ImageVerifierCode 换一换
格式:PDF , 页数:134 ,大小:9.62MB ,
资源ID:6956804      下载积分:15 文币
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,免费下载
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenkunet.com/d-6956804.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: 微信登录   QQ登录   微博登录 

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(沪科教版普通高中教科书·信息技术选择性必修4 人工智能初步.pdf)为本站会员(九年教育)主动上传,文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文库网(发送邮件至13560552955@163.com或直接QQ联系客服),我们立即给予删除!

沪科教版普通高中教科书·信息技术选择性必修4 人工智能初步.pdf

1、人工智能初步普通高中教科书选择性必修4人工智能初步普通高中教科书上海科技教育出版社选择性必修 4上海科技教育出版社信息技术信息技术信息技术信息技术PUTONG GAOZHONG JIAOKESHUXINXIJISHU普通高中教科书信息技术选择性必修4人工智能初步上海科技教育出版社有限公司出版发行(上海市闵行区号景路159弄A座8楼邮政编码201101)湖南省新华书店经销湖南长沙鸿发印务实业有限公司印刷开本89012401/16印张8.252021年1月第1版2021年12月第3次印刷ISBN 978-7-5428-7413-9/G4351定价: 10.37元批准文号: 湘发改价费 2017 3

2、43号举报电话: 12315ISBN 978-7-5428-7413-99 787542 874139此书如有印、 装质量问题, 请向印厂调换印厂地址: 长沙黄花印刷工业园三号电话: 0731-82755298ISBN 978-7-5428-7413-99 787542 874139此书如有印、 装质量问题, 请向印厂调换印厂地址: 长沙黄花印刷工业园三号电话: 0731-82755298普通高中教科书上海科技教育出版社信息技术人工智能初步选择性必修 4编写人员名单主 编: 郑 骏 分册主编: 杨小康主要编写人员(以姓氏笔画为序):宋 利 倪冰冰 徐 奕翟广涛欢迎广大师生来电来函指出教材的差错

3、和不足,提出宝贵意见。上海科技教育出版社地址: 上海市闵行区号景路 159 弄 A 座 8 楼 邮政编码: 201101 联系电话: 021-64702058 邮件地址: 写给学生的话亲爱的同学:不知你是否留意,近年来生活中涌现了许多与科技相关的新名词:无人驾驶、刷脸支付、城市大脑、阿尔法狗、聊天机器人、智能语音助手、机器学习、深度学习、人工神经网络其实,这些名词都与你将要学习的人工智能相关, 它们有的指人工智能的应用,有的指人工智能的产品,有的指人工智能的算法。在人工智能初步的学习中,我们将为你揭开人工智能的神秘面纱,带你一起走进人工智能的世界。你将探索人工智能的起源和发展历程,思考未来的发

4、展之路;你将了解当前人工智能系统背后的原理,领略其中蕴含的基本思想和方法;你将尝试开发简单的人工智能系统,体验人工智能开发的基本过程与方法。 为了让你在学习人工智能初步的过程中获得更大的成功,请浏览本书的栏目介绍。 单元引言、学习目标和单元挑战从生活经验出发引入本单元将要学习的内容,提出本单元学习要达成的学习目标,预告学习完本单元后要接受的单元挑战。 项目引言和项目学习目标描述项目产生的背景和意义,介绍项目学习的主要内容,并提出一些具体问题,引导你带着问题探究。 项目学习指引 通过剖析真实的项目实施过程,帮助你了解学科思想方法,理解相关概念,掌握具体技能。解释一些重要概念和术语,或提示相关知识

5、和技术,帮助你抓核心概念和小贴士住重点,扫除认知障碍。提出若干问题引导你对技术背后的原理以及人、信息技术与社会的关系等进行思考和讨论。引导你利用网络、数字化工具和数字资源进行学习。提出活动任务,并引导你运用所学知识,使用信息技术工具进行探究、总结和展示。系统整理和归纳本项目的知识要点,方便你学习。补充更丰富的阅读材料,开阔你的视野。布置面向真实情境的项目任务,希望你综合运用本单元所学的知识与技能去解决问题。用思维导图可视化呈现本单元的知识脉络,提供基于学科核心素养的评价表,为你的学习表现进行自我评价。在学习过程中,希望你勤实践体验、多思考讨论,借助各种数字化工具、资源进行学习与创新,不仅要理解

6、和掌握具体的信息技术知识与技能,还要把握用信息技术解决问题的思想方法,并思考将信息技术应用于社会时所引发的各种挑战,以开放、包容的心态与信息技术、信息社会一起进步。 编 者单元挑战拓展阅读知识链接活 动数字化学习单元小结?思考与讨论?目 录第一单元 走进人工智能的世界.1项目一 初识人工智能了解人工智能的发展历史与现状.21. 通过实例感受人工智能. .32. 回顾人工智能的发展历程. .53. 了解当前人工智能技术应用状况. .9知识链接.10项目二 探秘智能车认识人工智能系统.121. 了解人工智能系统的基本技术要素.132. 分析智能车的机构组成.163. 明确人工智能的特征.20知识链

