导图社区 AI人工智能知识
AI人工智能知识,涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下。
编辑于2024-11-04 14:03:22《全国计算机等级考试3级教程——信息安全技术(2022最新版本)》是一本全面介绍信息安全领域知识的教材,它依据教育部考试中心制订的《全国计算机等级考试3级信息安全技术考试大纲(2022年版)》编写。以下是该书的主要内容概述,方便您发布到社区共享给他人: 1. **信息安全保障概述**:包括信息安全保障的背景、基础、体系框架以及基本实践方法。涉及信息技术的发展阶段、影响、信息安全的发展阶段、含义、面临的安全风险、问题产生的根源、信息安全的地位和作用以及信息安全技术。 2. **信息安全基础技术与原理**:涵盖密码技术(包括对称密码与非对称密码、哈希函数、数字签名、密钥管理)、认证技术(消息认证和身份认证)、访问控制技术(访问控制模型和访问控制技术)以及审计和监控技术。 3. **系统安全**:探讨操作系统安全和数据库安全的基础与实践,包括操作系统和数据库的安全基础以及安全实践方法。 4. **网络安全**:包括网络安全基础(TCP/IP协议架构和网络协议)、网络安全威胁技术(扫描技术、网络嗅探、网络协议欺骗等)以及网络安全防护技术(防火墙、入侵检测系统和入侵防御系统、PKI、V。
《人工智能导论》是一本全面介绍人工智能基本概念、理论和技术的书籍。它详细阐述了人工智能的发展历史、基本原理和关键技术,以及其在各个领域的应用。本书内容涵盖了机器学习、自然语言处理、计算机视觉、语音识别、知识表示与推理等多个子领域。此外,还介绍了人工智能在医疗、金融、教育、交通等实际应用场景的案例。这本书适合对人工智能感兴趣的学生、研究人员和行业从业者阅读,帮助他们掌握人工智能的核心知识,推动相关领域的发展。
AI人工智能知识,涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下。
社区模板帮助中心,点此进入>>
《全国计算机等级考试3级教程——信息安全技术(2022最新版本)》是一本全面介绍信息安全领域知识的教材,它依据教育部考试中心制订的《全国计算机等级考试3级信息安全技术考试大纲(2022年版)》编写。以下是该书的主要内容概述,方便您发布到社区共享给他人: 1. **信息安全保障概述**:包括信息安全保障的背景、基础、体系框架以及基本实践方法。涉及信息技术的发展阶段、影响、信息安全的发展阶段、含义、面临的安全风险、问题产生的根源、信息安全的地位和作用以及信息安全技术。 2. **信息安全基础技术与原理**:涵盖密码技术(包括对称密码与非对称密码、哈希函数、数字签名、密钥管理)、认证技术(消息认证和身份认证)、访问控制技术(访问控制模型和访问控制技术)以及审计和监控技术。 3. **系统安全**:探讨操作系统安全和数据库安全的基础与实践,包括操作系统和数据库的安全基础以及安全实践方法。 4. **网络安全**:包括网络安全基础(TCP/IP协议架构和网络协议)、网络安全威胁技术(扫描技术、网络嗅探、网络协议欺骗等)以及网络安全防护技术(防火墙、入侵检测系统和入侵防御系统、PKI、V。
《人工智能导论》是一本全面介绍人工智能基本概念、理论和技术的书籍。它详细阐述了人工智能的发展历史、基本原理和关键技术,以及其在各个领域的应用。本书内容涵盖了机器学习、自然语言处理、计算机视觉、语音识别、知识表示与推理等多个子领域。此外,还介绍了人工智能在医疗、金融、教育、交通等实际应用场景的案例。这本书适合对人工智能感兴趣的学生、研究人员和行业从业者阅读,帮助他们掌握人工智能的核心知识,推动相关领域的发展。
AI人工智能知识,涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下。
AI人工智能知识
定义
artificial intelligence(人工的、人造的智能),简称 AI
研究、开发用于模拟、延伸和扩展人的智能行为的理论、方法、技术及应用系统的一门综合性科学
涉及到计算机科学、数学、统计学、哲学、心理学等多种学科的知识 ,总体上归类于计算机学科之下
智能的维度
认知能力:理解、学习、推理、记忆等
适应能力:解决问题、应对环境变化等
自主能力:独立完成任务、自主决策等
核心要素
算力
GPU、ASIC(TPU、NPU)、FPGA等
算法
机器学习、深度学习、强化学习、迁移学习等
数据
结构化数据、非结构化数据等
数据采集、数据清洗、数据标准、数据存储等
学派
三大主要学派
符号主义学派
联结主义学派
行为主义学派
其它学派
进化学派
贝叶斯学派
类推学派
主要研究方法
基于知识的方法
专家系统、知识图谱
基于学习的方法
机器学习、深度学习
基于仿生的方法
行为主义、进化计算
按智能水平分类
弱人工智能(Weak AI)
只专精于单一任务或一组相关的任务,不具备通用智能能力
强人工智能(Strong AI)
具有一定的通用智能能力,能够理解、学习并应用于各种不同的任务
超人工智能(Super AI)
在几乎所有方面都超过人类智能,包括创造力、社交技能等
