人工智能（1）--入门

AI入门

• 前言
• 一、人工智能简介
• 二、计算机视觉

---

前言

随着人工智能的不断发展，很多人都开启了学习人工智能的入门学习，本文就介绍一下AI的入门相关内容。

---

一、人工智能简介

        人工智能是通过机器来 模拟人类认知能力 的技术 。在实际应用中， 人工智能最核心的能力就是根据给定的输入做出 判断或预测 。

1、发展历程

• 第一次热潮：20世纪50年代， 神经网络相关理论--重要会议：1956年（人工智能元年）达特茅斯会议标志AI诞生
• 第二次热潮：1982-霍普菲尔德神经网络（相联存储）-->1986-BP算法
• 第三次热潮：2006年--深度学习

2、一个重要标准

      图灵测试（图灵：人工智能之父）：检测机器是否具备人工智能，通过测试则具备人工智能。

    图灵测试指测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置向被测试者随意提问。观察者通过控制打字机向两个测试对象通话，其中一个是人，另一个是机器。进行多次测试后，如果机器让平均每个测试者做出超过30%的误判，则机器就通过了测试。

3、核心

3.1、人工智能核心要素

• 数据（输入-运算-输出；突破：大数据）
• 算法（指令；例如较为高级的算法--机器学习；没有一定完美的算法；突破：深度学习）
• 算力（计算机硬件，例如芯片；CPU&GPU；突破：智能芯片） 

举个例子：

图片--->模型（深度学习算法-系统软件-指令集（软件指令翻译成硬件指令）-微体系结构）--->经过处理的图片

3.2、计算机基础知识补充

（1）CPU

• 中央处理器-串行计算--4~8个核心-处理很多基础功能

（2）GPU

• 图形处理器-并行计算--处理速度更快-内存小-数百/数千核心-只3D图形处理

（3）SOC

• 系统级芯片（包括完整的硬件系统和嵌入式软件）-（例如：手机SOC中，CPU部分-核心只占芯片面积的15%，其他85%则被GPU和数字信号处理器DSP等模块占据）
• SOC：CPU+GPU-->CPU分配数据加载
• CPU-数据-GPU（e2e）：cpu-->load(data)-->gpu-->compute(可同时并行load)-->store-->cpu-->load

（4）FPGA（现场可编程逻辑门阵列）（硬件）

• FPGA 器件属于专用集成电路中的一种半定制电路，是可编程的逻辑列阵，能够有效的解决原有的器件门电路数较少的问题。FPGA 的基本结构包括可编程输入输出单元，可配置逻辑块，数字时钟管理模块，嵌入式块RAM，布线资源，内嵌专用硬核，底层内嵌功能单元。
• 与传统模式的芯片设计进行对比，FPGA 芯片并非单纯局限于研究以及设计芯片，而是针对较多领域产品都能借助特定芯片模型予以优化设计。
• 区别：GPU无法修改，FPGA可随时修改。

（5）分布式运算

• 多个计算机一起并行计算，最后再汇总结果。

4、人工智能 VS 机器学习 VS 深度学习

参考链接：人工智能、机器学习和深度学习的关系和区别?_深度学习人工智能包含与不包含的关系-CSDN博客

---

二、计算机视觉

1、应用

• 图像分类（CNN ）
• 目标检测（R-CNN ）
• 目标跟踪
• 语义分割（FCN ）
• 实例分割（Mask R-CNN ）

2、技能树