快速了解人工智能：浪潮，技术及应用.doc

《快速了解人工智能：浪潮，技术及应用.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、快速了解人工智能：浪潮,技术及应用　　一、AI的三次浪潮　　　　第一次AI浪潮　　第一次AI浪潮起于1950～1960年，止于1980年代。由于出现在网络之前，因此又被称为“古典人工智能”。这时期出现的“符号主义”与“联结主义”，分别是日后“专家系统”与“深度学习”的雏形。只不过，虽然当时的成果已能解开拼图或简单的游戏，却几乎无法解决实用的问题。　　第二次AI浪潮　　第二次AI热潮伴随着计算机的普及，出现在1980年代。这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”（Expert快速了解人工智能：浪潮,技术

2、及应用　　一、AI的三次浪潮　　　　第一次AI浪潮　　第一次AI浪潮起于1950～1960年，止于1980年代。由于出现在网络之前，因此又被称为“古典人工智能”。这时期出现的“符号主义”与“联结主义”，分别是日后“专家系统”与“深度学习”的雏形。只不过，虽然当时的成果已能解开拼图或简单的游戏，却几乎无法解决实用的问题。　　第二次AI浪潮　　第二次AI热潮伴随着计算机的普及，出现在1980年代。这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”（Expertsystem）为主。然而，纵使当时有商业应用的实例，应用

3、范畴却很有限，热潮也因此逐渐消退。　　第三次AI浪潮　　第三次AI浪潮则出现于2010年代，伴随着高性能计算机、因特网、大数据、传感器的普及，以及计算成本的下降，“机器学习”随之兴起。所谓机器学习（Machineleaning），是指让计算机大量学习数据，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。　　二、AI的三大技术　　快速了解了AI的发展史后，我们来看看当代人工智能的三大代表性模型：遗传算法、专家系统、类神经网络。　　1、遗传算法　　遗传算法（GeneTIcalgorithm；GA），又称为演化式算法（EvoluTIo

4、naryalgorithm），是受达尔文演化论所启发的人工智能。它透过“适者生存”的规则，将“优秀的个体”想象成“好的答案”，透过演化的方式来找出最佳解。　　2、专家系统　　专家系统（Expertsystem），则是针对预设的问题，事先准备好大量的对应方式。它应用在很多地方，尤其是疾病诊断。只不过，专家系统只能针对专家预先考虑过的状况来准备对策，它并没有自行学习的能力，因此还是有其局限性。　　3、类神经网络　　从第三次AI浪潮所兴起的机器学习（Machinelearning）有许多种手法，其中最受瞩目的，莫过于深度学习（Deeplearnin

5、g）了。所谓深度学习，是透过模仿人脑的“类神经网络”（Neuralnetwork）来学习大量数据的手法。　　　　类神经网络的由来　　若你去观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。　　兴奋起来的神经元，会将电器信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了类神经网络。　　　　类神经网络：深度学习　　我们可以

6、发现，经模型化的的类神经网络，是由“输入层”（Inputlayer）、“隐藏层”（Hiddenlayer）及“输出层”（Outputlayer）等三层所构成。另外，学习数据则是由输入数据以及相对应的正确解答来组成。　　以影像辨识为例，为了让AI学习类神经网络的模型，首先必须先将影像学习数据分割成像素数据，然后将各像素值输进输入层。　　接受了数据的输入层，将像素值乘上“权重”后，便传送给后方隐藏层的神经元。隐藏层的各个神经元会累加前一层所接收到的值，并将其结果再乘上“权重”后，传送给后方的神经元。最后，经由输出层的神经元的输出，便可得到影像辨识

7、的预测结果。　　为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。　　这个权重的计算，一般是使用“误差倒传递算法”（ErrorBackPropagaTIon），使用与正解数据之间的误差，从输出层逆推回去。透过各“权重”的调整，来缩小输出层的值与正解数据的值之间的误差，以建立出完成学习的模型。　　由于过去类神经网络之间进行传递的权重值难以优化，因此曾有多数研究者对类神经网络的研究持否定态度。直到2006年，辛顿（GeoffreyHinton）开发出自动编码器（Autoencoder）的手法，才突破了

8、这项瓶颈。　　自动编码器是指，在类神经网络的输入层和输出层使用相同数据，并将隐藏层设置于二者之间，借此用来调整类神经网络之间的权重参数的一种手法。利用以自动编码器所