7、接.21单元挑战 探究服务机器人.23单元小结.24第二单元 理解人工智能技术的思想与方法.25项目三 让智能车能够“刷脸”开车门探究图像识别与理解. .261. 了解图像识别与人脸识别技术.272. 获取、表示人脸特征.293. 解析人脸识别原理.334. 评价人脸识别性能.37知识链接.38项目四 让智能车与用户对话探究语音交互技术.421. 认识语音交互.432. 让机器理解语音. .453. 用算法实现语音识别.474. 应用语音交互技术.48知识链接.50项目五 让智能车自动规划路径探究智能决策与搜索算法.521. 用人工智能实现路径规划.532. 预测交通流量.543. 根据路况进

8、行智能决策.564. 搜索最佳路线.59知识链接.63项目六 让智能车识别道路障碍物认识人工神经网络与深度学习.661. 初识人工神经网络.672. 了解深度学习及其基本操作.703. 探索深度学习的最新发展.73知识链接.77项目七 在车展中实现“车以类聚”探究无监督学习与聚类算法.821. 认识无监督学习与聚类算法.832. 剖析 k- 均值聚类算法.84知识链接.90单元挑战 用 SVM 算法及深度学习给图像分类.92单元小结.93第三单元 开发简单人工智能系统.95项目八 搭建可“刷脸”启动的循迹智能车设计简单的人工智能系统.961. 进行总体设计,确定基本开发方案.972. 设计人脸

9、识别启动系统.983. 设计智能车循迹系统.1004. 测试智能车.105知识链接.106单元挑战 设计智能车避障系统.109单元小结.110第四单元 推动人工智能健康发展.111项目九 认识人工智能的巨大价值和潜在威胁辩证看待人工智能.1121. 了解人工智能技术的应用现状.1132. 直面人工智能的安全、伦理问题. .1153. 展望人工智能的未来.119知识链接.121单元挑战 设计无人驾驶时代的交通准则.123单元小结.124附录 部分名词术语中英文对照.1252016 年,AlphaGo( 一款下围棋的人工智能程序 )的横空出世掀起了人工智能的新一轮热潮,人工智能再一次成为社会各界关

10、注的焦点。这距离 1956 年人工智能概念首次提出已经有 60 年了。人工智能的发展由于受到智能算法、任务相关数据以及机器计算能力等因素影响,历经了多次起伏。直到 2006 年,以深度学习为代表的智能算法在计算机视觉和自然语言处理等领域取得了重大突破,同时,大数据、云计算等技术为人工智能的发展提供了丰富的数据资源与计算资源,人工智能才开始全面爆发,在众多应用领域都取得了极大的成功。在本单元中,我们将走进人工智能的世界,了解人工智能的发展历史、重要事件及其在现实世界中的应用。同时,我们将通过剖析典型的人工智能系统,认识人工智能的要素以及智能系统的组成。第一单元 走进人工智能的世界 能描述人工智能

11、的概念与基本特征。 知道人工智能的历史、 典型应用与发展趋势。学习目标探究服务机器人单元挑战项目学习目标在本项目中,我们将了解什么是人工智能,回顾人工智能的发展历史,探索当前人工智能技术的应用状况。完成本项目学习,须能回答以下问题:1什么是人工智能?2人工智能学科是怎样诞生的?3人工智能的发展经历了哪些阶段?4人工智能发展各阶段的特征是什么?棋类运动一直被看作人类的高智商游戏,围棋更被视为人类最后的智慧堡垒。然而在过去短短 20 年内,人类在各种棋类运动中相继被人工智能击败。1997 年,“深蓝”超级计算机战胜了当时排名世界第一的国际象棋大师卡斯帕罗夫。2006 年,5 位中国象棋特级大师与超

12、级计算机“浪潮天梭”展开对决,最终败给了计算机。2016 年,AlphaGo 以 4 比 1 的比分战胜了韩国围棋棋手李世石;仅仅过了一年,升级版的 AlphaGo 又以 3 比 0 击败了当时排名世界第一的中国围棋棋手柯洁(图 1-1)。AlphaGo的成就再度点燃了人们对人工智能的热情。 放眼望去,在现实世界中,智能视频监控、自动对话机器人、自动装配机器人、无人机等各种人工智能系统已经广泛应用于生产和管理的多个领域。这也在告诉我们,人工智能的春天到来了!项目一初识人工智能了解人工智能的发展历史与现状图 1-1 柯洁与 AlphaGo 对弈项目学习指引学会制造与使用工具,是人类发展历程上的重

