人工智能导图笔记

人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。下图梳理了人工智能的发展史、分类和应用，收藏下图学习吧！

人工智能

• 基本概述
  • 定义
    • 直观理解
      • 普通人
        • 与人类行为的近似性
    • 定义
      • 实用主义
        • 人工智能是研究、开发用于模拟、延伸和 扩展人的智能理论方法、技术及应用系统的一门新的 技术科学。人工智能是计算机科学的一个分支;
      • 教科书
        • 教科书定义:人工智能科学的主旨是研究和开发出智能实 体，在这一点上它属于工程学.工程的一些基础学科自不 用说，数学.逻辑学、归纳学,系统学.控制学.工程 学、计算机科学、还包括对哲学、心理学 生物学、神经 科学、仿生学、经济学、语言学等其他学科的研究，可以 说这是一个集数门学科精华的尖端学科•所以说人工智能 是一门综合学科.
    • 图灵测试
      • 测试者与被测试者（一个人和一台机器）隔开的情况下，通过 一些装置（如键盘）向被测试者随意提问C进行多次测试后， 如果有超过30%的测试者不能确定出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.
  • 分类
    • 弱人工智能
      • 擅长于单个方面的人工智能；
        • 比 如有能战胜象棋世界冠军的人工智能,但是它只会下象 棋,你要问它怎样更好地在硬盘上储存数据,他就不知道 怎么回答你了“
    • 强人工智能
      • 人类级别的人工智能
        • 难度
          • 创造强人工智能比创造弱人工智能 难得多，我们现在还做不到
        • 解释
          • 强人 工智能是指在各方面都能和人类比肩的人工智能.人类能 干的脑力活它都能干
        • 定义
          • 以种宽泛的心理能力、能够进行思考、计划、 解决问题、抽象思维、理解复杂理念、快递学习和从经验中学习等操作；
          • 强人工智能在进行这些操作时应该和人 类一样得心应手；
    • 超人工智能
      • 超人工智能:牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领都比最脱明的人 类大脑都聪明很多.包括科学创新、通识和社交技 熊•”超人工智能可以使各方面都比人类强一点，也可以 是各方面都比人类强万亿倍的.超人工智能也正是为什么
  • 演进
    • 1. 人工智能的诞生（1943-1956年）
      • 1943-1946年，冯.诺依曼提出计算机原理
      • 1950年，图灵发表了一篇跨时代的论文，并提出了著名的 “图灵测试”
      • 1956年，达特茅斯会议：AI 诞生
    • 2. 早期发展热潮（1950-1970年）
      • 符号主义
      • 早期推理系统
      • 早期神经网络（联结主义）
      • 专家系统
        • 智能计算机程序系统，其包含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识的解决问题的方法来处理该领域的问题。
    • 3. 第二次发展热潮（1980-2000年）
      • 统计学派
        • “AI 之冬”之后，语音识别领域，统计学派取代专家系统
      • 机器学习
        • 专门研究计算机如何模拟或实现人类的学习行为以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
      • 神经网络（联结主义重获新生）
        • 神经网络用于模式识别等任务
    • 4. 第三次发展热潮（2006年之后）
      • 大数据广泛应用
        • 指无法在一定时间范围内，用常规软件工具进行捕捉，管理和处理的数据集合，是需要新处理模式才能具有更强的决策力，洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
      • 深度学习
        • 通过组合低层特征，形成更加抽象的高层，表示属性类别或特征，以发现数据的分布式特征表示
        • 强化学习，迁移学习，生成对抗网络等新技术的发展
        • 机器视觉、语音识别、机器翻译等领域深度学习的普遍应用
      • （非深度）机器学习
      • AlphaGo 为标注的大众传播
  • 应用
    • 互联网应用
      • 搜索引擎
      • 内容推荐引擎
      • 精准营销
      • 语音和自然语言交互
      • 图像和视频内容理解、检索
      • 用户画像
      • 反欺诈
    • 智慧交通
      • 自动驾驶汽车
        • 传感器
        • 感知
        • 规划
        • 控制
        • 整车继承
        • 车联网
        • 高精度地图
        • 模拟器
      • 智慧公路网络和交通标志
      • 共享雏形
      • 自动物流车辆和物流机器人
      • 智能物流规划
    • 智能金融
      • 银行业
        • 风控和反欺诈
        • 精准营销
        • 投资决策
        • 智能客服
      • 保险业
        • 风控和反欺诈
        • 精准营销
        • 智能理赔流程
        • 精准营销
      • 证卷、基金、投行等
        • 量化交易
        • 智能投顾
    • 智慧医疗
      • 医学影像智能判读
      • 辅助诊断
      • 病历理解和检索
      • 手术机器人
      • 康复智能设备
      • 智能制药
    • 智能制造
    • 智慧农业
    • 机器翻译
  • 影响
