机器学习

一、人工智能

1）人工智能应用场景

就与现在的社会发展趋势而言，人工智能已经体现在了大家生活中的很多方面，如交通路况查询，电商网站的推荐系统，手机的人脸识别等。

2）人工智能发展必备的三要素：

• 数据
• 算法
• 计算力
  • CPU、GPU、TPU

CPU和GPU的简单对比：

• CPU主要适合I/O密集型的任务
• GPU主要适合计算密集型的任务

那么什么样的程序适合在GPU上运行呢？

• 1）计算密集型的程序
  • 所谓计算密集型程序，就是大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延迟。
• 2）易于并发的程序
  • GPU其实就是一种SIMD架构，它有成百上千个核，每一个核在同一时间最好能做同样的事情。

3）人工智能、机器学习和深度学习

通过上图也能看出，它们的关系是：

• 机器学习是人工智能的一种实现途径
• 深度学习是机器学习的一个方法

4）人工智能的发展历程

• 人工智能的起源（具体细节自行百度吧）

  • 图灵测试
  • 达特茅斯会议，1956年是人工智能的元年。

• 人工智能的发展历程

  人工智能充满未知和探索道路曲折起伏。我们将人工智能的发展历程划分为以下6个阶段：

  • 第一是起步发展期：1956年—20世纪60年代初
  • 第二是反思发展期：20世纪60年代—70年代初
  • 第三是应用发展期：20世纪70年代处—80年代中
  • 第四是低迷发展期：20世纪80年代中—90年代中
  • 第五是稳步发展期：20世纪90年代中—2010年
  • 第六是蓬勃发展期：2011年至今。

  随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器在计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，如图像的分类、语音识别、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。

5）人工智能的主要分支

• 主要分支介绍

  • 通讯、感知和行动是现代人工智能的三个关键能力。

  计算机视觉（CV）

  自然语言处理（NLP）

  机器人

• 分之一：计算机视觉

  **计算机视觉（CV）是指机器感知环境的能力。**这一技术类别中的经典任务有图像形成、图像处理、图像提起和图像的三位推理。物体检测和人脸识别是其比较成功的领域。

  现阶段：

  计算机视觉现已有很多应用，这表明了这类技术的成就，也让我们将其归入到应用阶段。随着深度学习的发展，机器甚至能在特定的案例中实现超越人类的表现。但是，这项技术离社会影响阶段还有一定距离，那要等到机器能在所有场景中都达到人类的同等水平才行(感知其环境的所有相关方面)。

• 分之二：语音识别

  **语音识别是指识别语言并将其转换成对应文本的技术。**相反的任务文本转语音也是这一个领域类似的研究主题。

  现阶段：

  语音识别已经处于应用阶段很长时间了。最近几年，随着大数据和深度学习技术的发展，语音识别进展颇丰，现在已经非常接近社会影响阶段了。

  语音识别领域仍然面临着声纹识别和**「鸡尾酒会效应」**等一些特殊情况的难题。

  现代语音识别系统严重依赖于云，在离线时可能就无法取得理想的工作效果。

• 分之三：文本挖掘/分类

  **这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化和非结构化文本文档。**其涵盖的主要任务有语句分析、情绪分析和垃圾信息检测。、

  现阶段：

  我们将这项技术归类到应用阶段，因为现在有很多应用都已经集成了基于文本挖掘的情绪分析或垃圾信息检测技术。文本挖掘技术也在智能投顾的开发中有所应用，并且提升了用户体验。

  文本挖掘和分类领域的一个瓶颈出现在歧义和有偏差的数据上。

• 分之四：机器翻译

  机器翻译（MT）是利用机器的力量自动将自然语言(源语言)的文本翻译成另一种与语言(目标语言)

  现阶段：

  机器翻译是一个见证了大量发展历程的应用领域。该领域最近由于神经机器翻译而取得了非常显著的进展，但仍然没有全面达到专业译者的水平；但是，我们相信在大数据、云计算和深度学习技术的帮助下，机器翻译很快就将进入社会影响阶段。

  在某些情况下，俚语和行话等内容的翻译会比较困难(受限词表问题)。

  专业领域的机器翻译(比如医疗领域)表现通常不好。

• 分之五：机器人

  机器人学（Robotics）研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。

  **机器人可以分成两大类:固定机器人和移动机器人。**固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。

  现阶段：

  自上世纪「Robot」一词诞生以来，人们已经为工业制造业设计了很多机器人。工业机器人是增长最快的应用领域，它们在 20 世纪 80 年代将这一领域带入了应用阶段。在安川电机、Fanuc、ABB、库卡等公司的努力下，我们认为进入 21 世纪之后，机器人领域就已经进入了社会影响阶段，此时各种工业机器人已经主宰了装配生产线。此外，软体机器人在很多领域也有广泛的应用，比如在医疗行业协助手术或在金融行业自动执行承销过程。

  但是，法律法规和「机器人威胁论」可能会妨碍机器人领域的发展。还有设计和制造机器人需要相对较高的投资。

总的来说，人工智能领域的研究前沿正逐渐从搜索、知识和推理领域转向机器学习、深度学习、计算机视觉和机器人领域。

大多数早期技术至少已经处于应用阶段了，而且其中一些已经显现出了社会影响力。一些新开发的技术可能仍处于工程甚至研究阶段，但是不同阶段之间转移的速度变得越来越快。