《人工智能導論》高職全套教學課件

《人工智能導論》第1章Python概述第2章

人工智能概述第3章

知識表示第4章

搜索技術(shù)第5章

機器學習第6章

人工神經(jīng)網(wǎng)絡第7章

計算機視覺第8章

自然語言處理第9章

智能機器人全套可編輯PPT課件

Python概述第一章全套可編輯PPT課件

知識結(jié)構(gòu)知識目標1.

認識Python及其必要的庫。2.了解Python實際應用場景。能力與素養(yǎng)目標1.能夠運用Python編程解決機器學習相關(guān)的問題。2.能夠熟練安裝各類軟件。3.增強應用意識,培養(yǎng)應用能力。專題拓展閱讀當前Python在人工智能的很多細分領(lǐng)域都有比較廣泛的應用,人工智能領(lǐng)域之所以使用Python語言比較普遍,有三個比較主要的原因:一是Python語言有非常豐富的庫支持,能夠讓研發(fā)人員把更多的精力放在算法設計和算法訓練等方面;二是Python語言本身是一門全場景編程語言,有非常強的落地應用能力,而且語言生態(tài)比較健全;三是Python語言簡單易學,目前開始落地應用的人工智能平臺也普遍支持基于Python語言進行行業(yè)應用開發(fā),這對于普及人工智能技術(shù)有一定的積極意義。如果你是一名會計,利用Python輸入幾行代碼即可一鍵整理表格數(shù)據(jù);如果你是一名房地產(chǎn)銷售人員,借助于Python就可以輕松抓取房源的全部評價和細節(jié)內(nèi)容,從地段、交通、價格、小區(qū)環(huán)境等各個方面進行比對,給用戶推薦最合適的房源,用嚴謹?shù)臄?shù)據(jù)獲得用戶信賴;如果你是一名新媒體工作者,通過Python可以快速獲取大眾關(guān)注的熱點話題。因此,若想抓住人工智能時代的機會,可以重點關(guān)注Python語言。目錄1.1認識Python1.2認識cikit-learn1.3Jupyter