13、要突破。让机器具备“人类的智能”,是人类自古以来追求的梦想。从中国古代的“偃师人偶”的传说,到希腊神话中的机械人和人造人,无不体现人类对于制造出智能机器的渴望。现代意义上的人工智能,始于哲学家与数学家用机械符号处理的观点解释人类思考过程的尝试。1956 年的达特茅斯会议,标志着现代人工智能作为一门学科的诞生。1. 通过实例感受人工智能人工智能是当前非常热门的研究领域。经过几十年的发展,目前人工智能的研究涵盖了从感知、学习、决策等通用方法到自动驾驶、 人脸识别、 医疗辅助诊断等专门领域。 那么,什么是人工智能呢?(1)从自动驾驶系统看环境感知汽车司机要想做到安全熟练的驾驶,不仅仅要准确识别道路上

14、的各种标识与符号,更重要的是在行驶过程中,对周围的行人和车辆等动态物体的行为进行预判, 据此进行决策。这种预判能力在人流密集的道路上尤为重要。人类驾驶员在行车过程中会对行人的移动轨迹进行预判,以保持一个安全距离。以此类比,一个自动驾驶系统若想要代替人类驾驶员,不仅需要识别出静态的交通标识与物体,对周边行驶环境进行准确的感知,还要对时刻变化的路况进行预判。环境感知,是自动驾驶汽车认路的关键组成部分。自动驾驶系统中用于环境感知的部件有许多种类, 如视频摄像机、激光测距仪、车载雷达、速度传感器等多种车载传感器。自动驾驶系统依靠这些传感器收集周围的路面环境信息,供决策系统进行分析,进而作出相应的路径规

15、划,如图 1-2 所示。图 1-2 某自动驾驶汽车利用车载传感器“看”到的环境人 工 智 能(Artificial Intelligence,简称 AI)是一门前沿交叉学科,对其定义一直存有不同的观点。一般认为,它是利用计算机或者计算机控制的机器,模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。核心概念3第一单元 走进人工智能的世界人工智能初步环境感知不仅是自动驾驶系统的关键组成部分,还是无人机、对话机器人等人工智能系统中的重要部分。人工智能系统要体现出“智能”,必须先感知周围的情况,这样才能进一步作出相应的决策。比如智能翻译系统只有先采集并感知

16、语音信息,才能进行后续的翻译处理。(2)从答题机器人看智能决策在各类电视节目中,一些答题类的综艺节目往往会吸引大量的参赛者与观众。在现实中,人工智能系统也曾作为参赛者参与过这类综艺节目。2011 年,一款答题机器人沃森系统(Watson)参与了答题类综艺节目危险边缘,并击败人类冠军选手,如图 1-3 所示。节目中,沃森的抢答速度始终快于人类选手,对于绝大多数问题均可以给出正确答案,展现了它的决策速度与决策能力。环境感知是一个智能系统拥有“视觉”“听觉”“触觉”等知觉能力的基础,而智能决策部分则可看作是一个智能系统能够进行深度思考的核心。沃森系统拥有这样强大的智能决策能力:对于用双关语提出的甚至

17、对很多观众而言都很费解的问题,它依然能作出分析和推理,并在巨大的自然语言数据库中寻找线索,然后将这些线索合成答案,最后用自然语音进行回答。(3)认识人工智能和人工智能系统人工智能一般定义为研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。在现实生活中,人们总是主动或被动地感受周围的环境并作出相应的反应。例如看到一只猫,大多数人会下意识地觉得可爱,产生想去抚摸的愿望;又如听到有人叫唤自己的图 1-3 沃森系统参与答题类综艺节目你认为智能答题系统需要哪些关键部分来完成“听到题目作出判断回答问题”的过程?各种车载传感器是自动驾驶汽车感知外部环境的关键。 这些传感器分别

18、采集哪些类型的信息??思考与讨论?思考与讨论?4第一单元 走进人工智能的世界名字,便会情不自禁地转头去寻找声音来源。与此对应,可把人工智能系统看成是一个能够进行环境感知,并根据采集到的信息作出决策以达到特定目标的机器系统。自动驾驶系统和沃森系统就是这样的人工智能系统,它们能够感知外界信息,并根据信息作出决策,从而实现自动驾驶和自动答题。2回顾人工智能的发展历程(1)人工智能的诞生(1956 年)人工智能在正式诞生之前,经历了漫长的孕育期,这甚至可以追溯到 17 世纪莱布尼茨发明的二进制表示规则。到20 世纪 40 年代,一些研究人员已经开始探索如何让机器具有智能。1950 年,阿兰图灵(Ala

19、n Turing)提出著名的图灵测试(The Turing Test):如果一台机器能够与人类展开交互而不被辨别出其机器身份,那么就称这台机器具有智能。图灵测试被认为是检测一台机器是否具有智能的重要标准。1951 年,马文明斯基(Marvin Minsky)等人搭建了第一个神经网络模拟器SNARC(随机神经网络模拟加固计算器),它使用 3000 个真空管来模拟 40 个神经元(neuron)的活动。虽然当时还没有“人工智能”这个概念,但这项开创性工作为后来的人工智能发展奠定了深远的基础。1956 年夏天,约翰麦卡锡(John McCarthy)、马文明斯基、克劳德香农(Claude Shann

