人工智能基礎(chǔ)與應(yīng)用（第2版）全套教學(xué)課件

人工智能基礎(chǔ)與應(yīng)用全套可編輯PPT課件分為基礎(chǔ)篇、應(yīng)用篇和素養(yǎng)篇?；A(chǔ)篇包括揭開人工智能的神秘面紗、人工智能的基礎(chǔ)支撐、人工智能的應(yīng)用技術(shù)；應(yīng)用篇包括AI+安防——為人類安全保駕護(hù)航、AI+教育——實(shí)現(xiàn)趣味性教學(xué)、AI+醫(yī)療——提升人類的健康水平、AI+交通——提升人們的幸福感、AI+零售——促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展；素養(yǎng)篇包括人工智能倫理與法律、人工智能職業(yè)規(guī)劃?；A(chǔ)篇第一章揭開人工智能的神秘面紗導(dǎo)讀人工智能涉及計(jì)算機(jī)科學(xué)、哲學(xué)、認(rèn)知科學(xué)、神經(jīng)生理學(xué)、仿生學(xué)、心理學(xué)、數(shù)理邏輯、信息論、控制論等多個(gè)學(xué)科，它是在這些學(xué)科研究的基礎(chǔ)上發(fā)展起來的綜合性很強(qiáng)的交叉和邊緣學(xué)科，是當(dāng)今社會(huì)計(jì)算機(jī)科學(xué)中最活躍的分支之一。隨著互聯(lián)網(wǎng)技術(shù)和硬件設(shè)備的不斷進(jìn)步，人工智能在多個(gè)領(lǐng)域得到了迅速發(fā)展，并滲透到人類生活的方方面面。本章將介紹人工智能的一些基礎(chǔ)知識(shí)。1熟悉人工智能的定義和分類。了解人工智能的發(fā)展歷程和三大學(xué)派。熟悉人工智能的產(chǎn)業(yè)結(jié)構(gòu)。學(xué)習(xí)目標(biāo)23素質(zhì)目標(biāo)01普及身邊的人工智能應(yīng)用，鍛煉學(xué)生觀察事物的能力。02介紹人工智能的基礎(chǔ)知識(shí)，加強(qiáng)學(xué)生對(duì)新技術(shù)的了解，培養(yǎng)學(xué)生的探索意識(shí)。目錄CONTENTS人工智能基礎(chǔ)0102人工智能的發(fā)展歷程03人工智能的三大學(xué)派04人工智能的產(chǎn)業(yè)結(jié)構(gòu)人工智能基礎(chǔ)011.1人工智能基礎(chǔ)1.1.1身邊的人工智能科技在進(jìn)步，時(shí)代在發(fā)展，人工智能也逐漸滲透到了人們生活的各個(gè)角落。不相信的話，請(qǐng)你打開手機(jī)，看一看你的手機(jī)中藏了多少個(gè)人工智能應(yīng)用，如右圖所示。手機(jī)中的人工智能應(yīng)用：圖

手機(jī)中的人工智能應(yīng)用有能夠?qū)崿F(xiàn)個(gè)性化推薦和智能搜索的智能購物軟件，如手機(jī)淘寶、京東等；有能夠根據(jù)人們的喜好推薦視頻的智能娛樂軟件，如抖音、芒果TV等；有能夠?qū)崿F(xiàn)指紋支付和人臉支付的智能支付軟件，如支付寶、云閃付等；有能夠自動(dòng)美顏和識(shí)別圖片的智能相機(jī)，如Faceu激萌、天天P圖等；有能夠?qū)崿F(xiàn)VR實(shí)景看房的智能租售房屋軟件，如安居客、貝殼找房等；有能夠?qū)崟r(shí)查詢路況的智能導(dǎo)航軟件，如高德地圖、百度地圖等。1.1人工智能基礎(chǔ)人工智能不僅在人們的生活中占有一席之地，還在現(xiàn)代安防、教育、醫(yī)療、交通和零售等領(lǐng)域中具有重要地位。人工智能在這些領(lǐng)域中的實(shí)際應(yīng)用有人臉識(shí)別門禁、智慧課堂、手術(shù)機(jī)器人、無人駕駛汽車和自動(dòng)售貨機(jī)等，如下圖所示。人臉識(shí)別門禁智慧課堂手術(shù)機(jī)器人無人駕駛汽車自動(dòng)售貨機(jī)由此可見，人工智能在現(xiàn)代社會(huì)中隨處可見。那么，到底什么是人工智能呢？1.1人工智能基礎(chǔ)1.1.2認(rèn)識(shí)人工智能人工智能（artificialintelligence，AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門學(xué)科。智能與智能的本質(zhì)是古今中外許多哲學(xué)家和腦科專家一直在努力探索和研究的問題，但至今尚未完全研究清楚。因此，至今為止學(xué)術(shù)界也沒有給人工智能下一個(gè)明確的定義。下面，列舉部分學(xué)者對(duì)人工智能的描述。人工智能