Notebook

工具1.4其他必要的庫1.5Python機器學習應用認識Python1.11.1認識Python隨著人工智能概念的興起,Python的受關(guān)注度也越來越高。Python由荷蘭數(shù)學和計算機科學研究學會的吉多·范羅蘇姆于20世紀90年代初設計,是一種解釋型、面向?qū)ο?、動態(tài)數(shù)據(jù)類型的高級程序設計語言。Python在日常辦公、程序開發(fā)、圖像處理等多個方面都可以勝任,既適合編程初學者入門學習,也適合專業(yè)人士進行研究開發(fā),因此深受廣大群眾的喜愛吉多·范羅蘇姆（GuidovanRossum），是一名荷蘭計算機程序員，他作為Python程序設計語言的作者而為人們熟知。在Python社區(qū)，吉多·范羅蘇姆被人們認為是“仁慈的獨裁者（BDFL）”，意思是他仍然關(guān)注Python的開發(fā)進程，并在必要的時刻做出決定。他在Google工作，在那里他把一半的時間用來維護Python的開發(fā)。2020年11月12日，Python之父GuidovanRossum在自己的官方宣布：由于退休生活太無聊，自己決定加入Microsoft的DevDivTeam。荷蘭計算機程序員——吉多·范羅蘇姆1.1認識Python1.簡單013.兼容性035.豐富的庫057.可擴展性和可嵌入性072.免費024.面向?qū)ο?46.可讀性06Python的優(yōu)點1.1認識Python(1)簡單。Python奉行簡潔主義,易于讀寫,它使編程人員能夠?qū)Ｗ⒂诮鉀Q問題而不是去弄清語言本身。Python入門簡單,相比于其他語言更容易上手,非常適合作為編程初學者的啟蒙語言。(2)免費。Python是開源軟件,這意味著開發(fā)者不用花一分錢便能復制、閱讀、改動它,這也是Python越來越優(yōu)秀的原因之一———它是由一群希望看到一個更加優(yōu)秀的Python的人創(chuàng)造并改進的。(3)兼容性。Python兼容眾多平臺,所以開發(fā)者不會遇到使用其他語言時常會遇到的困擾。(4)面向?qū)ο?。Python既支持面向過程編程,也支持面向?qū)ο缶幊?。在面向過程編程中,編程人員復用代碼;在面向?qū)ο缶幊讨?編程人員使用基于數(shù)據(jù)和函數(shù)的對象。1.1認識Python(5)豐富的庫。Python標準庫非常龐大,強大的庫支持是Python的堅強后盾。它可以幫助編程人員處理各種工作,包括正則表達式、文檔生成、單元測試、線程、數(shù)據(jù)庫、網(wǎng)頁瀏覽器、CGI(公共網(wǎng)關(guān)接口)、FTP、電子郵件、XML、XML-RPC(XML遠程過程調(diào)用)、HTML、WAV文件、密碼系統(tǒng)、GUI(圖形用戶界面)和其他與系統(tǒng)有關(guān)的操作。(6)可讀性。Python采用強制縮進的方式規(guī)范代碼,使得代碼具有極佳的可讀性。(7)可擴展性和可嵌入性。如果想要更快地運行一段關(guān)鍵代碼或者不公開某些算法,可以將該部分功能用C/C++編寫,然后在Python中調(diào)用它們;也可以把Python嵌入C/C++程序,從而向程序用戶提供腳本功能。因此,Python還有個昵稱叫作“膠水語言”,即可以很方便地調(diào)用別的語言(如C++、Java)編寫的功能模塊,將它們有機結(jié)合在一起形成更高效的新程序。文件傳輸協(xié)議（FileTransferProtocol，F(xiàn)TP）是用于在網(wǎng)絡上進行文件傳輸?shù)囊惶讟藴蕝f(xié)議，它工作在OSI模型的第七層，TCP模型的第四層，即應用層，使用TCP傳輸而不是UDP，客戶在和服務器建立連接前要經(jīng)過一個“三次握手”的過程，保證客戶與服務器之間的連接是可靠的，而且是面向連接，為數(shù)據(jù)傳輸提供可靠保證。[1]FTP允許用戶以文件操作的方式（如文件的增、刪、改、查、傳送等）與另一主機相互通信。然而，用戶并不真正登錄到自己想要存取的計算機上面而成為完全用戶，可用FTP程序訪問遠程資源，實現(xiàn)用戶往返傳輸文件、目錄管理以及訪問電子郵件等等，即使雙方計算機可能配有不同的操作系統(tǒng)和文件存儲方式。FTP：文件傳輸協(xié)議可擴展標記語言(ExtensibleMarkupLanguage,XML)，標準通用標記語言的子集，可以用來標記數(shù)據(jù)、定義數(shù)據(jù)類型，是一種允許用戶對自己的標記語言進行定義的源語言。XML是標準通用標記語言可擴展性良好,內(nèi)容與形式分離,遵循嚴格的語法要求,保值性良好等優(yōu)點,。在電子計算機中，標記指計算機所能理解的信息符號，通過此種標記，計算機之間可以處理包含各種的信息比如文章等。它可以用來標記數(shù)據(jù)、定義數(shù)據(jù)類型，是一種允許用戶對自己的標記語言進行定義的源語言。它非常適合萬維網(wǎng)傳輸，提供統(tǒng)一的方法來描述和交換獨立于應用程序或供應商的結(jié)構(gòu)化數(shù)據(jù)。是Internet環(huán)境中跨平臺的、依賴于內(nèi)容的技術(shù)，也是當今處理分布式結(jié)構(gòu)信息的有效工具。早在1998年，W3C就發(fā)布了XML1.0規(guī)范，使用它來簡化Internet的文檔信息傳輸。XML：可擴展標記語言HTML的全稱為超文本標記語言，是一種標記語言。它包括一系列標簽，通過這些標簽可以將網(wǎng)絡上的文檔格式統(tǒng)一，使分散的Internet資源連接為一個邏輯整體。HTML文本是由HTML命令組成的描述性文本，HTML命令可以說明文字，圖形、動畫、聲音、表格、鏈接等。超文本是一種組織信息的方式，它通過超級鏈接方法將文本中的文字、圖表與其他信息媒體相關(guān)聯(lián)。這些相互關(guān)聯(lián)的信息媒體可能在同一文本中，也可能是其他文件，或是地理位置相距遙遠的某臺計算機上的文件。這種組織信息方式將分布在不同位置的信息資源用隨機方式進行連接，為人們查找，檢索信息提供方便。HTML：超文本標記語言WAV是最常見的聲音文件格式之一，是微軟公司專門為Windows開發(fā)的一種標準數(shù)字音頻文件，該文件能記錄各種單聲道或立體聲的聲音信息，并能保證聲音不失真。但WAV文件有一個致命的缺點，就是它所占用的磁盤空間太大（每分鐘的音樂大約需要12兆磁盤空間）。它符合資源互換文件格式（RIFF）規(guī)范，用于保存Windows平臺的音頻信息資源，被Windows平臺及其應用程序所廣泛支持。Wave格式支持MSADPCM、CCITTA律、CCITTμ律和其他壓縮算法，支持多種音頻位數(shù)、采樣頻率和聲道，是PC機上最為流行的聲音文件格式；但其文件尺寸較大，多用于存儲簡短的聲音片段。WAV：標準數(shù)字音頻文件1.1認識PythonPython的學習強度相對于其他編程語言來說比較小,可幫助零基礎(chǔ)人群輕松學會,而且發(fā)展前景好,在人工智能、大數(shù)據(jù)、云計算等領(lǐng)域均得到了廣泛的應用。綜上,Python可以說是最適合數(shù)據(jù)科學領(lǐng)域的編程語言,且具有受眾廣的優(yōu)秀品質(zhì)。因此,要想實現(xiàn)深度學習的目標,Python可以說是最合適的工具。課外拓展Python是一種廣泛使用的編程語言，具有簡單易學、易于閱讀和編寫的特點。以下是Python的一些主要用途：1.Web開發(fā)：Python有多個優(yōu)秀的Web開發(fā)框架，如Django和Flask，可用于創(chuàng)建動態(tài)網(wǎng)站和Web應用程序。2.數(shù)據(jù)分析和數(shù)據(jù)科學：Python擁有許多強大的庫，如NumPy、Pandas和SciPy，可用于數(shù)據(jù)處理、數(shù)據(jù)挖掘、數(shù)據(jù)可視化等。3.機器學習和人工智能：Python在機器學習和人工智能領(lǐng)域中廣泛使用，許多流行的庫（如TensorFlow和PyTorch）都是用Python編寫的。4.網(wǎng)絡爬蟲和數(shù)據(jù)抓?。篜ython有很多庫（如BeautifulSoup和Scrapy）可用于從網(wǎng)站上抓取和解析數(shù)據(jù)。Django是一個高級的PythonWeb框架，可以快速開發(fā)安全和可維護的網(wǎng)站。