20、on)与内森尼尔罗切斯特(Nathaniel Rochester)等多位科学家在美国达特茅斯学院里组织了一个为期两个月的研讨会,研究让机器来模拟智能的可能性。在会上,麦卡锡首次提出“人工智能”的概念,这被认为是人工智能正式诞生的标志。参会的赫伯特西蒙(Herbert Simon)和艾伦纽厄尔(Allen Newell)展示了他们编写的推理程序“逻辑理论家”(Logic Theorist),该程序因可以证明数学原理中的多个定理而受到了高度关注。正是这些与会人员的深入讨论与集思广益,使得人工智能成为一门独立的学科。因此,1956 年被视为人工智能元年。随后,人工智能的发展经历了一段曲折的过程,如图

21、 1-4所示。(2)第一个黄金期(19571974 年)人工智能概念的诞生让人们看到了使机器具有智能的可能性。研究人员开始以极大的热情开展人工智能相关领域的参见 P10 知识链接“图灵测试”5达特茅斯学院研讨会的提案声明:我们提议 1956 年夏天在新罕布什尔州汉诺威镇的达特茅斯学院开展一次由 10个人组成的为期两个月的人工智能研究。这项研究基于这样的推测:原则上可精确地描述学习对象的每个方面或智能体的任何特征,从而能够建造一台机器来模拟它。该研究将尝试发现如何使机器使用语言,形成抽象与概念,求解多种现在注定由人来求解的问题, 提升自我 (机器)。我们认为:如果仔细选择一组科学家对这些问题一起

22、研究一个夏天,那么对其中的一个或多个问题就能取得意义重大的进展。小贴士人工智能初步研究。很快,人工智能就迎来了第一个发展高峰期。这一时期的人工智能研究认为只要赋予机器一定的逻辑推理能力就可以实现机器智能。1957 年,纽厄尔和西蒙在“逻辑理论家”的基础上发明了“通用问题求解器”(general problem solver) , 它通过模仿人类求解问题的逻辑来解决问题。 1959年,赫伯特格伦特(Herbert Gelernter)建造了一个几何定理证明器,能够自动证明一些数学专业学生都感到棘手的定理。除了让机器具有逻辑推理能力的研究外,许多研究人员尝试通过其他方法实现机器智能。比如,1957

23、 年,康奈尔大学的弗兰克罗森布拉特(Frank Rosenblatt)完成第一个神经网络模型感知机,实现了识别(或分类)输入信号中的简单图案。1959 年,阿瑟萨缪尔(Arthur Samuel)提出了“机器学习”(Machine Learning,ML),并将机器学习定义为让计算机不需显式编程也可以自动学习的领域。1966 年,MIT 的约瑟夫魏泽鲍姆(Joseph Weizenbaum)展示了早期最知名的人机对话程序Eliza,它可以模拟心理医生与人类展开简单的对话。虽然这段时期涌现了许多的相关成果,一些简单的推理核心概念机器学习是一种让机器从数据或者行动中学习以获得预测或判断能力的方法。

24、图 1-4 人工智能发展历程620 世纪 70 年代后期,我国数学家吴文俊提出用计算机证明几何定理的“吴方法”,开创了现代数学史上第一个由中国人原创的研究领域数学机械化,实现了将繁琐的数学运算证明交由计算机来完成的目标,使得机器在相关问题上具有了与人类相似甚至比普通人更强的推理能力。小贴士第一单元 走进人工智能的世界任务也可以通过机器智能程序自动完成,但在稍显复杂的问题上,人工智能一直无法取得进展。主要原因在于当时的计算机计算性能不足,受限的内存容量和处理速度导致计算机程序无法解决复杂问题。由于数据的严重缺失,计算机程序无法从数据中学习到足够的知识。因此,研究进展逐渐减慢,当初许多科学家的预期

25、迟迟无法实现,人们开始对人工智能感到失望。许多机构停止了对人工智能研究的资助,人工智能进入了一段艰难的低谷期。(3)第二个黄金期(19801987 年)随着研究的推进,人们逐渐意识到,仅仅使机器具有推理能力是实现不了人工智能的。要想真正使机器具有智能,一个重要前提是要让机器具有知识。正是在这种思想的指导下,专家系统诞生了。它是人工智能三个主要研究流派中的符号主义流派的代表性系统。第一个实用的专家系统是 1969 年发布的 DENDRAL,用以帮助化学家推断物质的分子结构。进入 20 世纪 80 年代后,专家系统快速发展,使得人们对人工智能的热情再度高涨,人工智能迎来了第二个黄金期。当时著名的专