是那些與人的思想、決策、問題求解和學(xué)習(xí)等有關(guān)活動(dòng)的自動(dòng)化過程。人工智能

是一種使計(jì)算機(jī)能夠思考，使計(jì)算機(jī)具有智力的激動(dòng)人心的新嘗試。人工智能

是用計(jì)算機(jī)模型研究智力行為的技術(shù)。人工智能

是一門通過計(jì)算過程力圖理解和模仿智能行為的學(xué)科。人工智能

是研究如何使計(jì)算機(jī)做事能夠讓人過得更好的學(xué)科。人工智能

是研究那些使理解、推理和行為成為可能的計(jì)算。人工智能

是計(jì)算機(jī)科學(xué)中與智能行為的自動(dòng)化有關(guān)的一個(gè)分支。人工智能

是研究和設(shè)計(jì)具有智能行為的計(jì)算機(jī)程序，可執(zhí)行人或動(dòng)物所具有的智能行為。1.1人工智能基礎(chǔ)分析以上學(xué)者們對(duì)人工智能的描述，人工智能可理解為：人工智能是指能夠讓計(jì)算機(jī)像人一樣擁有智能，可以代替人類實(shí)現(xiàn)識(shí)別、認(rèn)知、分析和決策等多種功能的技術(shù)。例如，智能機(jī)器服務(wù)員能夠?qū)⒄Z音識(shí)別成文字，然后進(jìn)行分析理解并與人對(duì)話，最后為客戶提供服務(wù)，如下圖所示。智能機(jī)器服務(wù)員1.1人工智能基礎(chǔ)1.1.3人工智能分類根據(jù)智能程度的不同，可將人工智能分為3類，即弱人工智能、強(qiáng)人工智能和超人工智能。1弱人工智能是指專心于且只能解決某一特定領(lǐng)域問題的人工智能。它只能在特定的領(lǐng)域、既定的規(guī)則中，表現(xiàn)出強(qiáng)大的智能。例如，戰(zhàn)勝世界圍棋冠軍的AlphaGo（見右圖）就屬于弱人工智能，它只擅長(zhǎng)下圍棋，不會(huì)解決其他問題。目前，人們已經(jīng)基本掌握了弱人工智能。2強(qiáng)人工智能是指能夠同時(shí)解決不同領(lǐng)域問題的人工智能。它不受領(lǐng)域、規(guī)則的限制，只要是人類能干的事情，它都能干。例如，學(xué)習(xí)、思考、計(jì)劃、解決問題和理解復(fù)雜理念等智能行為，強(qiáng)人工智能都能實(shí)現(xiàn)。由此可見，強(qiáng)人工智能才是真正的人工智能。3超人工智能可理解為在任何領(lǐng)域都比最聰明的人類大腦還要聰明的人工智能。它的智能行為不僅不受領(lǐng)域、規(guī)則的限制，甚至遠(yuǎn)遠(yuǎn)超越人類的智能。戰(zhàn)勝世界圍棋冠軍的AlphaGo人工智能的發(fā)展歷程021.2人工智能發(fā)展歷程人工智能的發(fā)展歷程跌宕起伏，總的來說可分為7個(gè)時(shí)期，依次是:孕育期起步發(fā)展期反思發(fā)展期應(yīng)用發(fā)展期低迷發(fā)展期穩(wěn)步發(fā)展期蓬勃發(fā)展期人工智能的三大學(xué)派031.3人工智能的三大學(xué)派人工智能在其研究發(fā)展的多年期間，許多不同學(xué)科或?qū)W科背景的學(xué)者們對(duì)人工智能做出了各自的解釋，提出了不同的觀點(diǎn)，因此產(chǎn)生了不同的學(xué)派。其中，對(duì)人工智能研究影響較大的學(xué)派有下列3家。（1）符號(hào)主義（symbolicism），又稱邏輯主義、心理學(xué)派或計(jì)算機(jī)學(xué)派，其原理主要為物理符號(hào)系統(tǒng)假設(shè)（即符號(hào)操作系統(tǒng)）和有限合理性原理，如圖1所示。（2）連接主義（connectionism），又稱仿生學(xué)派或生理學(xué)派，其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法，如圖2所示。（3）行為主義（actionism），又稱進(jìn)化主義或控制論學(xué)派，其原理主要為控制論及“感知—?jiǎng)幼鳌毙涂刂葡到y(tǒng)，如圖3所示。圖1符號(hào)主義圖2連接主義圖3行為主義1.3人工智能的三大學(xué)派1.3.1符號(hào)主義符號(hào)主義認(rèn)為人類認(rèn)知和思維的基元是符號(hào)，認(rèn)知過程是符號(hào)操作過程。也就是說，它致力于將人類的認(rèn)知和思維用某種符號(hào)來描述，并把這種符號(hào)輸入到計(jì)算機(jī)中，從而模擬人類的認(rèn)知過程，實(shí)現(xiàn)人工智能。其代表人物有赫伯特·西蒙（HerbentSimon）和艾倫·紐厄爾（AllenNewell），如下圖所示。赫伯特·西蒙艾倫·紐厄爾1.3人工智能的三大學(xué)派符號(hào)主義是一種基于邏輯推理的智能模擬方法。符號(hào)主義認(rèn)為人工智能源于數(shù)理邏輯。20世紀(jì)30年代，數(shù)理邏輯開始用于描述智能行為。計(jì)算機(jī)的出現(xiàn)推動(dòng)了邏輯演繹系統(tǒng)的實(shí)現(xiàn)，表明了計(jì)算機(jī)可以用于研究人的思維過程和模擬人類智能活動(dòng)。后來相繼發(fā)展的啟發(fā)式算法、專家系統(tǒng)和知識(shí)工程理論與技術(shù)，都為人工智能的發(fā)展做出了重要貢獻(xiàn)。符號(hào)主義是傳統(tǒng)人工智能的主流學(xué)派，在人工智能中一直處于主導(dǎo)地位。符號(hào)主義近期的代表作是知識(shí)圖譜。知識(shí)圖譜也稱為“語義網(wǎng)絡(luò)”，它是把所有不同類型的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)。知識(shí)圖譜可應(yīng)用于金融風(fēng)控場(chǎng)景。例如，企業(yè)知識(shí)圖譜分析平臺(tái)HyperGraph，它是聯(lián)想公司自主開發(fā)的，集大規(guī)模圖數(shù)據(jù)庫、高性能計(jì)算引擎和豐富圖形展示于一體的企業(yè)級(jí)知識(shí)圖譜分析與展示平臺(tái)。該平臺(tái)可在秒級(jí)別對(duì)百億千億規(guī)模圖數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和挖掘，為企業(yè)用戶提供一個(gè)打通多源數(shù)據(jù)、深入理解數(shù)據(jù)內(nèi)涵、構(gòu)建企業(yè)知識(shí)體系的可視化分析工具。1.3人工智能的三大學(xué)派該平臺(tái)通過可視化的方式發(fā)掘企業(yè)上下游關(guān)系、股東關(guān)聯(lián)關(guān)系等，它支持風(fēng)控和決策。例如，在樂視網(wǎng)出現(xiàn)資金鏈斷裂的情況時(shí)，銀行信貸部門或風(fēng)險(xiǎn)投資機(jī)構(gòu)通過HyperGraph可以快速定位樂視網(wǎng)及其投資的關(guān)聯(lián)公司，并抽取出樂視網(wǎng)相關(guān)聯(lián)企業(yè)的畫像，如圖下圖所示。通過畫像，銀行信貸部門或風(fēng)險(xiǎn)投資機(jī)構(gòu)可以對(duì)風(fēng)險(xiǎn)傳導(dǎo)路徑有很直觀的理解，從而能夠及時(shí)規(guī)避相關(guān)的貸款或融資申請(qǐng)。除此之外，知識(shí)圖譜還可以應(yīng)用于商業(yè)智能、公安偵查、智慧醫(yī)療、互聯(lián)網(wǎng)大數(shù)據(jù)分析等多個(gè)場(chǎng)景中。1.3人工智能的三大學(xué)派1.3.2連接主義連接主義認(rèn)為人工智能源于仿生學(xué)，特別是人腦模型的研究，它主張模仿人類的神經(jīng)元（見下圖），用神經(jīng)網(wǎng)絡(luò)的連接機(jī)制實(shí)現(xiàn)人工智能。連接主義的代表性成果是MP模型，它從神經(jīng)元開始進(jìn)而研究神經(jīng)網(wǎng)絡(luò)模型和腦模型，開創(chuàng)了用電子裝置模擬人類腦部結(jié)構(gòu)和功能的新途徑，同時(shí)開辟了人工智能新的發(fā)展道路。之后，由于當(dāng)時(shí)的理論模型、生物原型和技術(shù)條件的限制，腦模型研究落入低潮；直到反向神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和深度學(xué)習(xí)概念的提出，神經(jīng)網(wǎng)絡(luò)又開始換發(fā)新一輪的生命。神經(jīng)元1.3人工智能的三大學(xué)派1.3.3行為主義行為主義是一種基于“感知—?jiǎng)幼鳌钡男袨槟M方法。行為主義認(rèn)為，學(xué)習(xí)是刺激與反應(yīng)之間的聯(lián)結(jié)，行為是學(xué)習(xí)者對(duì)環(huán)境刺激所做出的反應(yīng)。學(xué)習(xí)過程是漸進(jìn)地嘗試錯(cuò)誤的過程，強(qiáng)化是學(xué)習(xí)成功的關(guān)鍵。例如，小孩子學(xué)走路的時(shí)候，走到凹凸不平的路面容易摔倒，摔倒后由于疼痛會(huì)哇哇大哭。類似的經(jīng)歷重復(fù)幾次后會(huì)產(chǎn)生兩種行為，一是避免走凹凸不平可能會(huì)導(dǎo)致摔倒的路；二是摔倒后無論疼不疼第一反應(yīng)都是大哭。行為主義認(rèn)為人工智能源于控制論?？刂普摪焉窠?jīng)系統(tǒng)的工作原理與信息理論、控制理論、邏輯理論及計(jì)算機(jī)聯(lián)系起來。這一學(xué)派的代表作品首推六足行走機(jī)器人（見下圖），它可以視為新一代的“控制論動(dòng)物”，是一個(gè)基于“感知—?jiǎng)幼鳌蹦Ｊ降哪M昆蟲行為的控制系統(tǒng)。六足行走機(jī)器人1.3人工智能的三大學(xué)派人工智能的三大學(xué)派從不同的側(cè)面研究了人類的智能，與人腦的思維模型有著對(duì)應(yīng)的關(guān)系。對(duì)其進(jìn)行粗略的劃分，可認(rèn)為符號(hào)主義研究抽象思維，注重?cái)?shù)學(xué)可解釋性；連接主義研究形象思維，偏向于模仿人腦模型，更加感性；行為主義研究感知思維，偏向于應(yīng)用和模擬。由此可見，人工智能的三大學(xué)派將長(zhǎng)期共存與合作，取長(zhǎng)補(bǔ)短，并走向融合和集成，共同為人工智能的發(fā)展做出貢獻(xiàn)。人工智能的產(chǎn)業(yè)結(jié)構(gòu)041.4人工智能的產(chǎn)業(yè)結(jié)構(gòu)人工智能以爆炸式和碾壓式的姿態(tài)進(jìn)入了大眾的視野，伴隨著其理論的逐漸完善，人工智能的應(yīng)用技術(shù)得到了飛速的發(fā)展。此外，人工智能的應(yīng)用領(lǐng)域也越來越寬廣了，大到城市的建設(shè)、交通的規(guī)劃和環(huán)境的保護(hù)等，小到各種智能穿戴設(shè)備、智能手機(jī)和智能家居等。由此可見，人工智能時(shí)代的來臨，不僅加速了技術(shù)的進(jìn)步，還推動(dòng)了產(chǎn)業(yè)和行業(yè)格局的變革。目前，人工智能的產(chǎn)業(yè)結(jié)構(gòu)可分為3個(gè)層次，即基礎(chǔ)支撐層、應(yīng)用技術(shù)層和行業(yè)應(yīng)用層，如下圖所示。人工智能的產(chǎn)業(yè)結(jié)構(gòu)1.4人工智能的產(chǎn)業(yè)結(jié)構(gòu)基礎(chǔ)支撐層可簡(jiǎn)稱為基礎(chǔ)層，它是人工智能產(chǎn)業(yè)的基礎(chǔ)，主要包括人工智能的理論知識(shí)、物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)，用于研究軟件系統(tǒng)和硬件設(shè)備，為人工智能產(chǎn)業(yè)提供理論支撐、土壤支撐、算力支撐和數(shù)據(jù)支撐。應(yīng)用技術(shù)層可簡(jiǎn)稱為技術(shù)層，它是人工智能產(chǎn)業(yè)的核心，主要包括視覺智能技術(shù)、聽覺智能技術(shù)和認(rèn)知智能技術(shù)，用于實(shí)現(xiàn)機(jī)器對(duì)外界的感知，即看懂、聽懂外界的信息，進(jìn)而使機(jī)器具備認(rèn)知能力，即分析判斷和決策行動(dòng)的能力。行業(yè)應(yīng)用層可簡(jiǎn)稱為應(yīng)用層，它是人工智能產(chǎn)業(yè)的延伸，主要面向人工智能與傳統(tǒng)行業(yè)的深度融合，為人工智能在不同行業(yè)（如安防、教育、醫(yī)療、交通和零售等）的應(yīng)用提供解決方案。人工智能基礎(chǔ)與應(yīng)用第二章人工智能的基礎(chǔ)支撐導(dǎo)讀隨著信息時(shí)代的到來，人工智能的應(yīng)用也逐漸滲入到人們的生活中。人工智能技術(shù)的實(shí)現(xiàn)與落地除了理論的支撐外，還有物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)的支撐。其中，物聯(lián)網(wǎng)猶如土壤一般支撐著人工智能數(shù)據(jù)的采集與傳輸；云計(jì)算為人工智能的實(shí)現(xiàn)提供了算力支撐；大數(shù)據(jù)為人工智能算法的訓(xùn)練提供了海量的數(shù)據(jù)，為人工智能提供了數(shù)據(jù)支撐。本章將介紹人工智能的理論支撐、土壤支撐、算力支撐和數(shù)據(jù)支撐。學(xué)習(xí)目標(biāo)掌握知識(shí)表示、確定性推理、搜索策略、不確定性推理、計(jì)算智能和機(jī)器學(xué)習(xí)等人工智能理論知識(shí)。掌握物聯(lián)網(wǎng)的定義和基本特征。掌握云計(jì)算的定義、服務(wù)模型和服務(wù)部署模式。23掌握大數(shù)據(jù)的定義、結(jié)構(gòu)和數(shù)據(jù)處理流程。41素質(zhì)目標(biāo)01研究人工智能的基礎(chǔ)支撐，提升學(xué)生的知識(shí)水平，培養(yǎng)學(xué)生的鉆研精神。02探究科技前沿知識(shí)，開闊學(xué)生視野，加強(qiáng)學(xué)生緊跟時(shí)代發(fā)展的意識(shí)。目錄CONTENTS人工智能的理論支撐0102人工智能的土壤支撐03人工智能的算力支撐04人工智能的數(shù)據(jù)支撐人工智能的理論支撐012.1人工智能的理論支撐2.1.1知識(shí)表示人類的智能活動(dòng)主要是獲得并運(yùn)用知識(shí)，即通過對(duì)外部世界進(jìn)行觀察等方式獲得知識(shí)，然后運(yùn)用知識(shí)做出正確的判斷和決策，最后采取正確的行動(dòng)。由此可見，知識(shí)是實(shí)現(xiàn)智能的基礎(chǔ)。為了實(shí)現(xiàn)計(jì)算機(jī)模擬人類的智能行為，就需要將知識(shí)以適當(dāng)?shù)姆绞奖硎境鰜聿⒋鎯?chǔ)于計(jì)算機(jī)中，因此，知識(shí)表示成了人工智能中一個(gè)十分重要的研究課題。人工智能的發(fā)展離不開理論的支撐，其理論知識(shí)包括知識(shí)表示、確定性推理、搜索策略、不確定性推理、計(jì)算智能和機(jī)器學(xué)習(xí)等。知識(shí)的概念知識(shí)是人類對(duì)自然世界、人類社會(huì)、思維方式及運(yùn)動(dòng)規(guī)律的認(rèn)識(shí)與掌握；是人類在長(zhǎng)期的生活及社會(huì)實(shí)踐中、科學(xué)研究及實(shí)驗(yàn)中積累起來的經(jīng)驗(yàn)；是人的大腦通過思考，把實(shí)踐中獲得的有關(guān)信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)。2.1人工智能的理論支撐信息之間有多種關(guān)聯(lián)形式，使用最廣泛的一種是用“如果……，則……”表示的關(guān)聯(lián)形式，它反映了信息間的因果關(guān)系。例如，人類經(jīng)過多年的觀察發(fā)現(xiàn)，每當(dāng)大雨即將來臨的時(shí)候，就會(huì)看到成群結(jié)隊(duì)的螞蟻在搬家（見右圖），于是就把“螞蟻搬家”和“大雨將至”這兩個(gè)信息關(guān)聯(lián)在一起，得到了相應(yīng)的知識(shí)，即如果螞蟻搬家，則大雨將至。螞蟻搬家知識(shí)反映了客觀世界中事物之間的關(guān)系，不同事物或者相關(guān)事物間的不同關(guān)系形成了不同的知識(shí)。例如，“海水是咸的”是一條知識(shí)，它反映了“海水”與“咸”之間的一種關(guān)系。又如，“如果天空中烏云密布，則有可能會(huì)下雨”是一條知識(shí)，它反映了“天空中烏云密布”與“有可能會(huì)下雨”之間的一種因果關(guān)系。在人工智能中，將前一種知識(shí)稱為事實(shí)，而把采用“如果……，則……”關(guān)聯(lián)起來所形成的知識(shí)稱為規(guī)則。2.1人工智能的理論支撐知識(shí)是人類對(duì)客觀世界認(rèn)識(shí)的結(jié)晶，并且長(zhǎng)期受到實(shí)踐的檢驗(yàn)。知識(shí)是人類世界特有的概念，從不同的角度可以將知識(shí)分成不同的類別。（1）從確定性劃分，知識(shí)可分為確定性知識(shí)（如“雪是白色的”）和不確定性知識(shí)（如“明天可能會(huì)下雨”）。（2）從作用范圍劃分，知識(shí)可分為常識(shí)性知識(shí)（如“猴子有尾巴”）和領(lǐng)域性知識(shí)（如“計(jì)算機(jī)中央處理器的核心部件包括運(yùn)算器和控制器”）。（3）從知識(shí)結(jié)構(gòu)及表現(xiàn)形式劃分，知識(shí)可分為邏輯性知識(shí)（如“如果你感覺喉嚨腫痛，則有可能是扁桃體發(fā)炎了”）和形象性知識(shí)（如“地球儀是圓形的”）。（4）從知識(shí)的作用劃分，知識(shí)可分為事實(shí)性知識(shí)（如“一年有12個(gè)月”）、過程性知識(shí)（如“汽車維修技術(shù)”）和控制性知識(shí)（如“搜索策略”）。2.1人工智能的理論支撐知識(shí)表示的概念知識(shí)表示（knowledgerepresentation）是將人類知識(shí)形式化或模型化。實(shí)際上，就是對(duì)知識(shí)的一種描述，或者說是一組約定，一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu)。知識(shí)表示過程就是把知識(shí)編碼成某種數(shù)據(jù)結(jié)構(gòu)的過程。從某種意義上，可以將知識(shí)表示視為數(shù)據(jù)結(jié)構(gòu)及其處理機(jī)制的綜合，即知識(shí)表示=知識(shí)的數(shù)據(jù)結(jié)構(gòu)+知識(shí)的處理機(jī)制知識(shí)表示方法知識(shí)表示方法有很多，比較常見的有一階謂詞邏輯表示法、狀態(tài)空間表示法、產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法等。一階謂詞邏輯表示法是一種重要的知識(shí)表示方法，它以數(shù)理邏輯為基礎(chǔ)，采用謂詞公式的形式表示知識(shí)。這種表示法表示的知識(shí)不僅與人類的自然語言比較接近，還便于存儲(chǔ)到計(jì)算機(jī)中，從而實(shí)現(xiàn)計(jì)算機(jī)對(duì)知識(shí)的精確處理。2.1人工智能的理論支撐謂詞公式，又稱合式公式，是由謂詞符號(hào)、常量符號(hào)、變?cè)?hào)、函數(shù)符號(hào)，以及連接詞、量詞、括號(hào)、逗號(hào)等按照一定語法規(guī)則組成的字符串表達(dá)式。例如，“如果明天天氣晴朗，則我會(huì)去室外玩?！笨杀硎緸?。狀態(tài)空間表示法是基于解答空間的問題表示和求解方法，即通過在某個(gè)可能的解空間內(nèi)尋找一個(gè)最優(yōu)解來求解問題的方法。它是以狀態(tài)和操作符為基礎(chǔ)來表示和求解問題的。狀態(tài)空間表示法思路簡(jiǎn)單、操作方便，適用于求解簡(jiǎn)單的問題。產(chǎn)生式表示法，又稱產(chǎn)生式規(guī)則表示法，是由美國(guó)數(shù)學(xué)家波斯特（E.Post）于1943年提出的一種知識(shí)表示方法。它常采用“條件→結(jié)果”的形式描述事物間的因果關(guān)系。語義網(wǎng)絡(luò)表示法是通過概念及語義關(guān)系（或語義聯(lián)系）來表示知識(shí)的一種網(wǎng)絡(luò)圖。其中，語義網(wǎng)絡(luò)由節(jié)點(diǎn)和節(jié)點(diǎn)間的弧組成。節(jié)點(diǎn)表示各種事物、概念、情況、屬性、狀態(tài)、事件和動(dòng)作等；弧表示它所連接的節(jié)點(diǎn)間的各種語義關(guān)系。框架表示法是以框架理論為基礎(chǔ)發(fā)展起來的一種結(jié)構(gòu)化知識(shí)表示方法，現(xiàn)已在多種系統(tǒng)中得到了應(yīng)用。該理論認(rèn)為人的知識(shí)是以框架結(jié)構(gòu)寄存在人腦中的，當(dāng)人們面臨新的情況，或?qū)栴}的看法有重要變化時(shí)，總是從自己的記憶中找出一個(gè)合適的框架，然后根據(jù)細(xì)節(jié)加以修改補(bǔ)充，從而形成對(duì)新事物的認(rèn)識(shí)。2.1人工智能的理論支撐一般來說，同一知識(shí)可以有多種不同的表示形式，而不同的表示形式所產(chǎn)生的效果可能不同。因此，在選擇知識(shí)表示方法時(shí)，應(yīng)從以下幾個(gè)方面進(jìn)行考慮。（1）所選知識(shí)表示方法是否能充分表示領(lǐng)域知識(shí)。（2）所選知識(shí)表示方法是否有利于對(duì)知識(shí)進(jìn)行使用。（3）所選知識(shí)表示方法是否便于知識(shí)的獲取、組織、維護(hù)和管理。（4）所選知識(shí)表示方法是否便于理解和實(shí)現(xiàn)。2.1人工智能的理論支撐2.1.2確定性推理知識(shí)表示方法能夠?qū)⒅R(shí)以某種形式表示出來并存儲(chǔ)到計(jì)算機(jī)中，而計(jì)算機(jī)真正的智能是其具有思維能力，即能運(yùn)用知識(shí)進(jìn)行推理來求解問題。推理的概念推理是指從已知事實(shí)出發(fā)，按照某種策略，運(yùn)用已掌握的知識(shí)，推導(dǎo)出其中蘊(yùn)含的事實(shí)性結(jié)論或歸納出某些新的結(jié)論的過程。推理所用的事實(shí)可分為兩種：一種是推理前用戶提供的與求解問題有關(guān)的初始證據(jù)；另一種是推理過程中所得到的中間結(jié)論，這些中間結(jié)論可以作為進(jìn)一步推理的證據(jù)。通常，智能系統(tǒng)的推理過程由推理機(jī)來完成。所謂推理機(jī)就是智能系統(tǒng)中用來實(shí)現(xiàn)推理的那些程序。2.1人工智能的理論支撐推理方式及分類分類依據(jù)推理方式描述按推理時(shí)所用知識(shí)的確定性分類確定性推理推理時(shí)所使用的知識(shí)都是確定的，推出的結(jié)論也都是確定的，而且它們的真值非真即假，不會(huì)有第三種情況出現(xiàn)不確定性推理推理時(shí)所用的知識(shí)不都是確定的，推出的結(jié)論也是不確定的，它們的真值會(huì)位于真與假之間按推理的邏輯基礎(chǔ)分類演繹推理一種從一般到個(gè)別的推理方式，即從已知的一般性知識(shí)出發(fā)，推出蘊(yùn)含在已知知識(shí)中的適合于某種個(gè)別情況的結(jié)論歸納推理一種從個(gè)別到一般的推理方式，即從大量特殊事例出發(fā)，歸納出一般性結(jié)論的推理過程默認(rèn)推理在知識(shí)不完全的情況下假設(shè)某些條件成立所進(jìn)行的推理按推理過程中所推出的結(jié)論是否單調(diào)地增加分類單調(diào)推理在推理的過程中隨著推理的向前推進(jìn)及新知識(shí)的加入，推出的結(jié)論呈單調(diào)增加的趨勢(shì)，并且結(jié)論越來越接近最終目標(biāo)非單調(diào)推理在推理過程中由于新知識(shí)的加入，不僅沒有加強(qiáng)已推出的結(jié)論，反而否定了它，使得推理退回到前面的某一步，然后重新開始推理按推理過程中是否運(yùn)用與問題有關(guān)的啟發(fā)性知識(shí)分類啟發(fā)式推理在推理過程中，運(yùn)用了與問題有關(guān)的啟發(fā)性知識(shí)，如解決問題的策略、技巧及經(jīng)驗(yàn)等，以加快推理過程，求得問題最優(yōu)解非啟發(fā)式推理在推理過程中，不運(yùn)用啟發(fā)性知識(shí)，只按照一般的控制邏輯進(jìn)行推理表