由經(jīng)驗豐富的開發(fā)者構(gòu)建，Django負責處理網(wǎng)站開發(fā)中麻煩的部分，可以專注于編寫應用程序，而無需重新開發(fā)。它是免費和開源的，有活躍繁榮的社區(qū)，豐富的文檔，以及很多免費和付費的解決方案。2019年12月2日，Django3.0發(fā)布。Django：PythonWeb框架課外拓展5.自動化和腳本編寫：Python可用于自動化任務，編寫腳本，以及處理重復性任務。6.系統(tǒng)自動化：Python的強大庫和能力，例如Ansible和SaltStack，使它成為系統(tǒng)自動化的理想選擇。7.圖形和多媒體處理：Python有像PIL（Pillow）這樣的庫，可以用于圖像處理和創(chuàng)建圖形界面。8.網(wǎng)絡編程：Python可用于編寫服務器和客戶端應用程序，以及創(chuàng)建網(wǎng)絡協(xié)議的客戶端和服務端實現(xiàn)。9.系統(tǒng)編程：Python可以用于編寫系統(tǒng)軟件，例如操作系統(tǒng)組件、驅(qū)動程序、嵌入式系統(tǒng)等。Pillow是一個流行的Python圖像處理庫，它提供了廣泛的功能和工具，可以用于加載、編輯、處理和保存圖像。Pillow庫是什么課外拓展10.游戲開發(fā)：Python有多個游戲開發(fā)框架，如Pygame和Panda3D，可用于創(chuàng)建視頻游戲。11.網(wǎng)絡應用開發(fā)：Python可以用于編寫Web應用程序、API、爬蟲、網(wǎng)絡服務器等。以上只是Python的一些用途，實際上Python在許多其他領(lǐng)域也有應用，例如科學計算、數(shù)學處理、文本處理、數(shù)據(jù)庫編程等。Pygame是一個跨平臺Python庫，Pygame作者是PeteShinners，協(xié)議為GNULesserGeneralPublicLicense。Pygame認識scikit-learn1.21.2認識scikit-learnscikit-learn是基于Python語言的開源機器學習庫,可以方便地實現(xiàn)分類、回歸、聚類、數(shù)據(jù)降維、模型選擇和數(shù)據(jù)預處理等數(shù)據(jù)挖掘和機器學習中常見的操作,是非常重要的工具包,官網(wǎng)為/,里面有使用教程、用戶手冊、API接口查詢等,如圖1-1所示。1.2認識scikit-learnscikit-learn簡稱sklearn,其建立在NumPy、SciPy、Matplotlib模塊之上。使用scikitlearn時,需要通過依賴關(guān)系借助pip工具逐個安裝所需庫,首先安裝NumPy,然后安裝SciPy、Matplotlib(如果需要繪圖或進行交互式開發(fā),應該安裝Matplotlib),最后安裝scikitlearn。由于此過程比較煩瑣,建議直接下載Anaconda(一個開源的Python發(fā)行版本),Anaconda里面已經(jīng)裝有必要的包,而NumPy、Matplotlib等有助于數(shù)據(jù)分析的庫都包含在其中。課外拓展Scikit-learn（也稱為sklearn）是一個針對Python編程語言的免費軟件機器學習庫。它具有各種分類、回歸和聚類算法，包括支持向量機、隨機森林、梯度提升、k均值和DBSCAN等。Scikit-learn旨在與Python數(shù)值科學庫NumPy和SciPy聯(lián)合使用，它是建立在這些庫基礎(chǔ)上的。Scikit-learn包含眾多頂級機器學習算法，主要有六大基本功能，分別是分類、回歸、聚類、數(shù)據(jù)降維、模型選擇和數(shù)據(jù)預處理。這個庫提供了許多已經(jīng)搞好的模型，可以直接在官網(wǎng)查看和下載。Scikit-learn擁有非?；钴S的用戶社區(qū)，基本上其所有的功能都有非常詳盡的文檔供用戶查閱。Scikit-learn提供各種工具，支持有監(jiān)督和無監(jiān)督學習，為模型擬合、數(shù)據(jù)預處理、模型選擇和評估等提供各種工具。在機器學習中，隨機森林是一個包含多個決策樹的分類器，并且其輸出的類別是由個別樹輸出的類別的眾數(shù)而定。LeoBreiman和AdeleCutler發(fā)展出推論出隨機森林的算法。而"RandomForests"是他們的商標。這個術(shù)語是1995年由貝爾實驗室的TinKamHo所提出的隨機決策森林（randomdecisionforests）而來的。這個方法則是結(jié)合Breimans的"Bootstrapaggregating"想法和Ho的"randomsubspacemethod"以建造決策樹的集合。隨機森林是一種包含很多決策樹的分類器，既可以用于處理分類和回歸問題，也適用于降維問題。其對異常值與噪音也有很好的容忍，相較于決策樹有著更好的預測和分類性能。隨機森林JupyterNotebook工具1.31.3JupyterNotebook工具JupyterNotebook是基于網(wǎng)頁的用于交互計算的應用程序,可被應用于全過程計算:開發(fā)、文檔編寫、運行代碼和展示結(jié)果。簡而言之,JupyterNotebook是以網(wǎng)頁的形式打開的,可以在網(wǎng)頁頁面中直接編寫代碼和運行代碼,代碼的運行結(jié)果也會直接在代碼模塊下顯示的程序。若在編程過程中需要編寫說明文檔,可在同一個頁面中直接編寫,便于作及時的說明和解釋。有了JupyterNotebook,開發(fā)者可以直接在代碼旁寫出敘述性文檔,而不用另外編寫單獨的文檔。也就是說,它可以將代碼、文檔等集中到一處,讓用戶一目了然。如果已經(jīng)下載好了Anaconda,可以直接解決JupyterNotebook的安裝問題。因為Anaconda已經(jīng)自動為你安裝了JupyterNotebook。單擊計算機上的開始菜單,找到下載好的Anaconda,雙擊打開。在打開的Anaconda界面右側(cè)單擊“Install”按鈕(見圖1-2),即可打開JupyterNotebook。1.3.1安裝瀏覽器打開的Jupyter

Notebook初始界面一般展示的是用戶計算機“user”用戶名路徑下面的文件列表,在初始界面右上角單擊“New”下拉按鈕,在下拉列表中可以選擇創(chuàng)建新的Notebook、文本文檔、文件夾或終端,如圖1-3所示。創(chuàng)建完成后即可進入編輯區(qū)域,編輯區(qū)域由一系列單元格組成,單元格是編寫和運行代碼的地方,即用戶可以在單元格中輸入數(shù)據(jù)、分析代碼,如圖1-4所示。編輯完代碼后,單擊“Run”按鈕即可運行代碼,代碼輸出結(jié)果顯示在單元格的下方,同時單元格會被編號(左側(cè)顯示In[1])。1.3.2創(chuàng)建課外拓展JupyterNotebook是一種基于網(wǎng)頁的交互式筆記本，可以用于數(shù)據(jù)清理、數(shù)據(jù)可視化、統(tǒng)計分析、機器學習等。它支持多種編程語言，包括Python、R、Julia等，使得用戶可以根據(jù)自己的需求選擇合適的編程語言進行數(shù)據(jù)處理和分析。在JupyterNotebook中，用戶可以創(chuàng)建一個或多個代碼單元格，并在這些單元格中編寫代碼。代碼單元格下方會顯示代碼的輸出結(jié)果，這使得用戶可以方便地查看代碼的執(zhí)行結(jié)果。同時，用戶還可以在筆記本中添加文本、圖片等富媒體內(nèi)容，使得筆記本更加易于閱讀和理解。JupyterNotebook的另一個優(yōu)點是它的可共享性。用戶可以將整個筆記本導出為HTML文件，并在瀏覽器中打開，從而實現(xiàn)筆記本的共享和協(xié)作。這對于團隊合作和知識分享非常有用。課外拓展總之，JupyterNotebook是一個非常實用的工具，可以幫助用戶進行數(shù)據(jù)處理、分析和可視化。它的交互式特性和可共享性也使得它在科研、教育和技術(shù)領(lǐng)域中得到了廣泛的應用。其他必要的庫1.41.4其他必要的庫scikit-learn可以說是Python中最重要的機器學習庫了,除此之外,還有其他一些庫也可以改善編程體驗,更好地為用戶編程服務。例如,NumPy(基礎(chǔ)科學計算庫)、Matplotlib(繪圖庫)、pandas(數(shù)據(jù)分析庫)、SciPy(科學計算工具集)等。NumPy是Numerical