发展阶段
萌芽期
1940s-1956 图灵测试
诞生期
达特茅斯会议 1956
第一次浪潮
符号主义 1956-1973
第二次浪潮
符号主义(专家系统) 1980-1990
第三次浪潮
1994-现在 机器学习、深度学习
机器学习
监督学习(Supervised Learning)
算法从带有标签的数据集中学习,即每个训练样本都有一个已知的结果
非监督学习(Unsupervised Learning)
算法从没有标签的数据集中学习
半监督学习(Semi-supervised Learning)
结合了少量的带标签数据和大量的未带标签数据进行训练
强化学习(Reinforcement Learning)
通过试错的方式,学习哪些行为可以获得奖励,哪些行为会导致惩罚
神经网络
卷积神经网络(Convolutional Neural Network,CNN)
循环神经网络(Recurrent Neural Network,RNN)
生成对抗网络(Generative Adversarial Network,GAN)
长短期记忆网络(Long Short-Term Memory,LSTM)
Transformer(转换器)
深度学习
定义
深度学习,具体来说,是深度神经网络学习
是机器学习的一个重要分支
深度学习算法使用了更多的“隐藏层”(数百个),它的能力更加强大,让神经网络能够完成更困难的工作
框架
TensorFlow(Google)
Caffe(BVLC)
Keras(fchollet)
CNTK(Microsoft)
Torch7(Meta)
PaddlePaddle飞桨(百度)
MindSpore昇思(华为)
大模型
定义
具有庞大参数规模和复杂计算结构的机器学习模型
绝大多数大模型的基础核心结构,都是Transformer及其变体
目前常说的大模型,主要是大语言模型(Large LanguageModel)。
过程
预训练
使用大量无标注数据训练语言模型的过程
赋予了模型一定的通用性,适应多种不同下游任务的能力
微调
在预训练的基础上,使用标注数据(即特定任务的数据)进一步训练模型,使其适应特定的应用或任务
分类
按用途
通用大模型
行业大模型
按特点
语言大模型
以文本数据进行训练
视觉大模型
以图像数据进行训练
多模态大模型
文本和图像都有
按功能
分析式(决策式)
生成式
按开闭源
开源大模型
闭源大模型
商业模式
订阅模式
API服务模式
平台服务模式
定制化服务模式
广告和推广模式
数据授权模式
AIGC(人工智能生成内容)
定义
使用人工智能技术来自动创建或生成内容
生成的内容可以包括文本、代码、图像、音乐、视频等。
类别
生成文本
GPT系列、文心一言、通义千问、盘古、Claude 3、Diffusion-LM、Chinchilla等
文生图
DALL·E 2、Stable Diffusion、Midjourney、Pixeling千象、DreamGaussian、百度AI作画、通义万相等
文生音频
MusicLM、ElevenLabs、Wondershare Filmora、Reecho睿声、天工SkyMusic、琴乐大模型、FunAudioLLM、MusicGen等
文生视频
Sora、Stable Video Diffusion、Vidu等
主要能力
计算机视觉(CV)
图像识别、视觉识别、人脸识别、视频识别、文字识别、步态识别...
语音识别
声音识别、声纹识别、语音合成、语音交互...
自然语言处理
信息理解、文字校对、机器翻译、自然语言生成...
具身智能
家庭服务机器人、医疗护理机器人、酒店服务机器人、工业机器人…
应用领域
工业制造
自动化生产、智能质检、设备运维、供应链管理…
医疗健康
医疗影像分析、基因测序、疾病预测、药品研发、个性化治疗…
金融证券
风险管理、信用评估、欺诈监测、量化交易、行情预测…
教育培训
个性化学习路径、智能辅导、课程推荐…
交通物流
自动驾驶、路线优化、流量分析、应急预案…
新闻媒体
稿件采写、素材创造、文本润色…
游戏娱乐
角色设计、元素生成、剧情设计、特效制作…
作用和价值
站在企业的角度
AI能够自动化重复性、繁琐的任务,提高生产效率和质量,同时降低人力成本
AI不仅可以提升治理效率,也能够带来新的商业模式、产品和服务,刺激经济
站在政府的角度
AI不仅可以提升治理效率,也能够带来新的商业模式、产品和服务,刺激经济
站在个人的角度
AI可以帮助我们完成一些工作,也可以提升我们的生活品质
站在整个人类的角度
AI在疾病治疗、灾害预测、气候预测、消灭贫穷方面,也可以发挥重要的作用
困难和挑战
就业
可能会威胁到大量的人类工作岗位,导致大量失业
犯罪
AI被用于发动战争、欺诈(模仿声音或换脸,进行诈骗)
隐私
侵犯公民权益(信息过度采集、侵犯隐私)
公平
如果只有少数公司拥有先进的AI技术,可能会加剧社会的不公平现象
AI的算法偏见,也可能导致不公平
依赖
AI变得越来越强大,也会让人们产生对AI的依赖,失去独立思考和解决问题的能力
信心
AI的强大创造力,有可能让人类失去创造的动力和信心
安全
围绕AI的发展,还有安全(数据泄露、系统崩溃)、道德伦理等一系列问题