人工智能概述

人工智能发展必备三要素:

数据

算法

计算力 ,硬件支撑 CPU、GPU、TPU

计算力之CPU、GPU对比:

CPU主要适合I\O密集型的任务

GPU主要适合计算密集型任务

什么类型的程序适合在GPU上运行?

(1)计算密集型的程序

所谓计算密集(Compute-intensive)的程序,就是其大部分运行时花在寄存器预算上,寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延时。可以做一下对比,读内存的延迟大概是几百个时钟周期;读硬盘的速度比较慢,即便是SSD,也慢。

(2)易于并行的程序

GPU其实是一种SIMD(Single Instruction Multiple Data)架构,他有成百上千个核,每个核在同一时间最好能做同样的事情。

CPU和GPU的区别。

人工智能、机器学习和深度学习三者的关系。

人工智能概述、发展历程及主要分支_深度学习

人工智能和机器学习,深度学习的关系:

机器学习是人工智能的一个实现途径

深度学习是机器学习的一个方法(神经网络)发展而来的。 

人工智能发展历程。

一、人工智能的起源

1.1图灵测试

测试者和被测试者(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,多次测试,如果有超过30%的测试者不能确定被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。由艾伦.麦席森.图灵提出。

1.2达特茅斯会议

1956年,在美国汉诺斯小镇的达特茅斯学院,用机器来模仿人类学习以及其他方面的智能,会议讨论出一个名字:人工智能,因此1956年也被称为人工智能元年。

人工智能概述、发展历程及主要分支_人工智能_02

小结 

人工智能的起源

图灵测试

达特茅斯会议

人工智能的发展经历六个阶段

起步发展期

反思发展期

应用发展期

低迷发展期

稳步发展期

蓬勃发展期

人工智能的主要分支

通讯、感知与行动是现代人工智能的三个关键能力,主要对应的三个技术领域分别是:

  • 计算机视觉(CV)
  • 自然语言处理(NLP),在NLP领域中,覆盖文本挖掘/分类、机器翻译和语音识别
  • 机器人

1.1分支一,计算机视觉

计算机视觉(CV)是指机器感知环境的能力,这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理,物体检测和人脸识别是其比较成功的领域。

1.2分支二,语音识别

语音识别是指识别语音并将其转换成对应文本的技术,相反的任务(文本转语音)也是这一领域内一个类似的研究主题。

随着大数据和深度学习技术的发展。

1.3分支三:文本挖掘/分类

这里的文本挖掘主要是指文本分类,该技术可用于理解、组织和分类结构化或非结构化文本文档,其涵盖的主要任务有句法分析,情绪分析和垃圾信息检测。

1.4分支四:机器翻译

机器翻译是利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。

1.5分支五:机器人

机器人学研究的是机器人的设计、制造、运作和应用,以及控制它们的计算机系统,传感反馈和信息处理。

机器人可以分为两个大类固定机器人和移动机器人。固定机器人通常被用于工业生产,常见的有货运机器人,空中机器人和自动载具。

小结:

人工智能主要分支:

计算机视觉

语音识别

文本挖掘/分类

机器翻译

机器人