Python的簡寫,顧名思義是Python數(shù)值計算的基石。NumPy是Python中的一個運算速度非?？斓臄?shù)學庫,它非常重視數(shù)組,提供了Python對多維數(shù)組對象的支持,支持高級大量的維度數(shù)組與矩陣運算,此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫,極大地簡化了向量和矩陣的操作處理,這也讓NumPy成為許多數(shù)據(jù)科學家的最愛。1.4.1NunPyNumPy處理的最基礎(chǔ)數(shù)據(jù)類型是由同種元素構(gòu)成的多維數(shù)組,簡稱為“數(shù)組”。1.4.1NunPy數(shù)組的特點(1)數(shù)組中的所有元素的類型必須相同。(2)數(shù)組中的元素可以用整數(shù)索引。(3)數(shù)組索引序號從0開始。【例1.1】借助于NumPy庫表示一組數(shù)組[123456]。In[1]:

import

numpyasnp

x=np.array([1,2,3,4,5,6])

print(x)Out[1]:

[123456]由于NumPy屬于外部庫,即它并不包含在標準的Python中,因此使用時首先需要導入NumPy。導入語句“importnumpyasnp”中,“import”表示輸入,“as”表示作為,因此整條語句的意思是“將numpy作為np來導入”,相當于給numpy起個別名,后續(xù)的程序編寫即可直接用np來代替numpy,方便程序的編寫。成功導入NumPy后,就可以使用np.array()函數(shù)生成NumPy數(shù)組了。由于列表是不存在維度問題的,但數(shù)組是有維度的,因此通過np.array()函數(shù)將列表轉(zhuǎn)化為數(shù)組,即負責接收Python列表作為參數(shù),生成NumPy數(shù)組。Matplotlib是Python中的另外一個十分重要的庫,在數(shù)據(jù)可視化場景中應用最為廣泛,主要用于繪制各種2D圖像,如直方圖、功率譜、條形圖、錯誤圖、散點圖等,甚至還可以繪制地理和天文方面的降雨圖、地形差圖和山河分布圖等不同的圖像。用戶借助Matplotlib除了可以使用庫方法去繪制已經(jīng)固定好的圖像外,也可以自定義地繪制任意想要的圖案,還可以去繪制能夠在瀏覽器上進行交互的圖像。下面通過兩個例子來簡要介紹圖形的繪制方法和圖像的顯示方法。1.4.2Matplotlib點擊以上圖標觀看微課視頻

：例1.2繪制過程微課【例1.2】繪制一個正弦函數(shù)曲線。In[2]:

import

matplotlib.pyplot

as

plt

import

numpy

as

np

#生成數(shù)據(jù)(從0到2pi之間,取100個采樣點)

x=np.linspace(0,2*np.pi,100)

y=np.sin(x)

#繪制圖形

plt.plot(x,y)

plt.show()首先通過NumPy的函數(shù)np.linspace()和np.sin()生成數(shù)據(jù),然后將生成的數(shù)據(jù)傳給函數(shù)plt.plot()繪制圖形,最后通過函數(shù)plt.show()顯示圖形。運行上述代碼,繪制的曲線圖形如圖1-5所示?！纠?.3】讀入并輸出顯示圖像。In[3]:

import

matplotlib.pyplotasplt

from

matplotlib.image

import

imread

#讀入圖像,imread()函數(shù)讀取圖像的地址和名稱等信息

img=imread(?3.jpg?)

#把圖像傳給imshow()函數(shù)

plt.imshow(img)

#顯示圖像

plt.show()運行上述代碼,所讀取的圖像如圖1-6所示。pandas是基于NumPy的一個開源Python庫,被廣泛用于快速分析數(shù)據(jù)以及數(shù)據(jù)清洗和準備等工作。它的名字是由“panel”和“data”兩個單詞拼成的。簡單地說,pandas可以被看作是Python版的Excel。pandas的一個強大之處在于它能很好地處理來自各種不同來源的數(shù)據(jù),比如Excel表格、CSV文件、SQL數(shù)據(jù)庫,甚至還能處理存儲在網(wǎng)頁上的數(shù)據(jù)。pandas基于NumPy,常常與NumPy、Matplotlib一起使用。1.4.3pandas【例1.4】使用pandas處理數(shù)據(jù)。In[4]:

import

pandas

as

pd

from

IPython.display

import

display

df=pd.DataFrame({?name?:[?a?,?b?,?c?],?age?:[20,12,41],?sex?:[0,1,1],?birthday?:pd.date_range(?20111111?,periods=3)},columns=[?name?,?age?,?sex?,?birthday?])

display(df)運行上述代碼,輸出結(jié)果如圖1-7所示。課外拓展除了JupyterNotebook，Python還有許多其他必要的庫，這些庫可以幫助用戶進行各種不同的任務，包括數(shù)據(jù)分析、機器學習、網(wǎng)絡爬蟲、Web開發(fā)等。1.數(shù)據(jù)分析與可視化：Pandas：用于數(shù)據(jù)處理和分析。NumPy：用于數(shù)值計算。Matplotlib：用于數(shù)據(jù)可視化。2.機器學習與深度學習：Scikit-learn：用于機器學習。TensorFlow：用于深度學習。PyTorch：用于深度學習。課外拓展3.網(wǎng)絡爬蟲與數(shù)據(jù)抓?。築eautifulSoup：用于網(wǎng)頁解析。Scrapy：用于爬蟲開發(fā)。4.Web開發(fā)與Web框架：Django：用于Web開發(fā)。Flask：用于Web開發(fā)。5.網(wǎng)絡編程與網(wǎng)絡庫：Socket：用于網(wǎng)絡編程。requests：用于發(fā)送HTTP請求。課外拓展6.系統(tǒng)自動化與工具庫：Ansible：用于系統(tǒng)自動化。SaltStack：用于系統(tǒng)自動化。7.數(shù)據(jù)庫與數(shù)據(jù)庫庫：SQLAlchemy：用于數(shù)據(jù)庫操作。8.其他常用庫：Scapy：用于數(shù)據(jù)包嗅探和分析。SymPy：用于數(shù)學符號計算。Python機器學習應用1.51.5Python機器學習應用鳶尾花數(shù)據(jù)集的分類預測實驗是機器學習最經(jīng)典的案例之一,通過模型的訓練,對于大量的鳶尾花數(shù)據(jù)集的學習,可以識別出新的鳶尾花是什么類型,繼而完成預測和分類。鳶尾原產(chǎn)于中國的中部,可以用來布置花壇,是一種十分重要的庭園植物。鳶尾的種類有很多,比較常見的有德國鳶尾、黃鳶尾、荷蘭鳶尾、黃色丹佛鳶尾、網(wǎng)脈鳶尾等。鳶尾花(見圖1-8)就是鳶尾開出的花朵,有藍色、白色、紫色等多種顏色,絢麗多彩,極具觀賞價值。鳶尾花種類有300多種,通過機器學習,當給出一株鳶尾花時,能否根據(jù)它的萼片及花瓣大小等信息成功預測它的種類?這里面實際上涉及了分類問題。1.5Python機器學習應用1.5Python機器學習應用本節(jié)內(nèi)容是一個簡單的機器學習的實例“鳶尾花預測模型”,其基本涵蓋了scikit-learn機器學習庫中所需的所有基本操作,實驗環(huán)境為Anaconda。在搭建預測模型之前,需要明確一些基本概念。1.5Python機器學習應用(2)在多個選項中預測出一種結(jié)果的模型稱為分類模型,分類模型預測結(jié)果有多種的問題稱為多分類問題。(1)因為已知鳶尾花的測量數(shù)據(jù)集,所以該模型為一個監(jiān)督學習模型(可參考機器學習章節(jié)了解監(jiān)督學習模型)。(4)單個數(shù)據(jù)點的預測輸出的類型稱為標簽。

