於理解、組織和分類結構化或非結構化文本文檔。 其涵蓋的主要任務有句法分析、情緒分析和垃圾資訊檢測。 4. 機器翻譯 (Machine Translation) 利用機器的力量自動將一種自然語言 ( 來源語言 ) 的文本翻譯成另 一種語言 ( 目的語言 ) 。 5. 機器人 (Robotics) 是指機器人的設計、製造、運作和應用，以及控制它們的電腦系統、傳感回饋和資 訊處理。 12 Chapter 1 機器學習介紹 10/25/2024 機器學習原理與實踐 13 Chapter 1 人工智能核心技術 10/25/2024 機器學習原理與實踐 14 Chapter 1 人工智能核心技術 10/25/2024 機器學習原理與實踐 15 Chapter 1 人工智能核心技術 10/25/2024 自然語言處理技術與應用 16 Chapter 1 人工智能核心技術 10/25/2024 自然語言處理技術與應用 17 Chapter 1 人工智能核心技術 10/25/2024 計算機視覺在人工智能中作用 18 Chapter 1 人工智能核心技術 10/25/2024 計算機視覺在人工智能中作用 19 Chapter 1 人工智能核心技術 10/25/2024 語音識別和合成技術探討 20 Chapter 1 人工智能核心技術 10/25/2024 語音識別和合成技術探討 21 Chapter 1 人工智能核心技術 10/25/2024 本章總結 問題討論 課後練習 22 Chapter 1 人工智能核心技術 10/25/2024