26、家系统之一是由卡内基梅隆大学在 1980 年为 DEC 公司设计的 XCON 系统,它可以根据用户的需求自动组合配件,为用户组装计算机。该专家系统为 DEC 公司显著地节省了开支。与此同时,在连接主义研究流派中,神经网络方面的研究进展也让人们重新看到了人工智能的潜力。1957 年提出的感知机,结构过于简单,能力非常有限。1982 年,加州理工学院的约翰霍普菲尔德(John Hopfield)提出一种新的神经网络,可以用来解决多种模式识别问题,神经网络研究界因此振奋。由于不知道如何有效调整中间层的网络结构参数,早期的神经网络往往比较简单。1986 年,戴维鲁梅尔哈特(David Rumelhar

27、t) 、 杰弗里 辛顿 (Geoffrey Hinton) 和罗纳德 威廉姆斯(Ronald Williams)利用反向传播(Back Propagation,BP)算法,较好地解决了大规模神经网络的训练问题。然而,到 20 世纪 80 年代初,个人计算机出现了,因其价格远远低于专家系统等人工智能系统,且通用性远超专家系统,人们对人工智能系统的热情开始下降。专家系统需要人工定义规则,这项工作不但费时费力,而且在语音识别、图像识别等自然输入的应用场合中难以实施。专家系统很多功能很容易被个人计算机的通用软件所替代。20 世纪 80 年参见 P11 知识链接“人工智能主要流派”7专家系统(Exper

28、t System,ES)是一类具有某个领域内专家水平的知识与经验的智能计算机程序系统。专家系统根据领域内一个或多个专家提供的知识和经验,模拟人类专家的决策过程进行推理判断。简而言之,专家系统是一种模拟人类专家解决其领域内相关问题的计算机程序系统。神经网络(Neural Network,NN)指人工神经网络,是模仿活体生物体系统神经元网络的模型,用来模拟人类大脑神经系统的结构和功能。这是人工智能中一个重要的研究领域。小贴士小贴士人工智能初步代末期,因美国国防高级研究计划局(DARPA)的人工智能计算机没能达到研究目标,美国政府开始缩减对人工智能方向的投入,将资助转向了其他更容易出成果的项目。人工

29、智能进入第二个低谷期,大量的人工智能公司倒闭。(4)第三个黄金期(1993 年至今)1993年开始, 人工智能研究逐渐走出 “寒冬” 。 这一时期,研究人员逐渐建立起人工智能的严格数学基础,人工智能转变成一门严格的科学分支。人工智能的研究领域不断扩大,形成了专家系统、机器学习、计算机视觉、自然语言理解等方向。人工智能研究逐渐到达一个稳定的阶段,研究重点由教给机器某领域内的特定知识变为让机器自动学习知识。作为一种让机器自动学习知识的重要方式,机器学习从人工智能诞生起就一直是研究的重点。机器学习的基本思想是让机器从数据或者行动中学习,获得进行预测或判断的能力。从数据中学习,指利用算法从大量的训练数

30、据中学习知识,并通过学习不断优化程序的性能,然后用经训练而优化过的程序对真实世界中的待测试数据作出判决。典型的算法包括决策树、聚类、贝叶斯分类、神经网络等。从行动中学习,指智能体在跟环境的交互过程中,根据回报情况来学习一套指导行动的策略。这样的机器学习方式称为强化学习(reinforcement learning)。小孩学走路、学下棋的过程是典型的强化学习,AlphaGo 系统超越人类的围棋博弈能力也主要是通过强化学习训练出来的。2006 年,杰弗里辛顿等人提出深度学习方法,使得人工智能研究取得突破性进展。神经网络的隐藏层越多,学习能力越强,但计算的复杂度也急剧增加。先前的神经网络一般只有一到

31、两层隐藏层,辛顿等人提出逐层预训练以及降维的方法,减少了对人类先验知识的依赖,使得神经网络学习知识的能力显著提升,引发了研究深度学习的浪潮。深度学习在人工智能的诸多领域取得巨大成功。以车牌检测为例,运用深度学习可以实现自动学习矩形的车牌形状、突出的数字 / 字母、不同的底色、车牌规定的尺寸等特征,性能显著优于基于人工特征的方法。2012 年,得益于人工智能 ABC 三要素先进的深度学习算法(Algorithm)、海量的数据(Big data)以及强大的计算能力(Computing power)的发展,人工智能开始突飞猛进。 2013年, 深度学习在图像识别和语音识别领域取得突破,8深度学习 (