(5)用于訓練的數(shù)據(jù)集稱為訓練集(訓練數(shù)據(jù))。(3)可能的輸出稱為類別。2143(7)機器學習中,每個個體稱為樣本。(6)用于測試的數(shù)據(jù)集稱為測試集(測試數(shù)據(jù),用于驗證模型好壞)。此處輸入你的智能圖形項正文(8)每個樣本所有的屬性稱為特征。65871.5Python機器學習應用下面介紹搭建鳶尾花預測模型的步驟。22.將數(shù)據(jù)集分為訓練數(shù)據(jù)和測試數(shù)據(jù)44.搭建模型66.模型評估11.獲取數(shù)據(jù)集并導入所需庫33.數(shù)據(jù)分析55.模型的使用1.獲取數(shù)據(jù)集并導入所需庫機器學習的第一步就是要獲取數(shù)據(jù),這一步非常重要,因為獲取數(shù)據(jù)的質(zhì)量和數(shù)量直接影響機器學習模型是否能建立好,是否能夠得到最終的有效預測結(jié)果。#本數(shù)據(jù)集為一個經(jīng)典數(shù)據(jù)集,因此可以直接導入鳶尾花數(shù)據(jù)集from

sklearn.datasets

import

load_iris#數(shù)據(jù)集分割函數(shù)from

sklearn.model_selection

import

train_test_split#K近鄰算法類from

sklearn.neighbors

import

KNeighborsClassifier#導入NumPy庫import

numpy

as

np#導入pandas庫import

pandas

as

pd#導入Matplotlib繪圖庫import

matplotlib.pyplot

as

plt#load_iris()返回的是一個Bunch對象,其和字典很相似,通過一些操作可以得到該數(shù)據(jù)集內(nèi)的數(shù)據(jù)和一些其他資料iris_datasets=load_iris()2.將數(shù)據(jù)集分為訓練數(shù)據(jù)和測試數(shù)據(jù)拿到數(shù)據(jù)后,不能將數(shù)據(jù)全部用來訓練,也不能將數(shù)據(jù)全部用來測試,更不能將訓練數(shù)據(jù)拿來測試模型,因為模型會記住整個訓練集,導致測試的結(jié)果總是對的,所以不能用訓練集來測試模型的泛化能力。為了解決這個問題,可以根據(jù)數(shù)據(jù)特征選擇機器學習算法建立模型,在訓練模型前將數(shù)據(jù)集分成兩部分,一部分作為訓練數(shù)據(jù),用來生成機器學習模型;另一部分作為測試數(shù)據(jù),對訓練后的模型進行測試,以此來判斷此機器學習模型的準確性。通過scikit-learn中提供的train_test_split()函數(shù)來實現(xiàn)數(shù)據(jù)的分割。#得到的數(shù)據(jù)集分為測試集和訓練集,其中x為輸入數(shù)據(jù),y為輸出結(jié)果,即標簽x_train,x_test,y_train,y_test=train_test_split(iris_datasets[?data?],iris_datasets[?target?],random_state=0)3.數(shù)據(jù)分析在建立模型前,首先需要對數(shù)據(jù)進行簡單的分析,方便后續(xù)確定要搭建的模型。我們可以借助于一些工具將數(shù)據(jù)可視化,如將數(shù)據(jù)變成散點圖矩陣(見圖1-9),方便查看其中的規(guī)律。#NumPy數(shù)組轉(zhuǎn)換為pandas

DataFrame,利用特征名字對其進行標記iris_dataframe=pd.DataFrame(x_train,columns=iris_datasets.feature_names)#利用pandas中有的dataframe創(chuàng)建散點圖矩陣grr=pd.plotting.scatter_matrix(iris_dataframe,c=y_train,figsize=(15,15),marker=?o?,hist_kwds={?bins?:20},s=60,alpha=.8)#展示數(shù)據(jù)plt.show()4.搭建模型模型搭建選用的是“K近鄰算法”,該算法在neighbors模塊的KNeighborsClassifier類中實現(xiàn),我們需要實例化一個對象才可以使用該算法。KNeighborsClassifier類中對要使用的方法進行了封裝,其實例化的對象包含了訓練數(shù)據(jù)構(gòu)建模型的算法,也包含了預測的算法,還包含了提取出的信息。對于類來說,其僅僅保存了訓練集。#K近鄰算法knn=KNeighborsClassifier(n_neighbors=1)knn.fit(x_train,y_train)5.模型的使用模型的使用在類中已經(jīng)進行了封裝,可以直接調(diào)用函數(shù)實現(xiàn)。1)創(chuàng)建數(shù)據(jù)#輸入的數(shù)據(jù)是一個二維數(shù)組x_new=np.array([[5,2.9,1,0.2]])2)結(jié)果預測#返回的數(shù)據(jù)是一個一維數(shù)組,含有標簽的序號prediction=knn.predict(x_new)3)展示結(jié)果print(?thename:{}?.format(iris_datasets[?target_names?][prediction]))6.模型評估對于已經(jīng)搭建好的模型,我們要對其正確性進行評估,這時就要使用到我們提前分離出來的測試集里面的數(shù)據(jù)和標簽了。其中,knn.score(x_test,y_test)是類中自帶的評價函數(shù)。#模型評估print(?thescore:{:.2f}?.format(knn.score(x_test,y_test)))思考與練習1.什么是Python?使用Python有什么好處?2.使用scikit-learn機器學習庫能實現(xiàn)哪些功能?3.簡述Python的應用。4.使用NumPy庫寫出兩個數(shù)組相加運算的碼:[1,2,3]+[4,5,6]。謝謝觀看人工智能概述第二章知識結(jié)構(gòu)知識目標1.了解人工智能的應用領(lǐng)域。2.了解人工智能的發(fā)展過程。3.了解人工智能的知識圖譜。能力與素養(yǎng)目標1.能夠運用人工智能相關(guān)應用軟件解決生活中的問題。2.能夠區(qū)分專用人工智能和通用人工智能。3.培養(yǎng)應用能力,開拓科技視野。專題拓展閱讀如今,人工智能技術(shù)受到世界的關(guān)注,其中,中國已具有較強的競爭力。我國民營企業(yè)科大訊飛公司,是一家從事智能語音及語言技術(shù)研究的科技公司,其在前幾年嘗試研發(fā)一項新技術(shù)———高考機器人。當時日本已經(jīng)在做類似的高考機器人了,并且預計要達到東京大學入學考試的水平。當中國的高考機器人制作完成后,科大訊飛邀請了日本相關(guān)專家到中國來互相交流溝通,日本專家在此次交流溝通中大為震撼,回到日本后第一時間給日本政府寫了一份報告。報告中列出了三個沒想到。專題拓展閱讀(1)沒想到中國政府能投入如此大的力量來研究人工智能。(2)沒想到中國能有這么多年輕的研究人員。(3)沒想到中國在人工智能領(lǐng)域已經(jīng)成為與日本并駕齊驅(qū)甚至超越日本的領(lǐng)先者?？梢钥闯?中國在人工智能領(lǐng)域走在了世界前列。從原來跟著其他國家學到現(xiàn)在建立自信,這正是因為我們擁有了屬于自己的核心技術(shù)。隨著民族品牌不斷地崛起,我們更要做好自主研發(fā),用科技來創(chuàng)造中國力量。借用科大訊飛主頁上的一句話“用人工智能建設美好世界”,相信人工智能一定可以改變世界。目錄2.1生活中的人工智能

2.2人工智能的由來與發(fā)展2.3人工智能的定義2.4人工智能的判定2.5人工智能的知識圖譜2.6人工智能的應用分類與體驗生活中的人工智能2.12.1生活中的人工智能隨著時代的發(fā)展,網(wǎng)絡越來越發(fā)達,不知不覺中,人工智能已經(jīng)走進我們的生活并悄無聲息地帶來了一場智能化革命。其實人工智能并不神秘,我們沒必要把它束之高閣。例如,生活中人手一部的智能手機,其內(nèi)部的語音操作功能,其實就是人工智能。又如,我們所熟知的在許多家庭中都可以見到的天貓精靈、小米智能音箱等,也屬于人工智能。再高端一點的話,當屬互聯(lián)網(wǎng)智能家電,許多電器公司都在致力于研究與生產(chǎn)它們,如小米旗下的云米就是從事全屋互聯(lián)網(wǎng)家電的公司。天貓精靈（TmallGenie）是阿里巴巴集團阿里云智能事業(yè)群于2017年7月5日發(fā)布的AI智能終端品牌。讓用戶以自然語言對話的交互方式，實現(xiàn)影音娛樂、購物、信息查詢、生活服務等功能操作，成為消費者的家庭助手。天貓精靈云米，成立于2014年5月，總部位于廣東佛山，作為全屋智能家電開創(chuàng)者，2018年9月，云米在美國納斯達克成功上市（代碼:VIOT）。是家庭物聯(lián)網(wǎng)第1股。云米致力于用高科技締造智能的家，為全球用戶提供「一站式全屋智能」解決方案：智能家電+智能家居+軟件服務。云米通過5G+Al+loT等前沿科技，打造智能廚房、智能客廳、智能臥室、智能衛(wèi)浴、智能陽臺、智能凈水等智能場景解決方案，持續(xù)為全球家庭帶來更舒適、便捷、健康、安全、可成長的智能生活體驗。云米人工智能在智能交通領(lǐng)域的應用是頗為廣泛的,如圖2-1所示。近幾年,百度、小米等公司都在研究智能駕駛技術(shù),其中百度的Apollo自動駕駛科技已經(jīng)公布了《百度智能駕駛開放白皮書》,這也是全球第一份系統(tǒng)性解構(gòu)自動駕駛安全性與可靠性的技術(shù)文件。在自動駕駛模式下,不需要對汽車進行控制,只需要告訴車載AI目的地等相關(guān)信息即可實現(xiàn)安心、放心的出行。隨著交通卡口的大規(guī)模聯(lián)網(wǎng),匯集的海量車輛通行記錄等信息對于城市交通管理有著重要的作用,利用人工智能技術(shù),可實時分析城市交通流量,調(diào)整紅綠燈間隔,縮短車輛等待時間,提升城市道路的通行效率。城市級的人工智能大腦實時掌握著城市道路上通行車輛的軌跡信息、停車場的車輛信息以及小區(qū)的停車信息,能提前半個小時預測交通流量變化和停車位數(shù)量變化,合理調(diào)配資源、疏導交通,實現(xiàn)機場、火車站、汽車站、商圈的大規(guī)模交通聯(lián)動調(diào)度,提升整個城市的運行效率,為居民的暢通出行提供保障。2.1.1

