AI前导课-第一课AI概览（2018/10/20）

Posted 2021-01-14 zhying99

 AI概览

一、人工智能技术的过去

1.人工智能发展简史

 

2.符号主义 (1)

• 符号主义（逻辑主义、心理学派、计算机学派）
　　– 原理：物理符号系统假设和有限合理性原理。
　　– 起源：源于数理逻辑。
　　– 基本思想：
　　　　• 认为人的认知基元是符号，认知过程即符号操作过程。

　　　　• 认为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。

　　　　• 认为知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理。
　　– 学派代表：纽厄尔、西蒙、尼尔逊等。

3.符号主义 (2)

符号主义

代表人物

4.连接主义 (1)

• 连接主义
　　– 原理：神经网络及神经网络间的连接机制与学习算法。
　　– 起源：源于仿生学，特别是人脑模型的研究。
　　– 基本理论：
　　　　• 认为思维基本是神经元，而不是符号处理过程。
　　　　• 认为人脑不同于电脑，并提出连接主义的大脑工作模式，用于取代符号操作的电脑工作模式。
　　– 学派代表：卡洛克、皮茨、Hopfield、鲁梅尔哈特等。

5.连接主义 (2)

连接主义

代表人物

6.行为主义

• 行为主义（进化主义、控制论学派）
　　– 原理：控制论及感知-动作型控制系统。
　　– 起源：源于控制论。
　　– 基本理论：
　　　　• 认为智能取决于感知和行动，提出智能行为的“感知-动作”模式。
　　　　• 认为智能不需要知识、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与周围环境交互作用而表现出来。

7.三大人工智能学派的优势和劣势分析

 

二、人工智能技术是什么

1.什么是人工智能

• 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。

                                                            

2.人工智能的层次结构

3.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，任何一个没有学习能力的系统都很难被认为是一个真正的智能系统。
• 深度学习：源于人工神经网络的研究，含多隐层的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，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

三、人工智技术的现在和未来

 1.AI应用场景

2.语音处理

• 语音处理主要是自动且准确的转录人类的语音。一个完整的语音处理系统，包括前端的信号处理、中间的语音语义识别和对话管理以及后期的语音合成。
　　– 前端处理：说话人声检测，回声消除，唤醒词识别，麦克风阵列处理，语音增强等。
　　– 语音识别：特征提取，模型自适应，声学模型，语言模型，动态解码等。
　　– 语义识别和对话管理：更多属于自然语言处理的范畴。
　　– 语音合成：文本分析、语言学分析、音长估算、发音参数估计等。
• 应用：包括医疗听写、语音书写、电脑系统声控、电话客服等。
• 未来：真正做到像正常人类一样，与他人流畅沟通，自由交流，还有待时日。

3.计算机视觉

• 计算机视觉指计算机从图像中识别出物体、场景和活动的能力，包含图像处理、识别检测、分析理解等技术。
　　– 图像处理：去噪声、去模糊、超分辨率处理、滤镜处理等。
　　– 图像识别：过程包括图像预处理、图像分割、特征提取、判断匹配，可以用来处理分类、定位、检测、分割问题等。
　　– 图像理解：本质是图像与文本间的交互，可用来执行基于文本的图像搜索、图像描述生成、图像问答等。
• 应用：
　　– 医疗成像分析被用来提高疾病的预测、诊断和治疗。
　　– 在安防及监控领域被用来指认嫌疑人。
　　– 在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多信息。
• 未来：计算机视觉有望进入自主理解、分析决策的高级阶段，真正赋予机器“看”的能力，在无人车、智能家居等场景发挥更大的价值。

4.自然语言处理

• 自然语言处理的几个核心环节：知识的获取与表达、自然语言理解、自然语言生成等，也相应出现了知识图谱、对话管理、机器翻译等研究方向。
　　– 知识图谱：基于语义层面对知识进行组织后得到的结构化结果。
　　– 对话管理：包含闲聊、问答、任务驱动型对话。
　　– 机器翻译：由传统的PBMT方法到Google的GNMT，流畅度与正确率大幅提升。
• 应用：搜索引擎、对话机器人、机器翻译、甚至高考机器人、办公智能秘书。

5.人工智能还处于初级阶段

• 理性地看待人工智能的现状：
　　– 人工智能还非常初级，目前适合“已知环境、目标明确、行动可预测”的场景。深度学习在图像识别、语音识别、翻译等领域，人工智能基本具备人的识别能力，甚至超越了人类，基于这些能力应用到了很多场景，如医疗、公共安全等。但在推理、认知等方面仍十分欠缺。
　　– 人工智能不是要等到超越人的智慧才进入使用，而是只要在某个方面比人做得好就可以进入使用。