推理方式的分類人類的智能活動(dòng)有多種思維方式，相應(yīng)地，對(duì)人類智能進(jìn)行模擬的人工智能也有多種推理方式。下表從不同的角度對(duì)推理方式進(jìn)行了分類。2.1人工智能的理論支撐常見的確定性推理有自然演繹推理和歸結(jié)演繹推理。自然演繹推理自然演繹推理是指從一組已知為真的事實(shí)出發(fā)，直接運(yùn)用命題邏輯或謂詞邏輯中的推理規(guī)則推出結(jié)論的過程。其中，常用的推理規(guī)則有假言推理、拒取式推理和三段論式推理等。歸結(jié)演繹推理在人工智能中，幾乎所有的問題都可以轉(zhuǎn)化成一個(gè)定理證明問題。對(duì)于定理證明問題，如果用一階謂詞邏輯表示的話，該問題的實(shí)質(zhì)就是要求對(duì)前提P和結(jié)論Q證明是永真的。然而，要證明謂詞公式的永真性，必須對(duì)謂詞公式中變?cè)獋€(gè)體域上的每個(gè)解釋進(jìn)行驗(yàn)證，這是極其困難的。為了簡(jiǎn)化問題，在推理時(shí)常采用歸結(jié)演繹推理。歸結(jié)演繹推理是一種基于歸結(jié)原理的機(jī)器推理技術(shù)。實(shí)際上，它是一種基于邏輯的“反證法”，把關(guān)于永真性的證明轉(zhuǎn)化為關(guān)于不可滿足性的證明，即要證明

,永真，只要能夠證明是不可滿足的就可以了。2.1人工智能的理論支撐謂詞公式的永真性：如果謂詞公式P對(duì)個(gè)體域D上的任何一個(gè)解釋都取真值T（真），則稱P在D上是永真的；如果P在每個(gè)非空個(gè)體域上均永真，則稱P永真。謂詞公式的不可滿足性：對(duì)于謂詞公式P，如果至少存在一個(gè)解釋使得公式P在此解釋下的真值為T（真），則稱公式P是可滿足的，否則，則稱公式P是不可滿足的。

表示“P蘊(yùn)涵Q”，可理解為“如果P，則Q

”；表示“P合取非Q

”，可理解為“P與非Q

”。2.1人工智能的理論支撐2.1.3搜索策略現(xiàn)實(shí)世界中多數(shù)問題都是非結(jié)構(gòu)化的，一般不能用直接求解的方法來求解這樣的問題，而只能利用已有的知識(shí)一步一步地摸索著前進(jìn)。因此，常常使用基于搜索策略的方法來求解問題。搜索策略可看成是一種在狀態(tài)空間圖中尋找路徑的方法，它是人工智能的基本求解策略之一，在人工智能領(lǐng)域具有廣泛的應(yīng)用。目前，廣大學(xué)者們已提出了許多不同的搜索策略，根據(jù)搜索過程中是否運(yùn)用與問題有關(guān)的信息，可以將這些搜索策略分為盲目搜索策略和啟發(fā)式搜索策略。在人工智能中，通過運(yùn)用搜索策略解決問題的基本思想是：首先把問題的初始狀態(tài)（即起始節(jié)點(diǎn)）作為當(dāng)前狀態(tài)，選擇適用的操作符對(duì)其進(jìn)行操作，生成一組子狀態(tài)（即后繼節(jié)點(diǎn)），然后檢查目標(biāo)狀態(tài)是否在其中出現(xiàn)。若出現(xiàn)，則搜索成功，找到了問題的解；若未出現(xiàn)，則按某種搜索策略從已生成的狀態(tài)中再選一個(gè)狀態(tài)作為當(dāng)前狀態(tài)。重復(fù)上述過程，直到目標(biāo)狀態(tài)出現(xiàn)或者不再有可供操作的狀態(tài)及操作符為止。在運(yùn)用搜索策略求解問題的過程中，涉及的數(shù)據(jù)結(jié)構(gòu)除了狀態(tài)空間圖之外，還需要兩個(gè)輔助的數(shù)據(jù)結(jié)構(gòu)，即存放已訪問但未擴(kuò)展節(jié)點(diǎn)的OPEN表，以及存放已擴(kuò)展節(jié)點(diǎn)的CLOSED表。2.1人工智能的理論支撐盲目搜索策略盲目搜索策略，又稱無信息搜索策略，也就是說，在搜索過程中，只按照預(yù)先規(guī)定的搜索策略進(jìn)行搜索，而沒有任何中間信息來改變這些策略。常用的盲目搜索策略有寬度優(yōu)先搜索和深度優(yōu)先搜索等。（1）寬度優(yōu)先搜索，又稱廣度優(yōu)先搜索，其基本思想是從起始節(jié)點(diǎn)開始，逐層對(duì)節(jié)點(diǎn)進(jìn)行擴(kuò)展（或搜索），同時(shí)考察它是否為目標(biāo)節(jié)點(diǎn)。例如，如圖1所示的搜索樹，其搜索順序應(yīng)為A→B→C→D→E→F→G→H。（2）深度優(yōu)先搜索的基本思想是從起始節(jié)點(diǎn)開始，在其子節(jié)點(diǎn)中選擇一個(gè)節(jié)點(diǎn)進(jìn)行考察，如果不是目標(biāo)節(jié)點(diǎn)，則在該子節(jié)點(diǎn)的子節(jié)點(diǎn)中選擇一個(gè)節(jié)點(diǎn)進(jìn)行考察，一直如此向下搜索，如果發(fā)現(xiàn)不能到達(dá)目標(biāo)節(jié)點(diǎn)，則返回到上一個(gè)節(jié)點(diǎn)，然后選擇該節(jié)點(diǎn)的另一個(gè)子節(jié)點(diǎn)往下搜索，如此反復(fù)，直到搜索到目標(biāo)節(jié)點(diǎn)或搜索完全部節(jié)點(diǎn)為止。例如，如圖2所示的搜索樹，其搜索順序應(yīng)為A→B→D→H→E→C→F→G。圖1