智能交通點擊以上圖標觀看微課視頻

：2.1.1拓展智能交通改變生活微課智能交通是AI落地應用的重要垂直市場之一。目前,在智能交通領(lǐng)域,人工智能分析及深度學習是比較成熟的應用技術(shù),以車牌識別算法最為理想。此外,人工智能在車輛顏色、車輛廠商標志識別、無牌車檢測、非機動車檢測與分類、車頭車尾判斷、車輛檢索、人臉識別等方面的應用也比較成熟。采用人工智能技術(shù)還可以識別車輛特征(車標、車型、年款等)與違法行為(遮擋車牌、開車打電話、不系安全帶、機動車不禮讓行人等)。2.1.1

智能交通未來,隨著訓練樣本的大數(shù)據(jù)化和算力的提升,不斷優(yōu)化的AI算法將在緩解城市交通擁堵(對路口運行效率進行實時監(jiān)測和展示,優(yōu)化信號燈配時)、智能導航和無人駕駛(路線優(yōu)化與道路識別)、道路養(yǎng)護(路面病害識別、道路智能化巡檢)、突發(fā)(交通)事件網(wǎng)絡態(tài)勢感知、電子警察(精準化的違法行為判斷、重點人或車的精準識別)等領(lǐng)域發(fā)揮更大的作用,有力促進交通強國戰(zhàn)略的實施,推動我國智能交通產(chǎn)業(yè)更快更好地發(fā)展。2.1.1

智能交通人工智能的快速發(fā)展可以極大地提高各種高精度醫(yī)療器械的發(fā)展速度,同時實現(xiàn)智慧診療。智慧診療使得人工智能不斷地學習各種病例,直到可以解決大部分疾病的診斷和治療。圖2-2所示是人工智能在眼科診療過程中的應用,運用人工智能算法進行病例分析,可以幫助醫(yī)生查出近50種眼類疾病,模擬醫(yī)生的診斷思維,最終給出治療方案。另外,人工智能還可以對醫(yī)學影像學數(shù)據(jù)進行分析,輔助醫(yī)生給出預判結(jié)果。2.1.2智慧醫(yī)療人工智能中的深度學習技術(shù)還可以應用于藥物研究,通過大數(shù)據(jù)分析等技術(shù)手段快速、準確地挖掘和篩選出合適的化合物或生物,達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過計算機模擬,可以對藥物活性、安全性和副作用進行預測。借助深度學習,人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多個領(lǐng)域取得了新突破,在抗擊埃博拉病毒中也發(fā)揮了重要的作用。除此之外,人工智能技術(shù)還可以應用到健康管理的具體場景中,目前主要集中在風險識別、虛擬護士、精神健康、移動醫(yī)療、健康干預以及基于精準醫(yī)學的健康管理方面。2.1.2智慧醫(yī)療(1)風險識別。通過獲取信息并運用人工智能技術(shù)進行分析,識別疾病發(fā)生的風險及提供降低風險的措施。(2)虛擬護士。收集病人的飲食習慣、鍛煉周期、服藥習慣等個人生活習慣信息,運用人工智能技術(shù)進行數(shù)據(jù)分析并評估病人整體狀態(tài),協(xié)助規(guī)劃其日常生活。(3)精神健康。運用人工智能技術(shù)對語言、表情、聲音等數(shù)據(jù)進行情感識別。(4)移動醫(yī)療。結(jié)合人工智能技術(shù)提供遠程醫(yī)療服務。(5)健康干預。運用AI對用戶體征數(shù)據(jù)進行分析,制訂健康管理計劃。2.1.2智慧醫(yī)療人工智能在安防領(lǐng)域的應用隨處可見。例如,天網(wǎng)工程能調(diào)用地球上任何位置的攝像頭和音頻系統(tǒng),從而高效準確地搜索人或事物;一些交通要道、公共場所都安裝有視頻監(jiān)控設備,利用圖像采集等技術(shù)可對固定區(qū)域進行實時的監(jiān)控(見圖2-3)。2.1.3智能安防人工智能技術(shù)的迅猛發(fā)展,積極推動著安防領(lǐng)域向著一個更智能化、更人性化的方向前進,目前人工智能在公安行業(yè)也有很多應用。公安行業(yè)用戶的迫切需求是,在海量的視頻信息中發(fā)現(xiàn)犯罪嫌疑人的線索。人工智能在視頻內(nèi)容的特征提取、內(nèi)容理解方面有著天然的優(yōu)勢。前端攝像頭內(nèi)置人工智能芯片,可實時分析視頻內(nèi)容,檢測運動對象,識別人、車屬性信息,并通過網(wǎng)絡傳遞到后端人工智能的中心數(shù)據(jù)庫進行存儲。再利用強大的計算能力及智能分析能力,人工智能可對犯罪嫌疑人的信息進行比對篩查和實時分析,給出最可能的線索建議,準確率高達99.8%以上,將犯罪嫌疑人的軌跡鎖定由原來的幾天縮短到幾分鐘,為案件的偵破節(jié)約寶貴的時間。其強大的交互能力,使其還能與辦案民警進行自然語言方式的溝通,真正成為辦案人員的專家助手。2.1.3智能安防安防領(lǐng)域所涉及的人工智能技術(shù)主要體現(xiàn)在兩個方面:視頻結(jié)構(gòu)化技術(shù)和大數(shù)據(jù)技術(shù)。2.1.3智能安防(1)視頻結(jié)構(gòu)化技術(shù)。視頻結(jié)構(gòu)化技術(shù)融合了機器視覺、圖像處理、模式識別、深度學習等技術(shù),是視頻內(nèi)容理解的基石。1(2)大數(shù)據(jù)技術(shù)。大數(shù)據(jù)技術(shù)為人工智能提供強大的分布式計算能力和知識庫管理能力,是人工智能分析預測、自主完善的重要支撐。2人工智能雖然在教育行業(yè)面臨巨大的挑戰(zhàn),但也帶來了一些獨特的優(yōu)勢。首先,人工智能可以幫助教育機構(gòu)更好地理解學生。通過對學生的日常行為進行分析,人工智能可以幫助教育機構(gòu)了解學生的學習喜好和習慣,從而個性化地為學生制定教育方案。其次,人工智能可以為教師提供即時反饋。通過對課堂內(nèi)容和學生反應的分析,人工智能可以即時發(fā)現(xiàn)問題并提供相應的解決方案。最后,人工智能還可以幫助教育機構(gòu)減少運營成本。通過對課程內(nèi)容、教材使用情況等方面進行分析,人工智能可以幫助教育機構(gòu)優(yōu)化課程設置和教材使用,從而減少運營成本。2.1.4智能教育2020年,中共中央、國務院印發(fā)《深化新時代教育評價改革總體方案》,明確指出要創(chuàng)新評價工具,利用人工智能、大數(shù)據(jù)等現(xiàn)代信息技術(shù),探索開展各年級學生學習情況全過程縱向評價、德智體美勞全要素橫向評價。有些學校已經(jīng)將課堂教學效果與AI技術(shù)相結(jié)合,生成了一套教學反饋系統(tǒng)。通過人臉識別技術(shù)識別出學生當前的狀態(tài),以便于教師監(jiān)督并反饋當前課堂狀況(見圖2-4)。另外,在智能教育領(lǐng)域,利用人工智能還可以進行機器閱卷,解決了主觀題的公平公正問題,能夠直觀判斷每份試卷的難易程度。2.1.4智能教育2.1.4智能教育當下,科技的發(fā)展使得互聯(lián)網(wǎng)和智能手機得到普及,并滲透到人們?nèi)粘Ｉ畹姆椒矫婷?而電子支付更是因為其方便快捷的支付形式受到年輕人的追捧。現(xiàn)在多數(shù)人出門已經(jīng)養(yǎng)成了不帶錢包的習慣,一部手機就可以解決所有問題。電子支付讓我們充分享受到了科技給生活帶來的便利,如使用人臉識別技術(shù)進行刷臉支付等,如圖2-5所示。2.1.5電子支付有很大的可能性,在未來人工智能將高速發(fā)展,并在一些工作崗位中部分或完全取代人力。雖然它會“搶走”許多人的工作,但是它的存在與發(fā)展是必然趨勢,我們能做的是不斷提升自己,爭做時代的弄潮兒。2.1.5電子支付人工智能的由來與發(fā)展2.22.2人工智能的由來與發(fā)展人工智能雖然不像物理和化學等學科一樣古老,但是從歷史進程上看,在早期歷史中,一些智能機器中隱含著人工智能相關(guān)知識,人工智能這個新學科正在逐漸變得越來越強大。第一次工業(yè)革命:機械化。18世紀60年代到19世紀中期,人類開始進入以蒸汽機為代表的機器取代人力生產(chǎn)的機器時代。第二次工業(yè)革命:電氣化。19世紀下半葉到20世紀初,人類開始進入以電力大規(guī)模應用為代表的電氣時代,并在信息革命、資訊革命中達到頂峰。第三次工業(yè)革命:自動化。20世紀后半期,約在第二次世界大戰(zhàn)之后,人類進入以計算機和電子數(shù)據(jù)普及為代表的科技時代,生物克隆技術(shù)、航天科技出現(xiàn),引發(fā)了第三次工業(yè)革命。第四次工業(yè)革命:智能化。21世紀初,第四次工業(yè)革命悄然到來,其是繼蒸汽技術(shù)革命、電力技術(shù)革命、電子技術(shù)革命的又一次科技革命,人類進入以物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)等科技實現(xiàn)智能化和自動化的全新時代。2.2.1人工智能的由來蒸汽機是將蒸汽的能量轉(zhuǎn)換為機械功的往復式動力機械。蒸汽機的出現(xiàn)曾引起了18世紀的工業(yè)革命。直到20世紀初，它仍然是世界上最重要的原動機，后來才逐漸讓位于內(nèi)燃機和汽輪機等。蒸汽機需要一個使水沸騰產(chǎn)生高壓蒸汽的鍋爐，這個鍋爐可以使用木頭、煤、石油或天然氣甚至可燃垃圾作為熱源。蒸汽膨脹推動活塞做功。蒸汽機人工智能的由來如圖2-6所示。2.2.1人工智能的由來人類通過直立行走解放了雙手,然后開始不斷探索與創(chuàng)造新的工具。人類一直致力于創(chuàng)造越來越精密復雜的機器來節(jié)省體力、延長自己的壽命,同時也發(fā)明了很多用于減輕腦力勞動的工具,如算盤、計算機等,它們在一定程度上減輕了腦力勞動,但應用范圍有限。直到人工智能出現(xiàn)與發(fā)展,人類的腦力勞動才得到了多方面的減輕。人工智能學科誕生于20世紀50年代初,當時由于計算機的產(chǎn)生與發(fā)展,人們開始了具有真正意義的研究,用機器來模擬人類智能等問題誕生了。2.2.2人工智能的發(fā)展自古以來,人們就一直試圖用各種機器來代替人的部分腦力勞動,以提高其征服自然的能力,其中對人工智能的產(chǎn)生、發(fā)展有重大影響的研究主要有以下幾個。公元前900多年,我國已經(jīng)有關(guān)于歌舞機器人的傳說記載,說明古代人就有人工智能的幻想。公元前384—公元前322年,哲學家亞里士多德(Aristotle)在他的名著《工具論》中提出了形式邏輯的一些主要定律,他提出的三段論至今仍是演繹推理的基本依據(jù)。12世紀末至13世紀初,西班牙邏輯學家RomenLuee試圖制造能解決各種問題的通用邏輯機。2.2.2人工智能的發(fā)展1.萌芽期(1956年以前)亞里士多德（Aristotle，公元前384～前322），古代先哲，古希臘人，世界古代史上偉大的哲學家、科學家和教育家之一，堪稱希臘哲學的集大成者。他是柏拉圖的學生，亞歷山大的老師。公元前335年，他在雅典辦了一所叫呂克昂的學校，被稱為逍遙學派。馬克思曾稱亞里士多德是古希臘哲學家中最博學的人物，恩格斯稱他是“古代的黑格爾”。亞里士多德——古希臘著名思想家作為一位百科全書式的科學家，他幾乎對每個學科都做出了貢獻。他的寫作涉及倫理學、形而上學、心理學、經(jīng)濟學、神學、政治學、修辭學、自然科學、教育學、詩歌、風俗，以及雅典法律。亞里士多德的著作構(gòu)建了西方哲學的第一個廣泛系統(tǒng)，包含道德、美學、邏輯和科學、政治和玄學。《工具論》是亞里士多德邏輯著作的匯編總稱。由于當時認為邏輯學既非理論知識，又非實際知識而只是知識的工具，所以后人將此書命名為《工具論》。全書包括六篇—一《范疇篇》，討論實體、量、關(guān)系、質(zhì)等問題；《解釋篇》，結(jié)合詞語、語句討論判斷或命題；《前分析篇》，討論推理的有效性、前提和結(jié)論之間的關(guān)系；《后分析篇》，討論證明的條件、種類、方法和構(gòu)成因素，以及定義和證明的關(guān)系等；《論辨篇》，討論論辯的藝術(shù)、推理的方法等，《辨謬篇》，專門培析和駁斥各種謬誤和詭辯?！豆ぞ哒摗贰獊喞锸慷嗟伦珜懙臅?7世紀,法國物理學家和數(shù)學家B.Pascal制成了世界上第一臺會演算的機械加法器并獲得實際應用。19世紀,英國數(shù)學和力學家C.Babbage致力于差分機和分析機的研究,雖因條件限制未能完全實現(xiàn),但其設計思想不愧為當時人工智能的最高成就。進入20世紀后,關(guān)于人工智能相繼出現(xiàn)若干開創(chuàng)性的工作。1936年,年僅24歲的英國數(shù)學家艾倫·麥席森·圖靈(A.M.Turing)在他的一篇有關(guān)“理想計算機”的論文中提出了著名的圖靈機模型,為后來電子數(shù)字計算機的問世奠定了理論基礎(chǔ)。1943年,美國神經(jīng)生理學家麥克洛奇與數(shù)理邏輯學家匹茲建成了第一個神經(jīng)網(wǎng)絡模型(M-P模型),開創(chuàng)了微觀人工智能的研究領(lǐng)域,為后來人工神經(jīng)網(wǎng)絡的研究奠定了基礎(chǔ)。2.2.2人工智能的發(fā)展1.萌芽期(1956年以前)在機器學習方面,1957年Rosenblatt研制成功了感知機。這是一種將神經(jīng)元用于識別的系統(tǒng),它的學習功能引起了人們廣泛的興趣,推動了連接機制的研究,但人們很快發(fā)現(xiàn)了感知機的局限性。在定理證明方面,美籍華裔數(shù)理邏輯學家王浩于1958年在IBM-704機器上用3~5min證明了《數(shù)學原理》中有關(guān)命題演算的全部定理(220條),并且還證明了謂詞演算中150條定理的85%;1965年魯賓孫(J.A.Robinson)提出了歸結(jié)原理,為定理的機器證明做出了突破性的貢獻。

