主页 > 视频

Speciallize! 人工智能基础入门,做个脑图,清醒一下

时间:2019-09-09 来源:嘉怡时尚

2018年4月,华师大出版社和商汤科技携手出版了《人工智能基础(高中版)》,由陈玉琨和汤晓鸥主编,是国内第一本面向中学生的人工智能教材。

这本书深入浅出,清晰地勾勒出了人工智能的主要框架,读过之后,受益匪浅。对人工智能的诸多概念有了较为有条理的认识,当然也对高中数学老师表示,对不起你们。。。我的高中数学知识不足以支撑我完全理解书中的公式。。。

Anyway,人工智能是大势所趋,必将颠覆诸多行业,专业翻译理应对其有所了解,这本高中版课本作为入门书籍,实在值得一读。

我一边读一边整理了一份脑图,觉得整体概念更清楚了一些。日后再逐渐深入。整体图片在这里看不清,分享在百度网盘里,感兴趣的朋友可以去收。

链接: pan.baidu.com/s/18-Uz8u 提取码: 3yrh 

人工智能的广泛定义,实际应用和主流实现方法。

人工智能主要是通过机器学习machine learning实现的,

而机器学习又可分为“从数据中学习”和“在行动中学习”,两种途径各有其优势应用领域。

“从数据中学习”又可分为监督学习和无监督学习,以及半监督学习。

监督学习主要应用于分类classification,例如图像分类,声音分类,视频理解等。

分类是如何实现的呢?

  1. 提取对象特征,用数学表达出来

2. 设计、测试和训练分类器,也就是弄一个函数,并且不断调整函数的参数,让它变聪明,更有效地处理对象特征的数学表达,从而实现分类。“算法”就是这里的函数,好的算法就能设计出更高效的函数。

4. 实际应用

这里就是“分类”在图像分类中的应用。步骤也是如此,关键在于把握图像特有的数据特征及其数学表达。

这里也首先引入了“深度学习”和“深度神经网络”的概念。图像分类基于图像识别,是人工智能领域最为成熟的部分。整本教材看下来,图像分类和声音分类是最容易理解的。。。

这里对“深度学习”和“深度神经网络”进行了深入浅出的解释,包括以Alex Net的较为简单和经典的神经网络为例,介绍了神经网络的结构;并介绍了神经网络的训练方法,困难和解决办法。

声音分类,类似于图像分类,也是提取声学特征,通过深度神经网络分类,并应用于现实场景中。

视频理解可以看作是在图像分类的基础上,增加了时间维度的处理,复杂程度也随之增加。总体思路还是大同小异的。

以上领域的发展成熟度比较高一些,以监督学习为主吧(个人理解),教材接下来介绍了无监督学习,可以说更高级,更高效,更智能,不需要对训练数据进行人工标注。教材主要从人脸聚类、理解文本和创作图画三方面,介绍了三种无监督学习方法:

  1. 聚类

  2. 主题模型

  3. 生成对抗网络

人脸聚类——聚类

理解文本——主题模型

创作图画——生成对抗网络

以上,“从数据中学习”的机器学习方法就介绍这么多了,接下来,教材以AlphaGo为例,介绍了“在行动中学习”的典型——强化学习。

整本书的主要内容大概就是这些了。我仅对书中内容做了个大概的结构出来,具体内容还是非常丰富的,而且书中语言颇具美感,真诚而富有感染力,推荐一读。

人工智能将很快成为高中教育,甚至义务教育阶段的基本学科,已经离开大学、步入职场的我们,不妨“回到高中”,不要被落在时代后头啊(大哭)。