寬度優(yōu)先搜索圖2深度優(yōu)先搜索2.1人工智能的理論支撐啟發(fā)式搜索策咯啟發(fā)式搜索策略，又稱有信息搜索策略，是指在搜索過程中，利用與問題有關(guān)的信息，引導(dǎo)搜索朝最有利的方向進(jìn)行，從而加快搜索的速度，提高搜索效率。常用的啟發(fā)式搜索策略有A搜索和A*搜索。啟發(fā)式搜索策略的主要依據(jù)是問題自身的啟發(fā)性信息。啟發(fā)性信息是指可確定搜索方向，簡(jiǎn)化搜索過程，且可反映問題特性的控制性信息。啟發(fā)性信息又是通過估價(jià)函數(shù)而作用于搜索過程的。估價(jià)函數(shù)常用于估計(jì)節(jié)點(diǎn)的代價(jià)，即通過充分利用啟發(fā)性信息估計(jì)出經(jīng)過當(dāng)前節(jié)點(diǎn)搜索到目標(biāo)節(jié)點(diǎn)的代價(jià)。2.1人工智能的理論支撐估計(jì)一個(gè)節(jié)點(diǎn)的價(jià)值，必須考慮兩個(gè)重要的因素，即已經(jīng)付出的代價(jià)和將要付出的代價(jià)。因此，可將估價(jià)函數(shù)定義為從初始節(jié)點(diǎn)S0出發(fā)，經(jīng)過節(jié)點(diǎn)n到達(dá)目標(biāo)節(jié)點(diǎn)G的所有路徑中最優(yōu)路徑的代價(jià)估計(jì)值。其一般形式為

其中，表示從初始節(jié)點(diǎn)S0到達(dá)中間節(jié)點(diǎn)n的實(shí)際代價(jià)。的值是從節(jié)點(diǎn)S0到節(jié)點(diǎn)n的最優(yōu)路徑上所有有向邊的代價(jià)之和。

表示從中間節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)G的最優(yōu)路徑的估計(jì)代價(jià)。這種估計(jì)主要是源于對(duì)問題自身特性的認(rèn)識(shí)，依據(jù)這些特性加快搜索的速度，體現(xiàn)了問題自身的啟發(fā)性信息。因此，可稱為啟發(fā)函數(shù)。2.1人工智能的理論支撐2.1.4不確定性推理不確定性推理是從不確定的初始證據(jù)（即已知事實(shí)）出發(fā)，通過運(yùn)用不確定的知識(shí)（或規(guī)則），最終推出具有一定程度的不確定性但卻合理或近乎合理的結(jié)論的思維過程。不確定性推理的方法有多種，其分類如下圖所示。不確定性推理方法模型方法控制方法數(shù)值方法非數(shù)值方法基于概率的方法可信度方法證據(jù)理論方法主觀貝葉斯方法基于模糊理論的方法模糊推理方法語義網(wǎng)絡(luò)推理框架推理啟發(fā)式搜索相關(guān)性制導(dǎo)回溯機(jī)緣控制圖不確定性推理方法分類2.1人工智能的理論支撐下面簡(jiǎn)單介紹一下可信度方法和證據(jù)理論方法。可信度方法在實(shí)際生活中，人們可以利用從客觀世界認(rèn)識(shí)過程中積累的經(jīng)驗(yàn)，判斷觀察到的某一件新事物或現(xiàn)象的真假或?yàn)檎娴某潭?。例如，人們觀察天空中烏云的情況，可根據(jù)以往經(jīng)驗(yàn)判斷會(huì)不會(huì)下雨。根據(jù)經(jīng)驗(yàn)判斷事物或現(xiàn)象為真的相信程度稱為可信度?？尚哦确椒ㄊ窃诖_定性理論的基礎(chǔ)上，結(jié)合概率論等理論提出的一種不確定性推理模型。它的推理模式合理有效，因此廣泛應(yīng)用于專家系統(tǒng)等領(lǐng)域。可信度具有較大的主觀性和經(jīng)驗(yàn)性，常由領(lǐng)域內(nèi)的專家給出。由于領(lǐng)域內(nèi)的專家具有豐富的專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，因此他們給出的可信度是值得相信的。證據(jù)理論方法證據(jù)理論方法，又稱D-S理論，是登普斯特（Dempster）首先提出，謝弗（Shafer）實(shí)現(xiàn)進(jìn)一步發(fā)展的不確定性推理方法。證據(jù)理論能夠區(qū)分“不確定”和“不知道”的差異，并能處理由于“不知道”帶來的不確定性，具有較大的靈活性。因此，證據(jù)理論方法受到了人們的廣泛關(guān)注。2.1人工智能的理論支撐2.1.5計(jì)算智能計(jì)算智能（computationalintelligence，CI）是人們受自然規(guī)律和生物智能機(jī)制的啟迪，根據(jù)其原理模仿設(shè)計(jì)的一組算法，用于解決復(fù)雜的現(xiàn)實(shí)世界問題。目前，計(jì)算智能還沒有統(tǒng)一的定義，下面列舉部分學(xué)者對(duì)計(jì)算智能的不同描述。計(jì)算智能主要是借鑒仿生學(xué)的思想，基于人們對(duì)生物體智能機(jī)制和自然規(guī)律的認(rèn)識(shí)，采用數(shù)值計(jì)算的方法去模擬和實(shí)現(xiàn)人類智能、生物智能和自然規(guī)律。計(jì)算智能是依靠生產(chǎn)者提供的數(shù)值數(shù)據(jù)進(jìn)行加工處理，而不是依賴于知識(shí)。計(jì)算智能是一種智力方式的低層認(rèn)知，只處理數(shù)值數(shù)據(jù)，而人工智能是一種智力方式的中級(jí)認(rèn)知，可以處理符號(hào)形式的知識(shí)。如果一個(gè)系統(tǒng)僅處理底層的數(shù)值數(shù)據(jù)，含有的模式識(shí)別部分，沒有使用人工智能意義上的知識(shí)，且具有計(jì)算適應(yīng)性、計(jì)算容錯(cuò)性、接近人的計(jì)算速度和近乎人的誤差率這4個(gè)特性，則該系統(tǒng)是智能計(jì)算系統(tǒng)。計(jì)算智能是一種以模型（包括數(shù)字模型和計(jì)算模型）為基礎(chǔ)，以分布和并行計(jì)算為特征的自然智能模擬方法。2.1人工智能的理論支撐計(jì)算智能的研究與發(fā)展反映了當(dāng)代科學(xué)技術(shù)多學(xué)科交叉融合發(fā)展的重要趨勢(shì)。根據(jù)算法設(shè)計(jì)依據(jù)的原理不同，可將計(jì)算智能分為進(jìn)化計(jì)算、群體智能、神經(jīng)計(jì)算、模糊計(jì)算、免疫計(jì)算和人工生命等，如圖下圖所示。圖

計(jì)算智能的分類2.1人工智能的理論支撐下面簡(jiǎn)單介紹一下進(jìn)化計(jì)算和群體智能。進(jìn)化計(jì)算進(jìn)化計(jì)算，又稱演化計(jì)算，是一種通過模擬生物進(jìn)化機(jī)制而設(shè)計(jì)的具有高魯棒性和廣泛性的全局優(yōu)化方法。它具有自組織、自適應(yīng)、自學(xué)習(xí)的特性，能夠不受問題性質(zhì)的限制，有效地處理傳統(tǒng)優(yōu)化算法難以解決的復(fù)雜問題。進(jìn)化計(jì)算是采用簡(jiǎn)單的編碼技術(shù)來表示各種復(fù)雜的結(jié)構(gòu)，并通過簡(jiǎn)單的遺傳操作和優(yōu)勝劣汰的自然選擇來指導(dǎo)學(xué)習(xí)和確定搜索的方向。進(jìn)化計(jì)算是一個(gè)“算法簇”，包括遺傳算法、遺傳規(guī)劃、進(jìn)化策略和進(jìn)化規(guī)劃等。其中，遺傳算法是最初形成的一種最具影響力的模擬生物進(jìn)化的優(yōu)化算法。遺傳算法（geneticalgorithm，GA）是模仿生物遺傳學(xué)和自然選擇機(jī)理而設(shè)計(jì)的計(jì)算模型，是人工構(gòu)造的一種搜索最優(yōu)解的方法。它常用于處理傳統(tǒng)算法難以解決的復(fù)雜和非線性優(yōu)化問題。2.1人工智能的理論支撐群體智能群體智能是一種受自然界生物群體的智能現(xiàn)象啟發(fā)而提出的智能優(yōu)化方法，是計(jì)算智能領(lǐng)域的關(guān)鍵技術(shù)之一。圖常見的群體智能算法群體智能的概念來自對(duì)螞蟻、蜜蜂等自然界中群居生物群體行為的觀察和模擬。例如，通過觀察螞蟻尋找路徑的行為提出蟻群算法，通過觀察蜜蜂繁殖、采蜜等行為提出蜂群算法，通過觀察鳥群的捕食行為提出粒子群算法，等等。常見的群體智能算法還有很多，如右圖所示。2.1人工智能的理論支撐群體智能也是指無智能或者僅具有相對(duì)簡(jiǎn)單智能的個(gè)體通過合作表現(xiàn)出復(fù)雜智能行為的特性。其中，無智能或僅具有簡(jiǎn)單智能是相對(duì)于群體合作表現(xiàn)出來的智能而言的。群體智能是在模擬自然界群體生存現(xiàn)象的基礎(chǔ)上，運(yùn)用一定的數(shù)學(xué)手段和計(jì)算工具，設(shè)計(jì)相應(yīng)的算法模型，為解決系統(tǒng)中的復(fù)雜行為提供了新的思路。它主要有以下4個(gè)特點(diǎn)?？刂剖欠植际降?，不存在控制中心。它能夠適應(yīng)當(dāng)前網(wǎng)絡(luò)環(huán)境下的工作狀態(tài)，并且具有較強(qiáng)的魯棒性，同時(shí)不會(huì)由于某一個(gè)或幾個(gè)個(gè)體出現(xiàn)故障而影響整個(gè)問題的求解。擴(kuò)充性較好。群體中個(gè)體通過改變環(huán)境實(shí)現(xiàn)相互通信，隨著個(gè)體數(shù)目的增加，這種非直接通信的方式緩解了通信開銷的增幅。因此，群體智能具有較好的擴(kuò)充性。具有簡(jiǎn)單性。群體中每個(gè)個(gè)體的能力或遵循的行為規(guī)則非常簡(jiǎn)單，因而群體智能的實(shí)現(xiàn)比較方便和簡(jiǎn)單。具有自組織性。群體表現(xiàn)出來的復(fù)雜行為是通過簡(jiǎn)單個(gè)體的交互過程突顯出來的智能。因此，群體智能具有自組織性。2.1人工智能的理論支撐2.1.6機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（machinelearning）是通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)，并獲得完成任務(wù)方法的一門學(xué)科。它可以對(duì)數(shù)據(jù)進(jìn)行自動(dòng)分析，并從中獲得規(guī)律或模型，然后利用規(guī)律或模型對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。它是人工智能的核心，是使計(jì)算機(jī)具有智能的重要途徑。目前，機(jī)器學(xué)習(xí)還沒有一個(gè)公認(rèn)且準(zhǔn)確的定義，下面列舉了部分學(xué)者對(duì)機(jī)器學(xué)習(xí)的描述。機(jī)器學(xué)習(xí)是研究如何用機(jī)器模擬人類學(xué)習(xí)活動(dòng)的一門學(xué)科。機(jī)器學(xué)習(xí)是研究機(jī)器如何獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)科。機(jī)器學(xué)習(xí)是研究機(jī)器如何模擬人類的學(xué)習(xí)活動(dòng)，自主獲取新知識(shí)和新技能，不斷提升系統(tǒng)性能的學(xué)科。機(jī)器學(xué)習(xí)的基本思路就是使用一定的算法解析訓(xùn)練數(shù)據(jù)（進(jìn)行模型訓(xùn)練）；然后學(xué)習(xí)數(shù)據(jù)中存在的一些特征，得到模型；最后使用得到的模型對(duì)實(shí)際問題做出分類、決策或預(yù)測(cè)等。2.1人工智能的理論支撐機(jī)器學(xué)習(xí)有很多種學(xué)習(xí)方法，從不同的角度，根據(jù)不同的方式，可以將其劃分為不同的類別，如下表所示。分類方式分類描述按學(xué)習(xí)