32、Deep Learning,DL)是一系列算法的统称。深度学习算法通过组合多层的神经网络,来模拟人脑在处理数据时由底层到高层的抽象过程。与传统神经网络等相关方法相比,深度学习的网络层数更多、网络规模更大、学习能力更强。深度学习是机器学习的重要分支。小贴士第一单元 走进人工智能的世界标志着人工智能实现了感知智能。2016 年,AlphaGo 横空出世,它借助深度学习及先进搜索算法的强大威力,横扫围棋界,攻克棋类运动中人类最后的智慧堡垒。人工智能领域中又一次掀起了新的浪潮。3了解当前人工智能技术应用状况自深度学习出现后,人工智能开始渗透到生产生活的方方面面,赋予各行各业新的能量。它降低了生产成本,

33、加快了产品与技术的迭代速度,提高了经济效益和社会效益。在我国,人工智能在众多行业和领域中得到广泛应用,图 1-5呈现的是 2018 年 13 个行业中 61 个领域的人工智能技术应用商业化程度及技术应用深度的情况。图 1-5 人工智能在各领域的应用情况(摘自亿欧智库2018 中国人工智能商业落地研究报告)9人工智能初步人工智能已成为国家的重要发展战略。20162017 年,我国政府陆续发布了“互联网 +”人工智能三年行动实施方案新一代人工智能发展规划促进新一代人工智能产业发展三年行动计划(20182020 年)等政策文件,促进人工智能技术的发展,培育人工智能新兴产业,鼓励人工智能化创新创业,带

34、动我国产业升级和经济转型。我国政府还确定了百度“自动驾驶”、阿里云“城市大脑”、腾讯“医疗影像”、科大讯飞“智能语音”四个首批国家新一代人工智能开放创新平台,期望它们在汇聚创新资源、促进众创共享方面发挥更大的作用。活 动1.1 在人工智能发展历程图中选择其中的一段时期,查找相关资料,串讲人工智能在该时期内的发展历程。要求:阐明这段时期的人工智能发展的特征;介绍该段时期内发生的代表性事件以及这些事件背后的原理技术。知识链接图灵测试图灵测试是由阿兰图灵在 1950 年发表的著名论文计算机器与智能中提出的用于判断“机器是否具有智能”的方法。简单来说,图灵测试是这样的过程:被测试者包括一台被测试的机器

35、(图 1-6 中的 A)和一个人(图 1-6 中的 B)与测试人员(图 1-6中的 C)隔离,然后测试人员通过一些装置向被测试者随意提问。如果测试人员在问完全部问题后不能判断被测试者中哪个是机器哪个是人,那么这台机器 (A) 就通过了测试, 被认为具有智能。图 1-6 图灵测试图解被测试者测试人员10第一单元 走进人工智能的世界人工智能主要流派在人工智能的研究发展期间,不同学科或学科背景的学者对人工智能提出了各自的理解及不同的观点,由此产生了不同的学术流派。其中,对人工智能研究影响较大的主要有符号主义、连接主义和行为主义三大流派。(1)符号主义,又称逻辑主义、心理学派或计算机学派,其核心思想是

36、使用符号、规则和逻辑来表达知识并进行推理,代表成果是专家系统。(2)连接主义,又称仿生学派或生理学派,其核心思想是利用神经网络之间的连接机制模拟智能。深度神经网络是其典型代表。(3)行为主义,又称进化主义或控制论学派,它是一种基于“感知行动”的行为智能模拟方法。行为主义认为人工智能源于控制论,推崇控制及感知系统,主要成就是智能控制和智能机器人系统。吴文俊与数学机械化拓展阅读图 1-7 吴文俊20 世纪 70 年代后期,在计算机技术大发展的背景下,他继承和发展了中国古代数学的传统(即算法化思想),开始研究几何定理的机器证明,彻底改变了该领域的面貌。他的研究是国际自动推理界先驱性的工作,被称为“吴

37、特征列方法”,产生了巨大影响。他在拓扑学、自动推理、机器证明、代数几何、中国数学史、对策论等研究领域均有杰出的贡献,在国内外享有盛誉。他的“吴方法”在国际机器证明领域产生了巨大的影响,有广泛而重要的应用价值。当前国际流行的主要符号计算软件都实现了吴文俊的算法。 摘自科学技术文献出版社信念 创新 奉献国家最高科学 技术奖获奖者风采 吴文俊(1919 年 5 月 12 日2017 年 5 月 7 日,图 1-7),浙江嘉兴人,出生于上海。1940 年毕业于上海交通大学,1949 年获得法国斯特拉斯堡大学博士学位。我国著名数学家、人工智能专家。吴文俊的研究工作涉及数学的诸多领域,其主要成就表现在拓扑

38、学和数学机械化两个领域。他为拓扑学做了奠基性的工作,他的示性类和示嵌类研究被国际数学界称为“吴公式” “吴示性类” “吴示嵌类”,至今仍被国际同行广泛引用。11项目学习目标在本项目中,我们将剖析智能车这个典型的人工智能系统,探究人工智能系统的基本技术要素以及人工智能系统的主要组成机构,归纳人工智能的基本特征。完成本项目学习,须能回答以下问题:1人工智能系统的基本技术要素有哪些?2人工智能系统的主要组成机构有哪些?3. 人工智能系统的主要组成机构之间有怎样的联系?4人工智能的基本特征有哪些?由于智能算法的突破、数据量的增加、计算能力的提升,服务机器人、智能医疗辅助系统、智能视频监控系统、智能新闻