在模式識別方面,1959年塞爾夫里奇推出了一個模式識別程序,1965年羅伯特(Ro_x0002_berts)編制出了可分辨積木構(gòu)造的程序。2.2.2人工智能的發(fā)展2.形成時期(1956—1970年)王浩（HaoWang，1921年5月20日—1995年5月13日），出生于山東省濟南市，祖籍山東省德州市齊河縣，華裔美國人，數(shù)學家，哲學家，邏輯學家，計算機科學家，美國藝術(shù)與科學院院士，洛克菲勒大學榮休教授。王浩——美國藝術(shù)與科學院院士，數(shù)學家，哲學家，邏輯學家，計算機學家在問題求解方面,1960年紐厄爾等人通過心理學試驗總結(jié)出了人們求解問題的思維規(guī)律,編制了通用問題求解程序(general-problemsolver,GPS),可以用來求解11種不同類型的問題。在專家系統(tǒng)方面,由美國斯坦福大學的費根鮑姆(E.A.Feigenbaum)領(lǐng)導的研究小組自1965年開始專家系統(tǒng)DENDRAL的研究,1968年完成并投入使用。該專家系統(tǒng)能根據(jù)質(zhì)譜儀的實驗,通過分析推理決定化合物的分子結(jié)構(gòu),其分析能力已接近甚至超過有關(guān)化學專家的水平,在美、英等國得到了實際的應用。該專家系統(tǒng)的研制成功不僅為人們提供了一個實用的專家系統(tǒng),而且對知識表示、存儲、獲取、推理及利用等技術(shù)是一次非常有益的探索,為以后專家系統(tǒng)的建造樹立了榜樣,對人工智能的發(fā)展產(chǎn)生了深刻的影響,其意義遠遠超過了系統(tǒng)本身在實用上所創(chuàng)造的價值。2.2.2人工智能的發(fā)展2.形成時期(1956—1970年)在人工智能語言方面,1960年,麥卡錫研制出的人工智能語言(LISP),成為建造專家系統(tǒng)的重要工具。1969年成立的國際人工智能聯(lián)合會議(InternationalJointConferencesonArtificialIntelligence,IJCAI)是人工智能發(fā)展史上一個重要的里程碑,它標志著人工智能這門新興學科已經(jīng)得到世界的肯定和認可。1970年創(chuàng)刊的國際性人工智能雜志ArtificialIntelligence對推動人工智能的發(fā)展,促進研究者們的交流起到了重要的作用。2.2.2人工智能的發(fā)展2.形成時期(1956—1970年)進入20世紀70年代,許多國家都開展了人工智能的研究,涌現(xiàn)了大量的研究成果。例如,1972年,法國馬賽大學的科麥瑞爾(A.Comerauer)提出并實現(xiàn)了邏輯程序設計語言PROLOG;斯坦福大學的肖特利夫(E.H.Shortliffe)等人從1972年開始研制用于診斷和治療感染性疾病的專家系統(tǒng)MYCIN。1977年,費根鮑姆在第五屆國際人工智能聯(lián)合會議上提出了“知識工程”的概念,對以知識為基礎(chǔ)的智能系統(tǒng)的研究與建造起到了重要的作用。大多數(shù)人接受了費根鮑姆關(guān)于以知識為中心展開人工智能研究的觀點。從此,人工智能的研究又迎來了蓬勃發(fā)展的以知識為中心的新時期。2.2.2人工智能的發(fā)展3.發(fā)展時期(1970年以后)1996年2月10日至17日,為了紀念世界上第一臺通用電子計算機誕生50周年,美國IBM公司出巨資邀請國際象棋世界冠軍卡斯帕羅夫與IBM公司的“深藍”計算機進行了六局的“人機大戰(zhàn)”。這場比賽被人們稱為“人腦與‘電腦’的世界決戰(zhàn)”,參賽雙方分別代表了國際象棋領(lǐng)域中的人腦和“電腦”的世界最高水平。2.2.2人工智能的發(fā)展3.發(fā)展時期(1970年以后)人工智能的定義2.32.3人工智能的定義人工智能(artificialintelligence,AI)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。人工智能是計算機科學的一個分支,它企圖了解智能的實質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器,該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能屬于一門綜合學科,集合了數(shù)學、計算機學、心理學、物理學等多門學科。研究人工智能實際上就是讓計算機模擬人類行為代替人去思考、工作,教“機器寶寶”逐漸長大成“人”,與人類成長過程類似。2.3人工智能的定義人工智能的定義可以拆分成兩部分,一部分是“人工”,另一部分是“智能”?！叭斯ぁ笔侵副仨毷侨藙?chuàng)造的東西,“智能”是指獲取和應用知識與技能的能力。所以人工智能從某種意義上來講,也可以定義為由人創(chuàng)造的能夠獲取和應用知識與技能的能力的程序、機械或者設備,即讓計算機去做過去只有人才能做的智能工作。目前還沒有一個公認的關(guān)于人工智能的定義,甚至還存在一些完全相悖的觀點,大致上人工智能具有以下幾種被普遍接受的定義。2.3人工智能的定義人工智能是一種使計算機能夠思維,使機器具有智力的激動人心的新嘗試。人工智能是研究那些使理解、推理和行為成為可能的計算。人工智能是那些與人的思維、決策、問題求解和學習等有關(guān)的活動的自動化。人工智能是用計算模型研究智力行為。2.3人工智能的定義下面通過兩個問題揭示人工智能真正的含義?！纠?.1】如圖2-7(a)所示,金字塔的高度是多少?金字塔是古埃及人的偉大創(chuàng)造,坐落在撒哈拉沙漠的邊緣。在古時候,由于金字塔又高又陡,并且又是法老們的陵墓,出于敬畏之心,沒人敢登上去直接進行測量,所以金字塔高度的測量是一個難題。要想準確測量出金字塔的高度,就要想辦法找到一個金字塔的模型,通過模型來間接計算金字塔的高度。有一次,古希臘的一位哲學家泰勒斯在游覽金字塔時,提出了解決方案,他利用相似三角形基本原理輕而易舉地就測出了金字塔的高度[見圖2-7(b)],也因此開創(chuàng)了數(shù)學命題的簡單證明。通過以上問題可以看出來:人工智能是建立關(guān)于思維、感知和行動的模型。2.3人工智能的定義下面通過兩個問題揭示人工智能真正的含義?！纠?.1】如圖2-7(a)所示,金字塔的高度是多少?2.3人工智能的定義【例2.2】如圖2-8所示,一個農(nóng)夫想要帶著一匹狼和兩只羊過河,但他的船每次只能帶一只動物過河,人不在時狼會吃羊,怎樣乘船才能把這些動物都安全運過河?2.3人工智能的定義農(nóng)夫過河問題是人工智能領(lǐng)域典型的問題。如果用自然語言描述此過程,不僅煩瑣而且還不夠精準。因此,要想精確地求解實際問題,就要將問題抽象為一個數(shù)學模型。表示方法:過河與未過河是兩種不同的狀態(tài),可以用0和1來表示,0表示未過河,1表示已過河。農(nóng)夫、狼、羊1、羊2分別處于這兩種狀態(tài)。如果用四元組表示狀態(tài)的話,此問題就變成從初始狀態(tài)(0,0,0,0)經(jīng)過一些中間狀態(tài)變成目標狀態(tài)(1,1,1,1)的過程。約束條件:根據(jù)題意,過河時具有一定的約束條件,即人不在時狼會吃羊,因此(0,1,1,1)、(0,1,1,0)、(0,1,0,1)、(1,0,0,0)、(1,0,0,1)、(1,0,1,0)這幾種情況是不可以出現(xiàn)的。有了問題的表示方法和約束條件,在解決問題時就可以精確地描述問題了。通過以上問題可以看出來:人工智能是在特定約束條件下建立關(guān)于思維、感知和行動的模型。人工智能的判定2.42.4人工智能的判定學習了人工智能的定義后,要想判斷一個智能體是否擁有人工智能,就要用到人工智能領(lǐng)域兩個有名的測試,一個叫圖靈測試,另一個叫中文房間。它們是兩種測試機器是否具備人類智能的方法。圖靈測試(Turingtest)由人工智能之父艾倫·麥席森·圖靈提出,它是指在詢問者(一個人)與被測試者(一臺機器)隔開的情況下,詢問者向被測試者隨意提問,如果被測試者能夠與詢問者對話,而不被辨別出機器身份,則稱這臺機器是智能的(見圖2-9)。下面可以通過兩段對話感受一下哪個機器是智能的,哪個機器是非智能的。2.4.1圖靈測試[對話1]問:請幫我寫出有關(guān)“第四號橋”主題的十四行詩。答:我從來不會寫詩。問:34957加70764等于多少?答:(停30秒后)105721。問:你會下國際象棋嗎?答:是的。問:我在我的K1處有棋子K;你僅在K6處有棋子K,在R1處有棋子R。輪到你走,你應該下哪步棋?答:(停15秒后)棋子R走到R8處,將軍!2.4.1圖靈測試[對話2]問:你會下國際象棋嗎?答:是的。問:你會下國際象棋嗎?答:是的。問:請再次回答,你會下國際象棋嗎?答:是的。很明顯,對話1的機器是智能的,對話2的機器并不智能。對話1的回答并不能讓人區(qū)分出其是人或者機器,即機器同人一樣具有思考、處理問題的能力。對話2的回答能讓人輕松察覺其是機器,因此是不智能的。2.4.1圖靈測試中文房間(Chineseroom,theChineseroomargument)又稱作華語房間,最早由美國哲學家JohnSearle于20世紀80年代初提出。這個實驗要求你想象一個只會說英語的人身處一個房間之中,這個房間除了門上有一個小窗口以外,全部都是封閉的。他隨身帶著一本寫有中文翻譯程序的書,房間里還有足夠的稿紙、鉛筆和櫥柜。寫著中文的紙片通過小窗口被送入房間中,房間里的人可以使用他的書來翻譯這些文字并用中文回復(見圖2-10)。雖然房間里的人完全不會中文,但是Searle認為通過這個過程,房間里的人可以讓任何房間外的人以為他會說流利的中文。2.4.2中文房間2.4.2中文房間可以看出,中文房間是將一個對中文一竅不通且只會說英語的人關(guān)在封閉的房間內(nèi),通過英漢書指導他翻譯并回復房間外面的人。盡管通過此方法可以以假亂真,讓房外人相信房中人是一個完全懂中文的人,但客觀事實是他壓根就不懂中文。此過程中,房外人相當于程序員,房中人相當于機器,書相當于計算機程序。每當房外人給出一個輸入,房中人依據(jù)書的指導就會給出一個輸出。綜上所述,兩種測試表明,當一臺機器能與人類對話而不被辨別出其機器身份時,就說此臺機器是智能的。2.4.2中文房間人工智能的知識圖譜2.52.5人工智能的知識圖譜知識圖譜是人工智能的重要分支,是推動互聯(lián)網(wǎng)和人工智能發(fā)展的核心驅(qū)動力,目前已經(jīng)成為推動機器基于人類知識獲取認知能力的重要途徑,并將逐漸成為未來智能社會的重要主導因素。圖2-11所示是人工智能的知識圖譜。點擊以上圖標觀看微課視頻