    • 产业变革
      • 人工智能的发现势必形成大规模的产业变革.很 多商业模式开始重新洗牌，对创业者来说是个机 会也是一个挑战.
    • 失业和社会保障问题
      • 人工智能的大规模使用，尤其是是机 器人的出现,大量可重复性的工作将 会被机器人取代，导致很多人事业， 从而带来一系列的社会问题.因此我 们解决人类生活和谐问题.
    • 费富差距问题
      • 人工智能的出行.黄富差距会进一步拉大. 利用人工智能.有钱人会变得更加有钱，而 穷人因为失去了工作会变得更加穷。
    • 地区发展不均衡问题
      • 人工智能属于高科技产业，前期的投入 非常大，一旦大规模市场化.则可以帮 所在的地区提高生产效率，这意味着. 缺乏人工智能技术的地区,还处于原始 的状态,就像晚清时期，英国进入了工 业革命,中国还处于农耕社会一样，会 加大两个地区的经济失衡问题,
    • 产业结构调整
      • 人工智能时代.人与机器的分工，会 促进产业结构的调整。
    • 人工智能时代的服务业
      • 服务业升级，下岗人员可以从事 贴心的关爱型服务，同时提高企税收
    • 教肓、职业培训、再教育
      • 李开复博士认为.对人工智能所 不搐长的领域进行有针对性的人 员教育和再培训；
    • 对个人的影响
      • 失业和社会保障问题
      • 心理层面的影响
        • 人类的自我价值
        • 人类的自我实现
        • 人机协同时代的人 类心理学
      • 个人教育和个人成长
      • 择业
  • 未来
    • 阿西莫夫机三定律
      • 第一定律：机器人不得伤害人类个体，或者目睹人类个体将 遭受危险而袖手不管；
      • 第二定律：机器人必须服从人给予它 的命令，当该命令与第一定律 冲突时例外；
      • 第三定律：机器 人在不违反第一、第二定律的 情况下要尽可能保护自己的生 存。
    • 人类命运-费米悖论
      • 1 .银河系中有数十亿和太阳系类似的恒星，其中很 多比太阳系古老10亿以上。
      • 2 .其中一些恒星很可能会有类似地球的行星，它们很有可能也会孕育智慧生命。
      • 3.其中部分智慧生命可能会发展出星际飞行的科 技。
      • 4,即使以我们现在能够想象的科技飞行，它们也能 够在一百万年内飞遍整个星系
      • 5 .我们为什么没有在太空中看见一个智慧生命的影 子呢？这就是著名的费米悖
    • 常见形式
      • 机器人
      • 人机结合体
      • 非人形智慧机器人
      • 人机互联
    • 关系：类与机器
      • 随着人工智能时代的到来.人类和机器人的 关系如何处理，才能确保人类的利益，并达 到各方面的平衡，是一个不得不面对的问
    • 智慈的本质
      • 智慧的本质是什么？不断的获取吗？这是一个哲 学问题，随着社会的进步不断的需要解答。
    • 宇宙的命运
      • 宇宙的终极命运是物理宇宙学中一个主要的议题.许 多科学理论都对宇宙的命运做出预测，包括时间的无 限及有限的争论。自从大爆炸理论被科学家广泛的接受后.宇宙的终极命运也就成为一个可以被探讨的问
• 实现方式
  • 基于知识模型
    • 算法模型
  • 基于大量数据
    • 机器学习
      • 分类
        • 监督学习
        • 无监督学习
        • 强化学习
• 理论体系
  • 数学基础
    • 微积分
    • 线性代数
    • 概率统计
    • 集合论和图论
    • 信息论
    • 博弈论
  • 技术机基础
    • 计算机原理
    • 程序设计语言
    • 操作系统
    • 分布式系统
    • 算法基础
  • 机器学习算法
    • 机器学习基础
      • 估计方法
      • 特征工程
    • 线性模型
    • 逻辑回归
    • 决策树
    • 支持向量机
    • 贝叶斯分类器
    • 神经网络
      • 深度学习
        • MLP
        • CNN
        • RNN
          • LSTM
        • GAN
    • 聚类算法
      • K均值算法
  • 机器学习分类
    • 监督学习
      • 分类任务
      • 回归任务
    • 无监督学习
      • 聚类任务
    • 迁移学习
    • 强化学习
  • 问题领域
    • 语言识别
    • 字符识别
      • 手写识别
    • 机器视觉
    • 自然语言处理 机器翻译
    • 知识推理
    • 自然语言理解
    • 自动控制
    • 游戏理论和人机博弈
      • 象棋
      • 围棋
      • 德州扑克
      • 星际争霸
  • 机器学习架构
    • 加速芯片
      • CPU
      • GPU
      • FPGA
      • ASIC
        • TPU
    • 虚拟化
      • 容器
        • Decker
    • 分布式结构
      • Spark
    • 库和计算框架
      • TensorFlow
      • scikt-leam
      • Torch
      • MXNET
      • Theano
      • Caffe
      • Microsoft CNTK
    • 可视化解决方案
    • 云服务
      • Amazon ML
      • MSCOCC
      • Google Cloud ML
      • Microsoft Azure ML
  • 数据集和竞赛
    • 阿里天池
    • MSCOCC
    • Kaggle
    • ImageNet
  • 其他场的人工智能技术
    • 知识图谱
    • 统计语言模型
    • 专家系统
    • 遗传算法
    • 博弈算法