人工智能、智能革命和人类简史-nanyangtechnologicaluniversity

《人工智能、智能革命和人类简史-nanyangtechnologicaluniversity》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、人工智能、智能革命和人类简史黄广斌江苏省江都中学84级87届学生新加坡南洋理工大学电子电气工程学院教授Guang-BinHuang,ProfessorofSchoolofElectricalandElectronicEngineeringNanyangTechnologicalUniversity,Singapore母校江苏省江都中学报告04.27.2018新加坡南洋理工大学简介BriefIntroductionto(NTU,Singapore人工智能ArtificialIntelligence人工智能应用AlphaGo(阿法狗)4新加坡南洋理工大学教授黄广斌（

2、Guang‐Bin Huang）: weibo.com/elm201x; egbhuang@ntu.edu.sg人工智能应用无人车无人船无人机机器人5新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang）: weibo.com/elm201x; egbhuang@ntu.edu.sg人工智能应用监控6新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang）: weibo.com/elm201x; egbhuang@ntu.edu.sg人工智能的10大应用智能工厂智能农场智能教育智能家居人工智能10大应用智能医疗智能商场智能博弈智能餐厅智能金融智能交

3、通7新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang）: weibo.com/elm201x; egbhuang@ntu.edu.sg历史进程：人工智能和机器学习的三浪发展1950s‐1980s2010‐现在预热1980s‐2010特点：计算机能力有限，没有数据/产业驱动有效算法，没有足够多的数据形势：华人创造性地把计算机翻译成电脑，是巧合、梦想还研究驱动是预见？特点：计算机功能足够强大，处处特点：计算机功能足够强大，是智能传感器和智能单元，数据超大，开发出许多算法，许多情况下有效算法逐步推进人类从此也变成了没有足够多的数据一个“超级智能传感器”形势

4、：少工业产业驱动，研究形势：不管人们信不信，人们只能更多的来自研究人员和学术界愈来愈依赖人工智能和机器学习；相的自发自我追求比于“农业革命”和“工业革命”，“智能革命”影响更大、更深远8新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang）: weibo.com/elm201x; egbhuang@ntu.edu.sg机器学习时代的必要条件高效的计算环境高效的学习算丰富动法态的数据自从2010年开始这三个必要条件已经同时满足,虽然还处在及其初级阶段，还在不断发展提高，但这并不影响广泛应用和需求9新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang

5、）: weibo.com/elm201x; egbhuang@ntu.edu.sg深度学习不是生物学习，但有效（许多情况下，但不是通用方法）深度学习Deep Learning生物学习BiologicalLearning对网络结构大小极其敏感对生物神经元网络模块大小不是苛求，稳定性很高（每个模块大小不等：几十~几万个神经元）极其”痛苦”的人工”调参”并没有什么“人”在“脑”中不时“调参”在并行和硬件实现上比较难并行和硬件实现是生物学习机制的天然实现模式很难微型实时学习；需要大量的时间；很难实现多通道数据实时微型实时学习；天然实现多通道数据实时融合和决策系统实时融合

6、和决策系统实时同步同步很难实现在线串行数据学习（sequential learning）和数据流学习天然在线串行数据学习和数据流学习（stream data learning）大数据高精度；许多简单的应用也需要才能大数据实现用小数据解决许多复杂应用需要海量计算资源（通常几千几万个快速计算单元的并行运算）低速的神经元并行学习学习速度极其低速，在学习精度上极其“贪婪”讲究高学习速度，高的准确率，但不过分“贪婪”于学习精度总是先有应用，再去找寻相匹配的“个性化”强的学习算法总是先有普适的“脑”，再有应用10新加坡南洋理工大学教授黄广斌（Guang‐Bin Huang）

7、: weibo.com/elm201x; egbhuang@ntu.edu.sg生物学习的奥秘SecretofBiologicalLearning（人工/生物）学习理论-超限学习机（ELM）理论•人工神经网络应用的（存在性）理论基础–万能逼近能力定理[1980s-1990s众多科学家]:任何连续目标函数可以用前馈神经网络以任意小的误差近似逼近。–万能分类能力定理[Huang,etal2000]:任何理论上可以分开的目标都可以用人工（前馈）神经网络加以分开。–次优学习定理[Huang,etal2012]:SVM（支持向量机）提供次优学习解,Kernel（核）函数不

8、必是黑箱，可以通过ELM