人工智能的概述和入门基础

人工智能无处不在

1，应用
搜索引擎： 网页，图片 视频
信息推荐：
图片识别：人像 用品 动物 交通
图片分析：社交网络 影评
2 定义
人工智能：将机器赋予以人类智能相似的方式做出反应
3，发展
1956年诞生，
1957年发展的高峰，
1970年，由于计算能力受限制，机器不能完成大 数据的训练，进入了低估，
1986年，BP算法的出现，机器能够实现大规模神经网络训练。人工智能迎来了另一个高峰。
2000年的时候由于计算DARPA没有实现，政府投资减少。
2014年深度学习算法成功 语音和视觉在数据处理方面超过人类。

机器学习， 人工智能 ，深度学习的关系

1. 机器学习：实现人工智能的方式
2. 深度学习：一种是实现机器学习的技术，人工神经网络是机器学习的一个重要的算法。（数据和算力）

深度学习的入门基础

1，让计算机能够向人一样理解图像
2，让计算机将意思一样的划分成为一类。

面临的挑战：

语义鸿沟现象 ：图像底层视觉特性和高层语义概念之间的鸿沟。
eg：相同的视觉特征，不同的语义概念
不同的视觉特征，相同的语义概念

解决方法

用全局的视觉底层特性统计量表示图像信息：
将一个图片分为：纹理，形状，颜色 特征形成统计直方图 形成特征向量。
缺点：全局特征会丢掉一些图像的细节。

深度学习的优势

测量空间+特征空间+类别空间
传统的方法是：
人工手工提取特征+分类器
深度学习的方法：将人工提取特征给机器学习，让计算机自动学习提取特征值

深度学习的一般步骤

1 训练数据----f（x）----未知数据
2，模型 +策略+算法
算力（硬件）+算法（模型网络）（框架）