形式分類有監(jiān)督學(xué)習(xí)從含有標(biāo)簽的數(shù)據(jù)集中推出一個(gè)功能的學(xué)習(xí)方法無監(jiān)督學(xué)習(xí)從不含標(biāo)簽的數(shù)據(jù)集中推出一個(gè)功能的學(xué)習(xí)方法半監(jiān)督學(xué)習(xí)綜合利用有標(biāo)簽的數(shù)據(jù)和無標(biāo)簽的數(shù)據(jù)，生成合適的函數(shù)強(qiáng)化學(xué)習(xí)以環(huán)境反饋（獎(jiǎng)懲信號(hào)）作為輸入，以統(tǒng)計(jì)和動(dòng)態(tài)規(guī)劃技術(shù)為指導(dǎo)的一種學(xué)習(xí)方法按學(xué)習(xí)

目標(biāo)分類概念學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為概念，典型的概念學(xué)習(xí)有示例學(xué)習(xí)規(guī)則學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為規(guī)則，典型的規(guī)則學(xué)習(xí)有決策樹學(xué)習(xí)函數(shù)學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為函數(shù)，典型的函數(shù)學(xué)習(xí)有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)類別學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為對(duì)象類別，典型的類別學(xué)習(xí)有聚類分析按學(xué)習(xí)

方法分類機(jī)械式學(xué)習(xí)通過直接記憶或外部提供的信息達(dá)到學(xué)習(xí)的目的指導(dǎo)式學(xué)習(xí)由外部環(huán)境向系統(tǒng)提供指示或建議示例學(xué)習(xí)通過從環(huán)境中獲取若干與某知識(shí)有關(guān)的例子，經(jīng)歸納得到一般性知識(shí)類比學(xué)習(xí)把兩個(gè)事物進(jìn)行比較，找出它們?cè)谀骋怀橄髮由系南嗨脐P(guān)系，并以這種關(guān)系為依據(jù)，把某一事物的有關(guān)知識(shí)加以適當(dāng)整理，然后對(duì)應(yīng)到另一事物，從而獲得求解另一事物的知識(shí)解釋學(xué)習(xí)在領(lǐng)域知識(shí)指導(dǎo)下，通過對(duì)單個(gè)問題求解實(shí)例的分析，構(gòu)造出求解過程的因果解釋結(jié)構(gòu)，并獲取控制知識(shí)，便于指導(dǎo)以后求解類似問題按推理

方式分類基于演繹的學(xué)習(xí)以演繹推理為基礎(chǔ)的學(xué)習(xí)基于歸納的學(xué)習(xí)以歸納推理為基礎(chǔ)的學(xué)習(xí)表機(jī)器學(xué)習(xí)的分類2.1人工智能的理論支撐其中，有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)中常用且易懂的方法，下面將詳細(xì)介紹這兩種機(jī)器學(xué)習(xí)方法。有監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)是一種比較簡(jiǎn)單且直接的機(jī)器學(xué)習(xí)方式，它是利用含有標(biāo)簽的數(shù)據(jù)集對(duì)學(xué)習(xí)模型進(jìn)行訓(xùn)練，然后得到預(yù)測(cè)模型，最后利用測(cè)試集對(duì)預(yù)測(cè)模型的性能進(jìn)行評(píng)估的學(xué)習(xí)方法。有監(jiān)督學(xué)習(xí)也可理解為“跟著老師學(xué)”，即在有老師的環(huán)境下，學(xué)生跟著老師學(xué)習(xí)知識(shí)，待他們掌握之后，再使用新的數(shù)據(jù)測(cè)試學(xué)生的認(rèn)知水平。例如，老師拿兩張貓咪圖片，教小朋友認(rèn)識(shí)貓咪，小朋友結(jié)合圖片中貓咪的外在特征和老師的講解認(rèn)識(shí)貓咪，然后老師再拿出一張新的圖片，詢問小朋友圖片中是什么動(dòng)物，如右圖所示。圖

有監(jiān)督學(xué)習(xí)2.1人工智能的理論支撐機(jī)器學(xué)習(xí)中，采用有監(jiān)督學(xué)習(xí)方法建模的任務(wù)有分類任務(wù)和回歸任務(wù)。（1）分類任務(wù)通常用于將事物打上一個(gè)標(biāo)簽，結(jié)果為離散值。例如，判斷一幅圖片上的動(dòng)物是貓還是狗。分類的最終正確結(jié)果只有一個(gè)，錯(cuò)誤的就是錯(cuò)誤的，不會(huì)有相近的概念。分類是通過在已有數(shù)據(jù)的基礎(chǔ)上進(jìn)行學(xué)習(xí)，推導(dǎo)出一個(gè)分類函數(shù)或構(gòu)造出一個(gè)分類模型，該函數(shù)或模型可以將待分類的數(shù)據(jù)集映射到某個(gè)給定的類別中，從而實(shí)現(xiàn)數(shù)據(jù)分類。其中，分類函數(shù)或分類模型也稱為分類器。2.1人工智能的理論支撐在機(jī)器學(xué)習(xí)領(lǐng)域中，分類任務(wù)的實(shí)現(xiàn)需要先確定一個(gè)分類函數(shù)或模型，類似于數(shù)據(jù)樣本中的分界線，然后對(duì)輸入的新數(shù)據(jù)進(jìn)行預(yù)測(cè)，即根據(jù)分界線對(duì)新數(shù)據(jù)進(jìn)行分類，如下圖所示。圖

分類任務(wù)圖中，實(shí)心的正方形和圓表示帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)；分界線表示經(jīng)過訓(xùn)練后獲得的分類函數(shù)或分類模型；空心的正方形和圓表示輸入的新數(shù)據(jù)。分類任務(wù)中常用的核心算法有K近鄰分類算法、決策樹分類算法、貝葉斯分類算法、支持向量機(jī)分類算法和人工神經(jīng)網(wǎng)絡(luò)等。2.1人工智能的理論支撐（2）回歸任務(wù)通常用來預(yù)測(cè)一個(gè)值，如預(yù)測(cè)房?jī)r(jià)、預(yù)測(cè)股價(jià)等。若一個(gè)產(chǎn)品的實(shí)際價(jià)格為500元，通過回歸分析預(yù)測(cè)值為499元，則認(rèn)為這是一個(gè)比較好的回歸分析?；貧w是對(duì)真實(shí)值的一種逼近預(yù)測(cè)?；貧w是通過已有數(shù)據(jù)進(jìn)行學(xué)習(xí)，擬合出一個(gè)回歸函數(shù)或構(gòu)造出一個(gè)回歸模型，該函數(shù)或模型可以將待測(cè)試的數(shù)據(jù)集映射到某個(gè)給定的值，從而實(shí)現(xiàn)數(shù)據(jù)預(yù)測(cè)。2.1人工智能的理論支撐在機(jī)器學(xué)習(xí)領(lǐng)域中，回歸任務(wù)的實(shí)現(xiàn)需要先對(duì)數(shù)據(jù)樣本點(diǎn)進(jìn)行擬合，再根據(jù)擬合出來的函數(shù)對(duì)輸入的新數(shù)據(jù)進(jìn)行輸出預(yù)測(cè)，如下圖所示。圖

回歸任務(wù)圖中，圓表示帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)；回歸曲線表示經(jīng)過訓(xùn)練后獲得的回歸函數(shù)或回歸模型。若該回歸任務(wù)表示對(duì)商品價(jià)格走勢(shì)的預(yù)測(cè)（x表示年份，y表示商品價(jià)格），則由回歸函數(shù)可以預(yù)測(cè)未來某年的商品價(jià)格。回歸任務(wù)中常用的核心算法有K近鄰回歸算法、決策樹回歸算法、貝葉斯回歸算法、支持向量機(jī)回歸算法和人工神經(jīng)網(wǎng)絡(luò)等。2.1人工智能的理論支撐無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)是在沒有標(biāo)簽的數(shù)據(jù)集里發(fā)現(xiàn)數(shù)據(jù)之間潛在關(guān)系的學(xué)習(xí)方法。例如，根據(jù)聚類或一定的模型得到數(shù)據(jù)之間的關(guān)系。無監(jiān)督學(xué)習(xí)是一種沒有明確目的的學(xué)習(xí)方法，無法提前知道結(jié)果，且它的學(xué)習(xí)效果幾乎無法量化。無監(jiān)督學(xué)習(xí)也可理解為“自學(xué)成才”，即在沒有老師的環(huán)境下，學(xué)生自己觀察事物的特征，將特征相似的事物聚成一類，并為該類取一個(gè)名字，當(dāng)學(xué)生再次遇到相似的事物時(shí)，自然會(huì)將該事物和前面的事物歸為一類。例如，學(xué)生看到幾只動(dòng)物，觀察發(fā)現(xiàn)它們的外部特征相似，便將它們歸為一類，并取了一個(gè)類名——“狗狗”，之后學(xué)生再看到這種動(dòng)物，自然就將它歸類于“狗狗”了，如右圖所示。圖