39、与广告编辑、智能客服、扫地机器人、智能车、无人机等众多人工智能系统已经走进人类的生产和生活。近年来,智能车(图 1-8)已经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多国家都将其纳入到各自重点发展的智能交通系统中。所谓“智能车”,就是在普通车辆的基础上增加了先进的传感器(如车载雷达、摄像头)、车载计算机等装置,使车辆具备智能的车内外态势感知能力, 能够自动分析车内外状态,并使车辆按照人的意愿自动行驶到目的地,最终实现替代人来操作的目的。项目二探秘智能车认识人工智能系统图 1-8 某品牌智能车项目学习指引每一个人工智能系统都由基本的技术要素和机构组成,智能车作为一个人工智能系统同样

40、如此。它离不开算法、数据与计算能力等基本技术要素的支撑,也不能缺少感知、决策与执行等组成机构的支持与配合。只有这些基本技术要素与组成机构相辅相成,紧密结合,智能车才能稳定地工作,展现它的智慧和能力。1. 了解人工智能系统的基本技术要素人工智能目前取得的巨大成就和最新突破离不开以深度学习为代表的先进智能算法、大数据时代带来的海量数据以及以并行计算、云计算为代表的强大计算能力的支持。其中,算法、数据以及计算能力被认为是一个典型的人工智能系统的基本技术要素。(1)人工智能系统中的典型智能算法智能算法已经渗透到我们日常生活的方方面面。监控系统中的人脸识别,智能手机上的自动语音识别,网上购物时的商品推荐

41、,音乐软件中的歌单推荐,其背后都是一系列智能算法。对人工智能而言,智能算法通常包含两个部分,第一是指从海量数据中学习相关知识的方法,第二是用学习到的知识解决实际应用问题的方法。在人工智能概念提出后,涌现了大批的智能算法,比如决策算法、聚类算法、分类算法、搜索算法、人工神经网络以及深度学习算法等。在众多的智能算法中,掀起最近一次人工智能浪潮并且让人工智能产生广泛落地应用的算法是深度学习算法。常用的深度学习算法包括卷积神经网络(Convolutional 第一单元 走进人工智能13活 动2.1以小组为单位,收集我国大学生智能车竞赛的相关资料,了解大赛的规则,观看历届大赛视频,对智能车设计形成初步印

42、象。人工智能初步Neural Networks,CNN)、 循 环 神 经 网 络(Recurrent Neural Networks,RNN)等。深度学习算法在图像识别、自然语言处理等领域取得了极大的成功,比如,采用深度学习算法的人脸识别系统的准确率已经可以超过人类自身的识别准确率。(2)数据在人工智能系统中的作用数据是人工智能得以成长的“养分”。人工智能提出后,前期的发展一直比较缓慢,其中一个原因是缺乏足够的数据供算法进行学习, 导致算法对实际问题的适应能力一直不强,难以满足人们对人工智能的期待。例如 20 世纪 80 年代提出的神经网络,早期由于训练数据的缺乏,研究人员只能训练小规模的神

43、经网络,无法付诸实用。进入 21 世纪后,有了大量的数据可供大规模的多层神经网络训练时使用,从而使神经网络巨大的能力得以彰显。直至进入 21 世纪,由于互联网、物联网、数码相机、智能手机等技术和设备的普及,人类开始进入大数据时代,全球数据出现爆炸式增长。研究人员终于可以获得大量的数据来训练复杂的智能算法,使其从海量的数据中学习丰富的知识。比如,在 AlphaGo 系统的学习过程中,核心训练数据是来自互联网的 3000 万例棋谱。活 动2.2针对不同的人工智能技术 (可自行扩充) , 分组搜索其所涉及的智能算法,并且根据理解列举该技术可能的应用领域,记录于表 1-1 中。表 1-1 智能算法的应

44、用领域技术算法应用领域文本分类例:朴素贝叶斯,支持向量机,决策树例:新闻分类,垃圾邮件分类,搜索引擎图像识别语音处理行为识别14第一单元 走进人工智能的世界(3)人工智能需要的计算能力限制人工智能早期发展的另一个原因是当时计算机的计算能力不足以支撑算法获得足够的智能去解决实际问题。随着芯片技术的进步,计算机 CPU 计算能力显著提升,特别是 GPU 在深度学习上的大规模使用,使得人工智能突飞猛进。深度学习中的神经网络在训练时涉及大量可以并行处理的矩阵运算,而 GPU 专门设计的架构拥有成千上万的内核,非常适合多核并行的计算模式,显著加速了深度学习的计算效率。CPU、GPU、FPGA、ASIC