6.人工智能未来将走向融合

• 人工智能的发展趋势是走向融合：传统机器学习+深度学习+强化学习+知识推理+智能决策。未来五年，AI进入井喷期（Stanford教授等的观点）：
　　– 从目前的supervised learning会逐步到Flexible learning。
　　– 计算机视觉会在工业界得到普及，如教育、医疗、交通、公共安全等。
　　– 机器人会在10年内产业化。

四、人工智能时代的公平与正义

1.自动驾驶领域的立法尝试

• 2013年美国道路交通安全管理局发布《自动驾驶汽车的基本政策》，对自动驾驶汽车测试事故的责任承担做了规定。
• 2016年8月，联合国科教文组织与世界科学知识与技术伦理委员会在《关于机器人伦理的初步草案报告》中对机器人的责任进行了探讨，提出：采取责任分担的解决路径，让所有参与到机器人的发明、授权和分配过程中的人来分担责任。
• 2017年5月12日，德国通过由运输部提议的《修订案》，在驾驶时系统不可完全取代驾驶人，驾驶人应留在汽车驾驶位上，并能够随时接管车辆的控制；尽管（自动化驾驶）有电脑的补充，但最终责任原则上应主要落在驾驶人身上。
• 目前的法律框架下，机器人自身不对因其行为或者疏忽而给第三方造成的损害承担责任。

2.立法保护与技术应用

• 立法保护：
　　– 自1973年第一部个人数据保护法《瑞典数据法》，至2016年12月，全球已有110多个国家和地区制定了专门的个人信息保护法。
　　– 2012年中国全国人大常委会通过《关于加强网络信息保护的规定》。2016年，通过《网络安全法》。
• 技术应用：
　　– 匿名化处理技术：将个人数据移除可识别个人信息的部分，并且通过这一方法，数据主体不会再被识别。

3.算法默认是否公平？

• 算法决策在很多时候其实就是一种预测，用过去的数据预测未来的趋势。算法模型和数据输入决定着预测的结果。因此这两个要素也就成为了算法歧视的主要来源。比如：
　　– 谷歌的图片软件曾错将黑人的图片标记为“大猩猩”。
　　– 2016年3月23日，微软的智能聊天机器人Tay一上线就被“教坏”了，成为了一个集反犹太人、性别歧视、种族歧视于一身的“不良少女”，于是，上线不到一天，Tay被紧急下线。

4.很多未解决的问题

• 人工智能创作物受版权法保护吗？
• 谁来赋权于机器人？
• 赋予机器人哪些权利？
• …

五、人工智能时代的人机关系与AI治理

1.三代机器人

• 第一代机器人：示教再现型机器人。第一代机器人可以重复的根据人当时示教的结果，再现出这种动作，该类机器人的特点是它对外界的环境没有感知。
• 第二代机器人：带感觉的机器人。这种带感觉的机器人是类似人在某种功能的感觉。比如：力觉、触觉、听觉，来判断力的大小和滑动的情况。
• 第三代机器人：智能机器人。理想中所追求的最高阶段，智能机器人，只要告诉他做什么，它就能完成，目前的发展还是相对的只是在局部的概念和含义。

2.智能机器人的分类

• 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、AlphaGo。
　　– “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Atlas。
　　– “理性地思考”：强人工智能，尚无法达到，瓶颈在脑科学。
　　– “理性的行动”：强人工智能。

3.机器人三定律

• 1942年美国科幻巨匠阿西莫夫提出“机器人三定律”
　　– 定律1：机器人不得伤害人类，或者目睹人类将遭受危险而袖手不管。
　　– 定律2：机器人必须服从人给予它的命令，除非违背第一定律。
　　– 定律3：机器人必须保护自己，除非违背第一、第二定律。

4.人机关系的设想与AI治理

• 人机关系的设想：
　　– 担忧机器威胁人类，通过控制AI实现人机共存。
　　– AI成为人类意识的代理者，人类通过AI延伸自我。
　　– 未来“虚拟的真实存在”或将成真。
• AI治理：
　　– 治理应当建立在技术与产业革新的基础之上。
　　– 适度性监管，保持权利的谦逊。
　　– 不要陷入泛安全化误区。
　　– 以促进发展和创新为目的。
　　– 鼓励多元主体参与的多层次治理模式。

六、 未来人工智能社会畅想

 1.机器人同事

2.灵魂伴侣

 

3.人工智能的机会和挑战，创造新市场和改变“价值分配”……

 

 4.吓尿指数