無監(jiān)督學(xué)習(xí)2.1人工智能的理論支撐機(jī)器學(xué)習(xí)中，采用無監(jiān)督學(xué)習(xí)方法建模的任務(wù)有聚類任務(wù)。聚類任務(wù)是指根據(jù)輸入的特征向量尋找數(shù)據(jù)（沒有標(biāo)簽）的規(guī)律，并將類似的樣本匯聚成類，如下圖所示。聚類任務(wù)常用于對(duì)目標(biāo)群體進(jìn)行多指標(biāo)劃分。例如，現(xiàn)有多個(gè)客戶的購物記錄數(shù)據(jù)，且未對(duì)數(shù)據(jù)進(jìn)行標(biāo)記，通過聚類任務(wù)將具有相同購物習(xí)慣的客戶匯聚成類，不同類中的客戶購買的商品種類不同，店鋪運(yùn)營(yíng)即可根據(jù)該反饋信息向客戶推薦相關(guān)商品。圖聚類任務(wù)2.1人工智能的理論支撐聚類是按照某個(gè)特定標(biāo)準(zhǔn)把一個(gè)數(shù)據(jù)集分割成不同的類，使得同一個(gè)類內(nèi)的數(shù)據(jù)對(duì)象之間相似性盡可能大，同時(shí)不在同一個(gè)類中的數(shù)據(jù)對(duì)象之間差異性也盡可能大。可見，聚類后同一類的數(shù)據(jù)盡可能聚集到一起，不同類數(shù)據(jù)盡量分離。聚類任務(wù)中常用的算法有很多，如劃分聚類方法、層次聚類方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法等。人工智能的土壤支撐022.2人工智能的土壤支撐物聯(lián)網(wǎng)（internetofthings，IoT）的理念最早是由比爾?蓋茨于1995年出版的《未來之路》一書中提及。在《未來之路》中，比爾?蓋茨已經(jīng)提及物物互聯(lián)的構(gòu)想，只是當(dāng)時(shí)受限于無線網(wǎng)絡(luò)、硬件及傳感設(shè)備的發(fā)展，物聯(lián)網(wǎng)并未引起世人的重視。但是，“物聯(lián)網(wǎng)”的種子卻已經(jīng)深深地埋在了世人的心中。之后，隨著互聯(lián)網(wǎng)技術(shù)和硬件設(shè)備的逐漸提升，埋藏在世人心中的“物聯(lián)網(wǎng)”種子在信息技術(shù)發(fā)展的澆灌下，開始生根發(fā)芽，并逐漸成長(zhǎng)為參天大樹。如今，物聯(lián)網(wǎng)作為新一代信息技術(shù)的典型代表，在全球范圍內(nèi)呈現(xiàn)出爆發(fā)式增長(zhǎng)的狀態(tài)，不同行業(yè)和不同類型的物聯(lián)網(wǎng)應(yīng)用為人們開啟了萬物互聯(lián)的時(shí)代。下圖展示了物聯(lián)網(wǎng)的主要應(yīng)用場(chǎng)景。智能家居智能交通智能農(nóng)業(yè)智慧城市食品安全環(huán)境監(jiān)測(cè)2.2人工智能的土壤支撐從物聯(lián)網(wǎng)的應(yīng)用場(chǎng)景可以看出，智能世界的構(gòu)建離不開物聯(lián)網(wǎng)的支持。物聯(lián)網(wǎng)需要利用人工智能技術(shù)實(shí)現(xiàn)智能化數(shù)據(jù)采集，同時(shí)物聯(lián)網(wǎng)也猶如土壤一般支撐著人工智能的實(shí)現(xiàn)與落地。2.2.1什么是物聯(lián)網(wǎng)1999年，美國(guó)麻省理工學(xué)院的專家們認(rèn)為，物聯(lián)網(wǎng)就是將所有物品通過射頻識(shí)別（radiofrequencyidentification，RFID）等信息傳感設(shè)備與互聯(lián)網(wǎng)連接起來，實(shí)現(xiàn)智能化識(shí)別和管理的網(wǎng)絡(luò)。2005年，國(guó)際電信聯(lián)盟（internationaltelecommunicationunion，ITU）對(duì)物聯(lián)網(wǎng)的含義進(jìn)行了擴(kuò)展，它認(rèn)為信息與通信技術(shù)的目標(biāo)已經(jīng)從任何時(shí)間、任何地點(diǎn)連接任何人，發(fā)展到連接任何物品的階段，而萬物的連接就形成了物聯(lián)網(wǎng)。也就是說，物聯(lián)網(wǎng)是對(duì)物體具有全面感知能力，對(duì)信息具有可靠傳輸和智能處理能力的連接物體與物體的信息網(wǎng)絡(luò)。2009年9月，歐盟相關(guān)組織發(fā)布了《物聯(lián)網(wǎng)戰(zhàn)略研究路線圖》，報(bào)告中指出：物聯(lián)網(wǎng)是未來Internet的一個(gè)組成部分，可以被定義為基于標(biāo)準(zhǔn)的和可互操作的通信協(xié)議且具有自配置能力的動(dòng)態(tài)的全球網(wǎng)絡(luò)基礎(chǔ)架構(gòu)。物聯(lián)網(wǎng)中的“物”都具有身份標(biāo)識(shí)、物理屬性和實(shí)質(zhì)上的個(gè)性，通過智能接口實(shí)現(xiàn)與信息網(wǎng)絡(luò)的無縫整合。2.2人工智能的土壤支撐我國(guó)有學(xué)者認(rèn)為，物聯(lián)網(wǎng)是一種“泛在網(wǎng)絡(luò)”，就是利用互聯(lián)網(wǎng)將世界上的物體都連接在一起，使世界萬物都可以上網(wǎng)。具體可以理解為：通過射頻識(shí)別裝置、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等各種裝置與互聯(lián)網(wǎng)結(jié)合成一個(gè)全新的巨大網(wǎng)絡(luò)，將現(xiàn)有的互聯(lián)網(wǎng)、通信網(wǎng)、廣電網(wǎng)及各種接入網(wǎng)和專用網(wǎng)連接起來，實(shí)現(xiàn)智能化識(shí)別和管理。2010年，我國(guó)政府工作報(bào)告所附的注釋中對(duì)物聯(lián)網(wǎng)有如下說明：物聯(lián)網(wǎng)是指通過信息傳感設(shè)備，按照約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。它是在互聯(lián)網(wǎng)基礎(chǔ)上延伸和擴(kuò)展的網(wǎng)絡(luò)。中國(guó)國(guó)家標(biāo)準(zhǔn)GB/T33745－2017《物聯(lián)網(wǎng)術(shù)語》對(duì)物聯(lián)網(wǎng)的定義為：物聯(lián)網(wǎng)是指通過感知設(shè)備，按照約定協(xié)議，連接物（即物理實(shí)體）、人、系統(tǒng)和信息資源，實(shí)現(xiàn)對(duì)物理和虛擬世界的信息進(jìn)行處理并做出反應(yīng)的智能服務(wù)系統(tǒng)。國(guó)內(nèi)普遍引用的物聯(lián)網(wǎng)定義為：物聯(lián)網(wǎng)是通過信息傳感設(shè)備，按照約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。2.2人工智能的土壤支撐根據(jù)物聯(lián)網(wǎng)的定義，可以從技術(shù)和應(yīng)用兩個(gè)方面對(duì)其進(jìn)行理解。技術(shù)理解。物聯(lián)網(wǎng)是將物體的信息利用感應(yīng)裝置，經(jīng)過傳輸網(wǎng)絡(luò)，到達(dá)指定的信息處理中心，最終實(shí)現(xiàn)物與物、人與物的自動(dòng)化信息交互與處理的智能網(wǎng)絡(luò)。應(yīng)用理解。物聯(lián)網(wǎng)是把世界上所有的物體都連接到一個(gè)網(wǎng)絡(luò)中，形成“物聯(lián)網(wǎng)”，然后又與現(xiàn)有的互聯(lián)網(wǎng)相連，實(shí)現(xiàn)人類社會(huì)與物體系統(tǒng)的整合，并采用更加精細(xì)和動(dòng)態(tài)的方式去管理生產(chǎn)和生活。簡(jiǎn)而言之，物聯(lián)網(wǎng)就是“物物相連的互聯(lián)網(wǎng)”。在這個(gè)網(wǎng)絡(luò)中，物體之間能夠彼此進(jìn)行“交流”，且無須人工干預(yù)。2.2人工智能的土壤支撐2.2.2物聯(lián)網(wǎng)的基本特征物聯(lián)網(wǎng)具備3個(gè)基本特征，即全面感知、可靠傳輸和智能處理。全面感知全面感知是指利用傳感器、射頻識(shí)別、定位器和二維碼等手段隨時(shí)隨地對(duì)物體進(jìn)行信息采集和獲取。物聯(lián)網(wǎng)為每一件物體植入了一個(gè)“能說會(huì)道”的高科技感應(yīng)器，這樣冷冰冰的、沒有生命的物體就可以變得“有感受、有知覺”。例如，洗衣機(jī)可以通過物聯(lián)網(wǎng)感應(yīng)器“知曉”衣服對(duì)水溫和洗滌方式的要求。射頻識(shí)別、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，就像視覺、聽覺和嗅覺器官對(duì)于人的重要性一樣，它們是物聯(lián)網(wǎng)不可或缺的關(guān)鍵元器件。有了它們，不同物體之間才可以實(shí)現(xiàn)近/遠(yuǎn)距離、無接觸和自動(dòng)化感應(yīng)，才能讀取數(shù)據(jù)、發(fā)送數(shù)據(jù)等。物聯(lián)網(wǎng)之所以又稱傳感器網(wǎng)絡(luò)，就是因?yàn)閭鞲性O(shè)備在網(wǎng)絡(luò)中起到了關(guān)鍵作用。2.2人工智能的土壤支撐可靠傳輸可靠傳輸是指通過各種網(wǎng)絡(luò)與互聯(lián)網(wǎng)的融合，對(duì)接收到的感知信息進(jìn)行實(shí)時(shí)遠(yuǎn)程傳輸，實(shí)現(xiàn)信息的交互和共享，并進(jìn)行各種有效的處理。在傳輸過程中，通常需要用到現(xiàn)有的網(wǎng)絡(luò)，包括無線和有線網(wǎng)絡(luò)。由于傳感器網(wǎng)絡(luò)只是一個(gè)局部的無線網(wǎng)，因此移動(dòng)通信網(wǎng)（如5G、4G網(wǎng)絡(luò)）自然就成為物聯(lián)網(wǎng)的一個(gè)有力支撐。物聯(lián)網(wǎng)與移動(dòng)網(wǎng)絡(luò)相結(jié)合，使人們的生活更加便捷，同時(shí)也大大改變了人們的生活方式。例如，人們可以通過手機(jī)遠(yuǎn)程控制家中攝像頭、空調(diào)、臺(tái)燈的開啟和運(yùn)行狀態(tài)，調(diào)整它們的參數(shù)（方位、溫度、亮度等），從而實(shí)現(xiàn)隨時(shí)隨地控制，既安全又節(jié)能。2.2人工智能的土壤支撐智能處理智能處理是指利用人工智能、云計(jì)算和數(shù)據(jù)挖掘等各種智能計(jì)算技術(shù)，對(duì)隨時(shí)接收到的跨地域、跨行業(yè)、跨部門的海量數(shù)據(jù)進(jìn)行分析和處理，提升對(duì)物理世界、經(jīng)濟(jì)社會(huì)各種活動(dòng)和變化的洞察力，實(shí)現(xiàn)智能化的決策和控制。物聯(lián)網(wǎng)通過感應(yīng)芯片和射頻識(shí)別裝置等時(shí)時(shí)刻刻獲取人和物體的最新特征、位置和狀態(tài)等信息，這些信息將使網(wǎng)絡(luò)變得更加“博聞廣識(shí)”。更為重要的是，利用這些信息，人們可以開發(fā)出更高級(jí)的軟件系統(tǒng)，使機(jī)器能變得和人一樣“聰明睿智”，不僅可以眼觀六路、耳聽八方，還會(huì)思考、聯(lián)想。例如，當(dāng)人們行駛在路上時(shí)，只需要通過聯(lián)網(wǎng)的手機(jī)就可以了解實(shí)時(shí)路況，從而繞開擁堵路段。物聯(lián)網(wǎng)是一個(gè)智能的網(wǎng)絡(luò)，面對(duì)采集的海量數(shù)據(jù)，必須通過智能分析和處理才能實(shí)現(xiàn)智能化。人工智能的算力支撐032.3人工智能的算力支撐云計(jì)算（cloudcomputing）的思想起源于1961年約翰?麥卡錫（JohnMcCarthy）提出的“效用計(jì)算”概念。此后，云計(jì)算經(jīng)歷了一系列演變和發(fā)展，并逐漸在眾多領(lǐng)域獲得了廣泛的應(yīng)用。2.3.1什么是云計(jì)算云計(jì)算是一個(gè)廣泛的概念，不同機(jī)構(gòu)和個(gè)人對(duì)云計(jì)算的定義不盡相同。下面列舉幾種常見的定義。在人工智能領(lǐng)域，云計(jì)算支撐了人工智能和大數(shù)據(jù)之間的數(shù)據(jù)獲取、計(jì)算和存儲(chǔ)等任務(wù)的進(jìn)行，從而促進(jìn)了信息化和智能化服務(wù)的實(shí)現(xiàn)。由此可見，云計(jì)算不僅是人工智能與大數(shù)據(jù)之間的橋梁，還是人工智能的基礎(chǔ)計(jì)算平臺(tái)，更是人工智能的算力支撐。（1）亞馬遜公司的AWS官方網(wǎng)站對(duì)云計(jì)算的定義：云計(jì)算是基于“按需付費(fèi)定價(jià)（pay-as-you-gopricing）”模式的IT資源交付服務(wù)。通過AWS這樣的云計(jì)算服務(wù)提供商，用戶可根據(jù)需要購買諸如計(jì)算能力、存儲(chǔ)和數(shù)據(jù)庫等IT資源，而無須再購買和維護(hù)物理數(shù)據(jù)中心和服務(wù)器。2.3人工智能的算力支撐（2）阿里巴巴公司的阿里云官方網(wǎng)站對(duì)云計(jì)算的定義：云計(jì)算是通過網(wǎng)絡(luò)按需分配計(jì)算資源。計(jì)算資源包括服務(wù)器、數(shù)據(jù)庫、存儲(chǔ)、平臺(tái)、架構(gòu)及應(yīng)用等。云計(jì)算支持按用量付費(fèi)，即用戶只需支付自己需要的量。（3）美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（nationalinstituteofstandardsandtechnology，NIST）對(duì)云計(jì)算的定義：云計(jì)算是一種模型，用于實(shí)現(xiàn)對(duì)可配置計(jì)算資源共享池便捷按需的網(wǎng)絡(luò)訪問。該共享池中的計(jì)算資源包括網(wǎng)絡(luò)、服務(wù)器、存儲(chǔ)、應(yīng)用程序和服務(wù)等，這些資源可以快速地獲取和釋放，同時(shí)管理成本極低，而且與服務(wù)提供商的溝通成本基本為零。（4）我國(guó)工業(yè)和信息化部電信研究院發(fā)布的《云計(jì)算白皮書（2012年）》中對(duì)云計(jì)算的定義：云計(jì)算是一種通過網(wǎng)絡(luò)統(tǒng)一組織和靈活調(diào)用各種信息與通信技術(shù)（informationandcommunicationstechnology，ICT）資源，實(shí)現(xiàn)大規(guī)模計(jì)算的信息處理方式。云計(jì)算利用分布式計(jì)算和虛擬資源管理等技術(shù)，通過網(wǎng)絡(luò)將分散的ICT資源（包括計(jì)算與存儲(chǔ)、應(yīng)用運(yùn)行平臺(tái)、軟件等）集中起來形成共享的資源池，并以動(dòng)態(tài)按需和可度量的方式向用戶提供服務(wù)。用戶可以使用各種形式的終端（如PC、平板電腦、智能手機(jī)、智能電視等）通過網(wǎng)絡(luò)獲取ICT資源服務(wù)。上述各定義，雖然側(cè)重點(diǎn)不同，但互不沖突?？偟膩碚f，云計(jì)算就是一種基于Internet的超級(jí)計(jì)算模式，在遠(yuǎn)程數(shù)據(jù)中心里，成千上萬臺(tái)計(jì)算機(jī)和服務(wù)器設(shè)備連接成一片云，用戶通過計(jì)算機(jī)、手機(jī)等接入數(shù)據(jù)中心，進(jìn)行按需的網(wǎng)絡(luò)訪問。2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)模型云計(jì)算服務(wù)，即云服務(wù)，是指將大量用網(wǎng)絡(luò)連接的計(jì)算資源統(tǒng)一管理和調(diào)度，構(gòu)成一個(gè)計(jì)算資源池，向用戶提供服務(wù)。用戶通過網(wǎng)絡(luò)按照自己的需求獲得資源和服務(wù)。一般來說，云計(jì)算服務(wù)模型可分為3種，即基礎(chǔ)設(shè)施即服務(wù)（infrastructureasaservice，IaaS）、平臺(tái)即服務(wù)（platformasaservice，PaaS）和軟件即服務(wù)（softwareasaservice，SaaS）。2.3人工智能的算力支撐基礎(chǔ)設(shè)施即服務(wù)IaaS是一種將服務(wù)器、存儲(chǔ)器、網(wǎng)絡(luò)設(shè)備等IT基礎(chǔ)設(shè)施虛擬化，并通過Internet租給用戶的云計(jì)算服務(wù)模型。IaaS的主要對(duì)象是需要硬件資源的用戶，其關(guān)鍵技術(shù)是虛擬化技術(shù)。右圖展示了某用戶使用IaaS云服務(wù)的大致過程。與傳統(tǒng)的企業(yè)數(shù)據(jù)中心提供的服務(wù)相比，IaaS具有使用靈活、運(yùn)維成本低、自助服務(wù)、計(jì)費(fèi)透明和可靠性高等特點(diǎn)。圖

