第一章AI基础概念

1.1 了解人工智能

开发工程师路线：

总内容：AI基础：数学基础，Python编程，基础框架；技术领域：机器学习，深度学习，强化学习，GNN；应用场景：视觉处理与识别，语音识别，自然语言处理，推荐系统，知识图谱。

目前AI的发展到达大数据时代推动的第三次高潮，从概念、结构、发展历史和产业发展和战略规划。

1.2 概念

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、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。

1.3  AI与机器学习深度学习

• 人工智能: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。
• 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。

1.4 人工智能层次结构

第二章简史与方向

2.1人工智能发展简史

2.2 AI技术方向

计算机视觉是三个AI应用技术中最成熟的技术。计算机视觉研究的主题主要包括图像分类，目标检测、图像分割、目标跟踪、文字识别和人脸识别等。

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

语音处理处理研究的主题主要包括语音识别、语音合成、语音唤醒、声纹识别、音频事件检测等。其中最成熟的技术是语音识别，在安静室内、近场识别的前提下能达到96%的识别准确度 

自然语言处理研究的主题主要包括机器翻译、文本挖掘和情感分析等。自然语言处理的技术难度高技术成熟度较低。因为语义的复杂度高，仅靠目前基于大数据、并行计算的深度学习很难达到人类的理解层次。
未来:从只能理解浅层语义到能自动提取特征并理解深层语义;从单一智能(ML)到混合智能(ML、DL、RL)

人工智能发展现状：

AI挑战：算法偏见；隐私问题；数据可信度问题；失业问题。

发展趋势：监督学习-->深度学习--> 强化学习-->非监督学习-->知识推理。

发展战略：

参考课程：华为AI开发路径课程-AI基础知识