英语软件学习王 人工智能简介(2)

5.霍普菲尔德神经网络：

这是一种递归神经网络（Recurrent Neural Network）

由约翰·霍普菲尔德在1982年发明

该神经网络具有反馈（Feed back）机制

6.反向传播（Back Propagation）算法

1974年哈佛大学的保罗·沃伯斯发明，由于当时处于人工智能的第一个寒冬，所以没有受到重视

1986年大卫·鲁姆哈特等学者出版的书中完整地提出了BP算法

使大规模神经网络训练成为可能，将人工智能推向第二个高峰

7.人工智能的第二个寒冬：

1990年开始

人工智能计算机 Darpa 没有实现

政府的投入缩减

8.深度学习（Deep Learning）

基于深度（指 “多层” ）神经网络

2006年 由 杰弗里·辛顿（Geoffrey Hinton）提出

人工智能在性能上获得突破性进展

9.进入感知智能时代：

深度学习在语音和视觉识别上分别达到99%和95%的识别率

2013年开始

人工智能三个时代：运算智能、感知智能、认知智能，目前我们处于感知智能时代

10.AlphaGo 击败众多人类选手：

Google买下的DeepMind公司的AlphaGo （基于TensorFlow开发）

2016年接连击败围棋界顶尖棋手，如柯洁、李世石等

深度学习被广泛关注，掀起学习人工智能的热潮

11.未来由我们创造：

目前已经进入了大数据时代，人工智能需要基于海量数据训练，我们可以利用大数据去训练人工智能

并且现在的计算机的运算能力也越来越强

特别是在CES 2018的Intel展台上，Intel展示了Tangle Lake量子计算芯片（CPU），该芯片达到49量子比特

同时英特尔在此次展会期间还再次展出了其AI芯片Loihi，基于人工神经网络

Loihi有128个计算核心，每个核心1024个人工神经元，整个芯片上含有13万个人工神经元和1.3亿个 “突触” 连接。

它模拟人体大脑的工作方式，替代传统半导体芯片的逻辑门，号称相比传统CPU能耗比高出千倍

所以人工智能是大势所趋，不过我们也不能过分乐观，未来也许还会有低潮

Tangle Lake量子计算芯片：

AI芯片Loihi：

简单来说AI、机器学习和深度学，这三者呈现出同心圆的关系：

同心圆的最外层是人工智能，从提出概念到现在，先后出现过许多种实现思路和算法。

同心圆的中间层是机器学习，属于人工智能的一个子集，互联网的许多推荐算法、相关性排名算法，所依托的基础就是机器学习。

同心圆的最内层是深度学习，以机器学习为基础的进一步升华，是当今人工智能大爆炸的核心驱动。

人工智能能够王者归来，深度学习功不可没，深度学习是引领人工智能热潮的 “ 火箭 ” ，深度学习作为 “后代”，却给 “爷爷” 和 “爸爸” 争光了。

什么是学习？

学习是一个过程：如果一个系统，能够通过执行某个过程，改善了性能，那么这个行为就是学习

说得更深入一些，学习的目的是 “减熵”

热力学第二定律：一个孤立系统倾向于增加 熵 （混乱程度）

例如我们处于一个新环境时，我们需要通过学习这个新环境的知识去适应环境，应对该环境的变化，减少混乱程度，所以才说学习的目的是 “减熵”

机器学习的必要性：

很多软件无法靠人工去编程，例如：自动驾驶、计算机视觉、自然语言处理等

人类经常会犯错（比如紧张、累了、困了），机器不容易犯错

机器的计算能力越来越强，提高我们的生活质量，加快科技发展

“晦涩” 的机器学习定义：

对某类任务T（Task）和性能度量P（Performance）

通过经验E（Experience）改进后