：2.5什么是知識圖譜微課要想在技術(shù)層面實現(xiàn)人工智能,首先要解決一些基礎(chǔ)問題,比如人類所熟知的知識在計算機中如何表示的問題。由于計算機表示數(shù)據(jù)的方式與人類是完全不一樣的,因此要想處理某個問題,第一步就需要將問題的相關(guān)知識表示出來。知識表示是一個核心問題,屬于基礎(chǔ)層面的內(nèi)容,詳見本書第3章。每個人從小就一直在學習各種基本概念,比如爸爸的含義、媽媽的含義,這其實就是在幫助我們理解爸爸和媽媽的概念;概念表示出來以后,由一系列概念就可以組成一個完整的知識,即知識表示;最后,這一系列相關(guān)聯(lián)的知識便組成了知識圖譜。2.5.1知識表示知識獲取是人工智能和知識工程的基本技術(shù)之一,也是人工智能所要解決的主要問題。如果說知識表示是基礎(chǔ),那么知識獲取就是運用知識進行推理的重要途徑。通過知識表示,將所獲取的知識存儲到知識庫中,并利用知識進行推理,最終求解出問題。知識的獲取方式有很多,最基礎(chǔ)的就是搜索技術(shù)。搜索技術(shù)類似于百度搜索過程,詳見本書第4章。第二種是群智能算法,群智能算法源于以群落形式生存的生物的覓食行為。研究者發(fā)現(xiàn),每個個體通過相互作用機制形成強大的群體智慧,進而來解決一些復雜問題。因此,相比于一般搜索技術(shù),群智能算法更復雜一些。除此之外,機器學習和人工神經(jīng)網(wǎng)絡與深度學習這兩種知識獲取方式更為煩瑣,在本書第5章、第6章中會做詳細介紹?？梢?對于小數(shù)據(jù)可選擇搜索技術(shù)進行知識的獲取,當存在大量數(shù)據(jù)時,主要采用人工神經(jīng)網(wǎng)絡與深度學習或機器學習的方式進行知識的獲取。2.5.2知識獲取通過知識表示,可以將知識用計算機能讀懂的語言表示出來,并通過相關(guān)方法獲取知識,此時相當于已經(jīng)有了一定的知識儲備,人工智能最終的目的是要運用這些知識去解決實際問題,這就涉及應用層面的問題。例如,目前已經(jīng)非常成熟的計算機視覺和自然語言處理,以及某些決策層面上的應用,比如規(guī)劃、多智能體系統(tǒng)、智能機器人等,其中智能機器人是目前人工智能領(lǐng)域最高端的技術(shù)。2.5.3知識應用人工智能的應用分類與體驗2.6隨著當今社會科學技術(shù)的持續(xù)發(fā)展和人們對編程技術(shù)的探索,近年來AI產(chǎn)業(yè)正在飛速發(fā)展,人工智能產(chǎn)業(yè)實踐層出不窮,越來越多的人開始關(guān)注人工智能方面,大體上人工智能的應用可分為兩大類,一類是專用人工智能,另一類是通用人工智能。2.6.1人工智能的應用分類1.專用人工智能專用人工智能是指具備了某一項能力的人工智能代替人去做某個具體崗位的重復的體力勞動或腦力勞動工作,可以做一些簡單、重復的勞動形式?！纠?.3】阿爾法圍棋(AlphaGo)是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能機器人。2016年3月,AlphaGo與圍棋世界冠軍、韓國職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn),以4∶1的總比分獲勝;2017年5月,在中國烏鎮(zhèn)圍棋峰會上,它與世界圍棋等級排名第一的世界圍棋冠軍、中國職業(yè)棋手柯潔對戰(zhàn),以3∶0的總比分獲勝,如圖2-12所示,其中右側(cè)的工作人員僅替AlphaGo將每一步的棋子擺放到棋盤上。圍棋界公認AlphaGo的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平。2.6.1人工智能的應用分類2.6.1人工智能的應用分類專用人工智能只擅長于單方面人工智能的能力,比如AlphaGo只會下圍棋,盡管下得很出色,但也僅限于圍棋,若讓它去下軍棋,它就不擅長了。本章2.1節(jié)“生活中的人工智能”中介紹的人工智能均屬于專用人工智能。在很多行業(yè)中,專用人工智能已經(jīng)得到廣泛的應用,替代了很多崗位的工作,如下所示。2.6.1人工智能的應用分類01快遞公司:用24小時不停歇、零差錯的分揀機器人替代分揀員,并開始測試無人駕駛送件車。02新聞媒體:用寫稿機器人來代替普通記者和編輯,其一天可以完成一個編輯團隊半年的工作量。03超市便利店:開始嘗試無人售貨或自主買單,收銀員不再是不可或缺的。04工廠:計劃在未來幾年內(nèi)拿掉80%的工人,用機器人替代生產(chǎn)線工人。2.6.1人工智能的應用分類05電商:用人工智能替代普通美工,一秒鐘能做出8000張海報。06醫(yī)院:用人工智能和大數(shù)據(jù)輔助醫(yī)生判斷病情,準確率已接近80%。07律師事務所:用人工智能審核法律文件,節(jié)約大量人力和時間。08保險公司和地產(chǎn)公司:用人工智能呼出廣告電話,其不僅應答自如,普通話還比一般人標準得多。2.6.1人工智能的應用分類在如此多的行業(yè)中,大家可以思考一下哪些崗位最容易被人工智能替換。表2-1所示是各崗位被人工智能替換的概率,其中電話推銷員最容易被替換,被替換的概率高達99.0%,而教師最不容易被替換,被替換的概率僅為0.4%。由此可見,一些比較簡單的、重復的、機械的崗位被人工智能替代的可能性最大,而一些需要情感交流和互動、技術(shù)含量較高的崗位被人工智能替代的可能性較小。2.6.1人工智能的應用分類通用人工智能是指人工智能具有像人一樣的思維水平以及心理結(jié)構(gòu)的全面智能化,可以執(zhí)行相當于人類甚至超越人類智力水平的任務,不僅能夠獨立完成任務,還可以理解物理論文,設計投資策略,并與陌生人進行愉快的交談,而不局限在某個特定領(lǐng)域。現(xiàn)在的科研應用主要聚焦在專用人工智能上,發(fā)展勢頭較猛,并已取得可觀成就。而通用人工智能還未實現(xiàn),屬于停滯不前的狀態(tài)。騰訊董事會主席兼首席執(zhí)行官馬化騰認為通用人工智能發(fā)展趨勢越來越清晰。AI從專才向通才發(fā)展,實現(xiàn)從專用人工智能向通用人工智能的跨越發(fā)展,這也是下一階段的重要趨勢。2.通用人工智能2.6.2人工智能的應用體驗目前,很多人工智能的技術(shù)已經(jīng)放在云端,比如一些App和微信小程序等。下面我們可以來體驗一下人工智能帶給我們生活上的便捷。在微信小程序中搜索“騰訊云AI體驗中心”,可以利用這個小程序來體驗騰訊的AI服務,如圖2-13(a)所示,里面有人臉特效、人臉識別、文字識別等功能。在日常生活中,可以通過生物特征識別技術(shù)進行身份查找和身份確認。其中,人臉屬性識別是通過圖片識別出人臉的性別、年齡、表情等屬性值的一項技術(shù),圖2-13(b)所示為使用騰訊云AI體驗中心的“人臉屬性”功能對某幅人臉圖像進行識別。2.6.2人工智能的應用體驗思考與練習1.什么是人工智能?2.專用人工智能與通用人工智能的區(qū)別有哪些?3.請說出人工智能在生活中的應用。4.人工智能帶給我們哪些便捷?謝謝觀看知識表示第三章知識結(jié)構(gòu)知識目標1.了解知識、知識表示的概念。2.掌握各種算法表示知識的過程。能力與素養(yǎng)目標1.能夠用謂詞邏輯表示法表示知識。2.能夠繪制狀態(tài)空間圖進行問題的表示。3.培養(yǎng)嚴謹?shù)倪壿嬐评砟芰?。專題拓展閱讀在“互聯(lián)網(wǎng)+”時代,最熱門的詞語可能就是大數(shù)據(jù)了。手機話費賬單是大數(shù)據(jù),信用卡消費記錄是大數(shù)據(jù),我們?nèi)粘Ｊ褂玫闹Ц秾毐澈笠灿写髷?shù)據(jù)的支撐。數(shù)據(jù)已經(jīng)滲透到當今每一個行業(yè)和業(yè)務職能領(lǐng)域,成為重要的生產(chǎn)因素。人們開始著力于對海量數(shù)據(jù)進行挖掘和運用,力求在大數(shù)據(jù)里面快速地獲取相關(guān)的信息。隨著國家大數(shù)據(jù)戰(zhàn)略配套政策措施的制定和實施,我國大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展環(huán)境將進一步優(yōu)化,大數(shù)據(jù)的新業(yè)態(tài)、新業(yè)務、新服務將迎來爆發(fā)式增長,產(chǎn)業(yè)鏈進一步成熟和擴張。我國大數(shù)據(jù)的資源掌控能力、技術(shù)支撐能力和價值挖掘能力,正加快促使我國邁向數(shù)據(jù)強國。要想在大數(shù)據(jù)里面快速地獲取相關(guān)的信息,最基本的技術(shù)就是知識的表示,它決定著人工智能如何進行知識學習,是最底層、最基礎(chǔ)的部分,因此是人工智能當中很重要的一個技術(shù)手段。專題拓展閱讀人類之所以擁有智能行為是因為人類擁有知識,擁有對知識的獲取、表達、搜索、分析和解答等智能能力。因此,要想讓機器系統(tǒng)像人一樣具有智能能力(人工智能),則必須以人的知識為基礎(chǔ),因為知識是人工智能的基石。但是人類所熟知的知識對于計算機而言,需要用適當?shù)谋硎拘问奖磉_出來