某用戶使用IaaS云服務(wù)的大致過程2.3人工智能的算力支撐平臺(tái)即服務(wù)PaaS是一種將應(yīng)用的開發(fā)、管理和運(yùn)行環(huán)境集成并打包成按需付費(fèi)的服務(wù)后，通過Internet租給用戶的云計(jì)算服務(wù)模型。PaaS的主要對(duì)象是應(yīng)用程序開發(fā)人員，其關(guān)鍵技術(shù)是分布式技術(shù)。右圖展示了某用戶使用PaaS云服務(wù)的大致過程。PaaS不僅具有部署開發(fā)環(huán)境簡(jiǎn)單、代碼實(shí)時(shí)托管、服務(wù)豐富、維護(hù)方便等特點(diǎn)，還有助于節(jié)省應(yīng)用程序開發(fā)人員的時(shí)間。因此，越來越多的開發(fā)人員選擇在PaaS云服務(wù)提供的平臺(tái)上開發(fā)和測(cè)試應(yīng)用程序。圖

某用戶使用PaaS云服務(wù)的大致過程2.3人工智能的算力支撐軟件即服務(wù)SaaS是一種將開發(fā)好的軟件系統(tǒng)作為按需付費(fèi)的服務(wù)，并通過Internet提供給用戶的云計(jì)算服務(wù)模型。SaaS的主要對(duì)象是需要軟件服務(wù)的企業(yè)、組織或個(gè)人，其關(guān)鍵技術(shù)是Web技術(shù)。下圖展示了某企業(yè)申請(qǐng)SaaS云服務(wù)的大致過程。圖某企業(yè)申請(qǐng)SaaS云服務(wù)的大致過程2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)部署模式云計(jì)算服務(wù)的部署模式主要包括4種，即公有云、私有云、社區(qū)云和混合云。公有云公有云（publiccloud）是云服務(wù)提供商對(duì)外提供的公共云服務(wù)部署模式。云服務(wù)提供商在對(duì)公有云的基礎(chǔ)架構(gòu)進(jìn)行預(yù)配置后，通過Internet以免費(fèi)或按需付費(fèi)的方式提供給企業(yè)、組織和個(gè)人公開使用。公有云可由企業(yè)、學(xué)術(shù)機(jī)構(gòu)、政府機(jī)構(gòu)或它們的聯(lián)合體所擁有、管理和運(yùn)營(yíng)，其簡(jiǎn)單視圖如右圖所示。圖公有云對(duì)于用戶而言，公有云具有成本低、可用性強(qiáng)和管理方便等優(yōu)點(diǎn)，但由于數(shù)據(jù)并不存儲(chǔ)于本地的數(shù)據(jù)中心，因此安全性和隱私性存在一定風(fēng)險(xiǎn)。2.3人工智能的算力支撐私有云私有云（privatecloud）是指某企業(yè)或組織專屬的云服務(wù)部署模式，私有云擁有者對(duì)私有云具有完全的訪問和控制權(quán)限，而未授權(quán)的用戶則無法獲取私有云的任何信息，更無法使用私有云提供的任何服務(wù)。根據(jù)承運(yùn)者的不同，私有云可分為本地私有云（on-siteprivatecloud）和外包私有云（out-sourcedprivatecloud）兩種。本地私有云（見圖1）是指基礎(chǔ)設(shè)施和組織架構(gòu)均由企業(yè)自行搭建和維護(hù)的私有云；外包私有云（見圖2）是指由第三方云服務(wù)提供商為企業(yè)搭建和維護(hù)的私有云。圖1本地私有云圖2外地私有云與公有云相比，私有云具有更好的隱私性和安全性，適合對(duì)自身數(shù)據(jù)安全要求較高的企業(yè)使用。但私有云的成本要遠(yuǎn)高于公有云，故個(gè)人用戶一般很少選擇私有云。2.3人工智能的算力支撐社區(qū)云社區(qū)云（communitycloud）是面向某社區(qū)中所有成員的云服務(wù)部署模式?！吧鐓^(qū)”是指由一組云消費(fèi)者組成的集體，社區(qū)中的各成員共同制定了安全和隱私政策并統(tǒng)一遵守。社區(qū)云僅對(duì)社區(qū)內(nèi)的各成員開放，且分為本地社區(qū)云和外包社區(qū)云兩種。私有云與社區(qū)云的區(qū)別在于，私有云的服務(wù)對(duì)象是單個(gè)云消費(fèi)者，而社區(qū)云的服務(wù)對(duì)象則是一組云消費(fèi)者?；旌显苹旌显疲╤ybridcloud）是指由兩個(gè)或多個(gè)不同的云計(jì)算服務(wù)部署模式（如公有云、私有云或社區(qū)云）組成的云服務(wù)獲取平臺(tái)。它并不是上述云的簡(jiǎn)單組合，而是云服務(wù)提供商根據(jù)企業(yè)實(shí)際情況定制的個(gè)性化云計(jì)算服務(wù)部署模式。人工智能的數(shù)據(jù)支撐042.4人工智能的數(shù)據(jù)支撐大數(shù)據(jù)（bigdata）為人工智能的實(shí)現(xiàn)提供了數(shù)據(jù)支撐，其戰(zhàn)略意義不在于擁有海量的數(shù)據(jù)信息，而在于對(duì)這些含有知識(shí)的數(shù)據(jù)進(jìn)行專業(yè)化處理。從技術(shù)上看，人工智能、物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)的關(guān)系是密不可分的，它們之間的聯(lián)系如下圖所示。其中，人工智能依托大數(shù)據(jù)的海量數(shù)據(jù)信息和云計(jì)算平臺(tái)進(jìn)行學(xué)習(xí)與反饋，從而實(shí)現(xiàn)真正的機(jī)器智能；物聯(lián)網(wǎng)需要利用人工智能技術(shù)控制智能設(shè)備采集數(shù)據(jù)，智能設(shè)備又會(huì)產(chǎn)生海量數(shù)據(jù)，海量數(shù)據(jù)必然無法用單臺(tái)計(jì)算機(jī)進(jìn)行處理，必須采用分布式架構(gòu)，分布式架構(gòu)又離不開云計(jì)算平臺(tái)的支持；大數(shù)據(jù)依托云計(jì)算的分布式處理、分布式數(shù)據(jù)庫、云存儲(chǔ)技術(shù)和虛擬化技術(shù)，并采用人工智能技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘，進(jìn)而得到有價(jià)值的信息。2.4人工智能的數(shù)據(jù)支撐2.4.1什么是大數(shù)據(jù)大數(shù)據(jù)，又稱巨量資料，是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。IBM公司將大數(shù)據(jù)的特征歸納為5個(gè)V，如右圖所示。圖大數(shù)據(jù)的特征Volume（大量）是指海量的數(shù)據(jù)規(guī)模，即大數(shù)據(jù)巨大的數(shù)據(jù)量。Velocity（高速）是指快速的數(shù)據(jù)流轉(zhuǎn)，可以理解為數(shù)據(jù)的實(shí)時(shí)獲取、處理和分析。Variety（多樣）是指多樣的數(shù)據(jù)類型。Value（價(jià)值）是大數(shù)據(jù)的最終意義，但是大數(shù)據(jù)的價(jià)值密度低，人們必須合理運(yùn)用大數(shù)據(jù)，才能從數(shù)據(jù)中獲取有效信息，從而實(shí)現(xiàn)以低成本獲取高價(jià)值。Veracity（真實(shí)性）是指數(shù)據(jù)的真實(shí)性和安全性。2.4人工智能的數(shù)據(jù)支撐互聯(lián)網(wǎng)搜索引擎是大數(shù)據(jù)最為典型的應(yīng)用之一。例如，百度日處理數(shù)據(jù)量達(dá)到數(shù)十PB，并呈現(xiàn)高速增長(zhǎng)的態(tài)勢(shì)，如果一張光盤容量為1GB，這相當(dāng)于壘在一起的幾千萬張光盤。又如，微軟Bing（必應(yīng)）搜索引擎，一周需要響應(yīng)100億次量級(jí)的搜索請(qǐng)求；通過和Facebook的合作，每天有超過10億次的社交網(wǎng)絡(luò)搜索請(qǐng)求通過Bing來處理。大數(shù)據(jù)最小的單位是bit，按順序給出所有單位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB和DB。1Byte＝8bit 1KB＝1024Bytes1MB＝1024KB 1GB＝1024MB1TB＝1024GB 1PB＝1024TB1EB＝1024PB 1ZB＝1024EB1YB＝1024ZB 1BB＝1024YB1NB＝1024BB 1DB＝1024NB2.4人工智能的數(shù)據(jù)支撐2.4.2大數(shù)據(jù)的結(jié)構(gòu)隨著云時(shí)代的來臨，大數(shù)據(jù)吸引了越來越多學(xué)者的關(guān)注，它的結(jié)構(gòu)類型有3種，即結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)也可稱為行數(shù)據(jù)，是指存儲(chǔ)在數(shù)據(jù)庫里，可以用二維表結(jié)構(gòu)進(jìn)行邏輯表達(dá)和實(shí)現(xiàn)的數(shù)據(jù)，如企業(yè)ERP、財(cái)務(wù)系統(tǒng)數(shù)據(jù)庫等。非結(jié)構(gòu)化數(shù)據(jù)是指數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，不方便用二維表表示的數(shù)據(jù)。例如，視頻、音頻、圖片、圖像、文檔和文本等都是非結(jié)構(gòu)化形式的數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)是指介于結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)之間的數(shù)據(jù)，如郵件、HTML、報(bào)表和資源庫等。其中，非結(jié)構(gòu)化數(shù)據(jù)逐漸成了數(shù)據(jù)的主要部分。據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心的調(diào)查報(bào)告顯示，企業(yè)中80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，并且這些非結(jié)構(gòu)化數(shù)據(jù)還在逐年增長(zhǎng)。2.4人工智能的數(shù)據(jù)支撐2.4.3數(shù)據(jù)處理流程數(shù)據(jù)處理流程一般包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲(chǔ)與管理、數(shù)據(jù)挖掘與分析和數(shù)據(jù)展示與應(yīng)用，如下圖所示。圖數(shù)據(jù)處理流程數(shù)據(jù)采集數(shù)據(jù)采集，又稱數(shù)據(jù)獲取，它是數(shù)據(jù)挖掘和分析的基礎(chǔ)。數(shù)據(jù)采集的對(duì)象可以是監(jiān)測(cè)的物理量，如溫度、濕度、水位和風(fēng)力等；也可以是各類影音圖文信息，如圖像、音頻和文本等。數(shù)據(jù)采集所使用的工具有攝像頭、傳聲器和監(jiān)測(cè)器等。2.4人工智能的數(shù)據(jù)支撐數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是指對(duì)收集的數(shù)據(jù)進(jìn)行分類或分組前，做審核、篩選或排序等必要的處理，主要完成對(duì)已接收數(shù)據(jù)的標(biāo)注、辨析、抽取和清洗等操作。現(xiàn)實(shí)世界中的數(shù)據(jù)大體上都是不完整、不一致的“臟”數(shù)據(jù)，無法直接進(jìn)行數(shù)據(jù)挖掘，或挖掘結(jié)果差強(qiáng)人意。為了提高數(shù)據(jù)挖掘的質(zhì)量，人們常采用數(shù)據(jù)預(yù)處理技術(shù)提前對(duì)數(shù)據(jù)進(jìn)行處理。數(shù)據(jù)的預(yù)處理有多種方法，如數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)歸約等。這些數(shù)據(jù)預(yù)處理技術(shù)在數(shù)據(jù)挖掘之前使用，可以大大提高數(shù)據(jù)挖掘模式的質(zhì)量，降低實(shí)際挖掘所需要的時(shí)間。大數(shù)據(jù)是人工智能的“燃料”，是機(jī)器實(shí)現(xiàn)智能行為的必要條件。在人工智能領(lǐng)域，數(shù)據(jù)需要經(jīng)過篩選和標(biāo)記之后才能用于訓(xùn)練智能算法，從而實(shí)現(xiàn)智能行為。常見的數(shù)據(jù)標(biāo)注方向有語音標(biāo)注、圖像標(biāo)注和文本標(biāo)注等。2.4人工智能的數(shù)據(jù)支撐數(shù)據(jù)存儲(chǔ)與管理數(shù)據(jù)存儲(chǔ)與管理是指用存儲(chǔ)器把采集到的數(shù)據(jù)存儲(chǔ)起來，并建立相應(yīng)的數(shù)據(jù)庫，對(duì)數(shù)據(jù)進(jìn)行管理和調(diào)用。它主要解決數(shù)據(jù)的可存儲(chǔ)、可表示、可處理、可靠性及有效傳輸?shù)榷鄠€(gè)關(guān)鍵問題。數(shù)據(jù)挖掘與分析數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)分析是用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析，并采用提取有用信息和形成結(jié)論的方式對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。簡(jiǎn)而言之，數(shù)據(jù)分析就是對(duì)規(guī)模巨大的數(shù)據(jù)進(jìn)行分析，然后找出數(shù)據(jù)中隱含的規(guī)律或價(jià)值。2.4人工智能的數(shù)據(jù)支撐數(shù)據(jù)展示與應(yīng)用數(shù)據(jù)展示主要是通過圖表、文字等多種形式將數(shù)據(jù)的分析結(jié)果呈現(xiàn)出來。數(shù)據(jù)可視化是數(shù)據(jù)展示的一種關(guān)鍵技術(shù)，其主要是借助圖形化手段，清晰有效地傳達(dá)有效信息。由于海量數(shù)據(jù)關(guān)聯(lián)分析所涉及的信息比較分散，數(shù)據(jù)結(jié)構(gòu)也有可能不統(tǒng)一，人們借助功能強(qiáng)大的可視化數(shù)據(jù)分析平臺(tái)，可將數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，并做出完整的分析圖表，簡(jiǎn)單明了、清晰直觀，更易于人們接受。目前，大數(shù)據(jù)已經(jīng)廣泛地應(yīng)用于多個(gè)領(lǐng)域，如商業(yè)智能、政府決策和公共服務(wù)等。人工智能基礎(chǔ)與應(yīng)用第三章人工智能的應(yīng)用技術(shù)導(dǎo)讀人們主要通過視覺和聽覺感知外界信息，然后由大腦對(duì)這些信息進(jìn)行認(rèn)知。在人工智能領(lǐng)域中，機(jī)器利用圖像識(shí)別等技術(shù)“看”世界萬物，采用語音識(shí)別等技術(shù)“聽”外界的信息，使用自然語言處理和知識(shí)圖譜等技術(shù)“思”萬物之間的內(nèi)涵。本章將介紹實(shí)現(xiàn)機(jī)器“看”世界、機(jī)器“聽”聲音、機(jī)器“思”內(nèi)涵的技術(shù)，并分別設(shè)置實(shí)踐體驗(yàn)，拉進(jìn)理論知識(shí)與實(shí)踐應(yīng)用的距離。學(xué)習(xí)目標(biāo)