45、等不同类型的芯片的综合集成,进一步提升了计算能力,具有代表性的是我国自行研制的“神威 太湖之光”(图 1-9)和“天河二号”超级计算机系统。 由此看到,计算能力的大幅提升使得人工智能的先进算法能够得以实现,相关大数据能够得以处理。(4)以智能车为例剖析三个基本技术要素作为一个典型的人工智能系统,智能车的实现离不开人工智能的算法、巨量的数据和强大的计算能力。首先看算法。智能车中智能功能的实现需要人工智能算法的支持。比如,要实现“刷脸”上车的功能,必须使用人脸识别算法;要让智能车能够根据采集到的数据理解当前的路况,必须使用图像识别、物体识别等计算机视觉算法;要为当前车辆规划出一条最佳行驶路径,必须

46、使用决策算法。在未来的智慧城市中,人工智能还能统筹分析各个路口的交通状况,为车辆动态地规划最佳路线,在保证顺畅行驶的同时,最大化地发挥道路的运载能力。其次看数据。智能车在行驶时需要收集巨量的数据,一般每秒钟收集到的数据都是以 GB 为单位。据统计,每台在路上行驶的无人驾驶的智能车每天要处理的数据量为 10 多个 TB,而在上路测试之前更是需要在各种外部环境以及路况下采集数据以进行训练,这种训练数据可达到成百上千个 PB。?思考与讨论?参见 P21 知识链接“超级计算机”参见 P21 知识链接“与智能车相关的人工智能算法”图 1-9 “神威太湖之光”超级计算机系统“神威太湖之光”超级计算机系统的

47、计算能力怎样?它可以应用于哪些领域?15CPU:Central Processing Unit,中央处理器GPU:Graphics Processing Unit,图形处理器FPGA:Field Programmable Gate Array,现场可编程门阵列ASIC:Application Specific Integrated Circuit,专用集成电路小贴士1PB=1024TB;1TB=1024GB;1GB=1024MB;1PB 为 2 万到 3 万部蓝光电影的容量。小贴士人工智能初步图 1-10 智能车的工作原理最后看计算能力。面对收集到的巨量数据,智能车必须配备足够的计算能力。普通

48、汽车的微控制单元(Micro Control Unit,MCU)已经不能满足智能车数据实时处理的要求。因此,智能车大多采用 CPU、GPU 与 MCU 配合使用的综合控制单元,每种处理器对应处理适合的计算过程。由此看到,只有算法、数据和计算能力这三大基本技术要素联合发展,才能实现人工智能的突破,才能涌现更多的人工智能系统。2. 分析智能车的机构组成智能车的基本工作原理如图 1-10 所示。通过视频摄像头、激光测距仪、车载雷达、速度传感器等传感设备,车辆可以获取行驶状态以及周边路况,分析自身所处的位置、与周围汽车的距离和相对速度等,进而实时规划行驶路径,让汽车能针对不同情况选择不同的应对措施,同

49、时向电机、转向轴发送控制信号,以准确执行规划的行驶策略。在此过程中,摄像头等传感器会不断地将捕获到的画面和车辆运行状态传递给智能汽车的“决策中枢”,从而实时调整智能车的控制策略,以得到最安全、快捷的行车路径。活 动2.3上网搜索,了解中国在智能车领域的最新发展。举例分析中国智能车的发展与算法、数据和计算能力提升的关系。16感知机构、决策机构和执行机构是支持人工智能系统稳定工作的三大主要机构组成。小贴士第一单元 走进人工智能的世界上述过程也体现了智能车的主要组成部分:感知机构、决策机构和执行机构。(1)智能车的感知机构人类时时刻刻都在通过耳、鼻、眼等器官来感知、理解外界环境,以进行学习与交流。通

50、过眼睛,观察到自然界的色彩与光线;通过鼻子,感受到自然界的气味;通过耳朵,聆听周围的声音。这些形式多样的信息在大脑中共同交织成完整的环境感知景象,成为认知与决策的基础。类似于人类,智能车的感知机构(图 1-11)也具有相似的感知功能,但它不是通过眼睛、鼻子、耳朵这类器官,而是通过各种各样的传感设备来实现。例如,外视摄像头可用于侦测交通信号灯,以及行人、自行车等车辆行驶路线上遭遇的移动障碍;内视摄像头可用于感知驾驶员的状态,如是否打瞌睡;车载麦克风可用以识别驾驶员的控制指令, 如 “启动”“加速”等;车载雷达可探测较远处的固定路障;车轮上的速度传感器则负责监控车辆的运行速度;激光测距仪能够及时、

本站链接:文库   一言   我酷   合作


客服QQ:2549714901微博号:文库网官方知乎号:文库网

经营许可证编号: 粤ICP备2021046453号世界地图

文库网官网©版权所有2025营业执照举报