人工智能基本概念

1. 什么是人工智能？
   机器模拟人的意识和思维。

• 图灵：计算机科学之父，人工智能之父
• 提问者通过例如键盘向机器随意提问，若超过30%的提问者认为回答问题的是人而非机器，则这台机器具有人工智能。
• 人工智能：模拟人的意识和思维。
• 2014年，首台通过图灵测试的计算机（比图灵预测晚了14年）。

3. 什么是机器学习？
   例子：

• 预测班车到达目的地时间：每天7点钟班车从A地到B地，预测到B地的时间。
• 第一次，你的预测正常情况下不太准
• 一周后，你能预测班车大概8点左右会到达B地
• 一个月之后，你获得了更多的经验，你会获得以下信息：周一早上经常堵车，大概要晚20分钟，下大雨时也会堵车，大概要晚30分钟。
  这便引出了机器学习的概念：机器学习是一种统计学的方法，计算机利用已有的数据，可以得出一个模型，然后按照这个模型去预测结果。
  其特点是：随着经验的增多，预测的结果也会更加准确。
  如下图所示，红色框为模型生成步骤，绿色框为预测过程。
  
• 机器学习三要素：数据；算法；算力

4. 什么是深度学习？

• 即深层次神经网络，源于人脑神经网络的研究。
• 神经元模型
• 深度学习三起两落
  兴起：1958年：两层神经元首尾相接组成单层神经网络：感知机，首个可以学习的人工神经网络。
  衰落：1969年：只有单层神经网络的感知机无法对于异或逻辑进行分类，要想解决这个问题到将单层网络扩展成两层或者以上，但是当时的硬件不支持这么大的计算量。
  兴起：1986年：BP（反向传播算法），有效解决了算力问题。
  衰落：1995年：支持向量机诞生，避免了神经网络的需要调节参数问题以及局部最优问题。
  兴起：2012年，CNN在图像识别领域的突出表现。

5. 机器学习的主要应用

• 连续数据的预测
• 离散数据的分类

人工智能>机器学习>深度学习