熟悉圖像識(shí)別、人臉識(shí)別和文字識(shí)別等機(jī)器“看”世界技術(shù)。熟悉語音識(shí)別、聲紋識(shí)別等機(jī)器“聽”聲音技術(shù)。熟悉自然語言處理、知識(shí)圖譜等機(jī)器“思”內(nèi)涵技術(shù)。231素質(zhì)目標(biāo)01熟悉人工智能的應(yīng)用技術(shù)，拓展學(xué)生的視野，增加學(xué)生的知識(shí)儲(chǔ)備。02探究應(yīng)用實(shí)踐背后的技術(shù)原理，培養(yǎng)學(xué)生的鉆研精神。

03體驗(yàn)技術(shù)新科技，激發(fā)學(xué)生的學(xué)習(xí)興趣和創(chuàng)新思維。目錄CONTENTS機(jī)器“看”世界0102機(jī)器“聽”聲音03機(jī)器“思”內(nèi)涵機(jī)器“看”世界013.1機(jī)器“看”世界對(duì)于人們而言，可以通過眼睛看世界。要想讓機(jī)器像人們一樣具有“看”世界的能力，計(jì)算機(jī)就需要具備視覺感知力。計(jì)算機(jī)視覺（computervision，CV）是一門研究如何使機(jī)器“看”的學(xué)科，它屬于人工智能中的視覺感知智能范疇。從人類視覺系統(tǒng)的角度出發(fā)，計(jì)算機(jī)視覺可形象地理解為給機(jī)器安裝上“眼睛”（指攝像機(jī)等成像設(shè)備）和“大腦”（指某些智能算法），讓計(jì)算機(jī)能夠感知外界環(huán)境，從而實(shí)現(xiàn)機(jī)器“看”世界。從工程應(yīng)用的角度出發(fā)，計(jì)算機(jī)視覺是指將從成像設(shè)備中獲得的圖像或視頻進(jìn)行處理、分析和理解等。計(jì)算機(jī)視覺的目標(biāo)是對(duì)環(huán)境的理解和表達(dá)，核心問題是研究如何對(duì)輸入的圖像信息進(jìn)行組織，對(duì)物體和場(chǎng)景進(jìn)行識(shí)別，進(jìn)而對(duì)圖像內(nèi)容給予解釋。目前，實(shí)現(xiàn)機(jī)器“看”世界的技術(shù)有很多，其中，人們接觸最多的技術(shù)有圖像識(shí)別、人臉識(shí)別和文字識(shí)別。3.1機(jī)器“看”世界3.1.1圖像識(shí)別圖像識(shí)別是利用計(jì)算機(jī)智能算法對(duì)數(shù)字圖像進(jìn)行處理、分析和解釋，以達(dá)到識(shí)別各種不同狀態(tài)的目標(biāo)和對(duì)象的技術(shù)。它的主要用途就是利用計(jì)算機(jī)對(duì)圖像進(jìn)行加工處理，以得到某些預(yù)期的效果，然后從中提取有用的信息，實(shí)現(xiàn)計(jì)算機(jī)對(duì)事物或現(xiàn)象的分析、描述、判斷和識(shí)別。圖像識(shí)別是人工智能行業(yè)應(yīng)用的一個(gè)重要方向，也是機(jī)器學(xué)習(xí)最熱門的領(lǐng)域之一。它在科學(xué)研究和工業(yè)生產(chǎn)中都得到了廣泛應(yīng)用。3.1機(jī)器“看”世界圖像識(shí)別的原理人們識(shí)別圖像時(shí)，會(huì)依據(jù)圖像所具有的自身特征進(jìn)行分類，在識(shí)別過程中，人們的大腦會(huì)根據(jù)存儲(chǔ)記憶中已經(jīng)分好的類別進(jìn)行識(shí)別，查看是否有與該圖像具有相同或相似特征的存儲(chǔ)記憶，從而識(shí)別出是否見過該圖像。圖像識(shí)別的原理與人們進(jìn)行圖像識(shí)別的原理基本類似，即計(jì)算機(jī)先對(duì)圖像進(jìn)行處理，然后提取圖像的特征，接著對(duì)這些特征進(jìn)行分類，最后根據(jù)特征的分類結(jié)果確定圖像的信息，從而實(shí)現(xiàn)圖像識(shí)別。計(jì)算機(jī)對(duì)圖像特征提取的效果，將直接影響計(jì)算機(jī)的圖像識(shí)別效率。3.1機(jī)器“看”世界圖像識(shí)別的過程圖像識(shí)別的過程可歸納為3個(gè)部分，即圖像獲取、圖像預(yù)處理和圖像識(shí)別，如圖1所示。圖1圖像識(shí)別的過程（1）圖像獲取部分主要是指圖像采集，即借助攝像機(jī)、掃描儀或攝像頭等設(shè)備（見圖2）采集靜態(tài)或動(dòng)態(tài)圖像，并將它們轉(zhuǎn)換成數(shù)字圖像進(jìn)行存儲(chǔ)。也可以理解為獲取研究對(duì)象的基本信息并通過某種方法將其轉(zhuǎn)變?yōu)闄C(jī)器能夠認(rèn)識(shí)的信息。攝像機(jī)掃描儀攝像頭圖2圖像采集設(shè)備3.1機(jī)器“看”世界（2）圖像預(yù)處理部分包括4個(gè)環(huán)節(jié)，即圖像增強(qiáng)、圖像復(fù)原、圖像編碼與壓縮和圖像分割。圖像增強(qiáng)是指對(duì)圖像進(jìn)行改善，以減少圖像中的干擾和噪聲，突出圖像中的重要特征，為后期的圖像分析和理解奠定基礎(chǔ)。圖像復(fù)原是利用退化過程的先驗(yàn)知識(shí)去恢復(fù)已退化圖像的本來面目，從而提取比較清晰的圖像。圖像編碼與壓縮是對(duì)圖像的大小進(jìn)行壓縮，從而快速方便地在網(wǎng)絡(luò)環(huán)境下傳輸圖像。圖像分割是指把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域，并提取感興趣目標(biāo)的技術(shù)和過程。（3）圖像識(shí)別部分包括3個(gè)環(huán)節(jié)，即圖像特征提取與選擇、分類器設(shè)計(jì)和分類決策。圖像特征提取與選擇是指利用某種方法，研究各式各樣的圖像，提取圖像所具有的特征，并從提取的特征中，選擇對(duì)本次識(shí)別有用的特征。分類器設(shè)計(jì)是指通過訓(xùn)練得到一種識(shí)別規(guī)則，通過此規(guī)則可以得到特征的分類結(jié)果，提高圖像識(shí)別的識(shí)別率。分類決策是指在特征空間中對(duì)待識(shí)別對(duì)象進(jìn)行分類，從而更好地識(shí)別出研究對(duì)象的所屬類別。圖1圖像識(shí)別的過程3.1機(jī)器“看”世界3.1.2人臉識(shí)別人臉識(shí)別，通常也稱為人像識(shí)別、面部識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，也是圖像識(shí)別的一個(gè)研究方向。人臉識(shí)別技術(shù)主要利用攝像機(jī)或攝像頭等成像設(shè)備采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行識(shí)別。人臉識(shí)別的特點(diǎn)人臉與人體的其他生物特征（如指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復(fù)制性為身份鑒別提供了必要的前提，與其他類型的生物識(shí)別技術(shù)相比較，人臉識(shí)別還具有如下特點(diǎn)。非強(qiáng)制性。人臉采集設(shè)備幾乎可