前沿技术第一章
1.人工智能简介
总结
人工智能简介总结
1 定义与起源
◦ 人工智能（AI）没有统一定义，但其核心是模拟和扩展人类智能。
◦ 1956年达特茅斯会议首次提出AI定义：让机器像人一样行动并具备智能。
◦ 学术观点包括：
▪ Nils J. Nilsson：AI是关于知识的学科，研究如何表示、获取和使用知识。
▪ Patrick Winston：AI是使计算机完成过去只有人类才能完成的智能任务。
2 发展与应用
◦ 经过半个世纪发展，AI已从简单的人类智能模拟转向研究智能活动规律，构建智能系统或硬件。
◦ 应用领域广泛，包括图像识别、语音识别、语义识别、人机对话、自动驾驶等。
◦ 关键技术包括语音识别、图像识别、自然语言处理、机器学习等。
3 三要素：数据、算力、算法
◦ 数据：海量数据为AI提供燃料，训练模型需要百万级甚至更多数据量。数据隐私化和私域化成为趋势。
◦ 算力：AI芯片（如GPU、NPU）大幅提升运算能力，加速深度学习训练。量子计算可能带来计算能力的新突破。
◦ 算法：深度学习突破传统浅层算法瓶颈，自动化机器学习（AutoML）、联邦学习、因果学习等成为研究热点。
4 未来趋势
◦ 数据驱动：数据量以指数形式增长，推动虚拟世界扩张。
◦ 算法融合：多学派方法融合发展，追求可解释性AI（XAI）。
◦ 技术创新：无监督预训练、神经网络结构优化等方向持续演进。
5 资源与社区
◦ 开源框架：PyTorch、TensorFlow、scikit-learn等提供强大工具支持。
◦ 预训练模型：GloVe、BERT、FastText等助力快速开发。
◦ 数据集：ImageNet、CoCo、GLUE等为研究提供丰富素材。
◦ 学术资源：国际顶级期刊（如JMLR、IEEE TPAMI）和会议（如ICML、NeurIPS）推动AI理论与实践进步。
6 代表性学者
◦ 国际：Michael I. Jordan、Yann LeCun、Geoffrey Hinton等。
◦ 国内：张钹、周志华、李航等。
总结：人工智能通过数据、算力和算法的结合，不断拓展人类智能边界，其应用已渗透到多个领域，未来将更加注重可解释性、隐私保护和跨学科融合。
大纲
人工智能概述
• 2022年，ChatGPT的发布引发了AI热潮。
• 人工智能并未有统一定义。
• 达特茅斯会议（1956）首次提出人工智能定义：机器模仿人类智能。
• 经过半个世纪发展，AI成为研究人类智能活动规律并构建智能系统的边缘学科。
1.1 人工智能的定义
• Nils J. Nilsson观点：人工智能是关于知识的学科。
• Patrick Winston观点：人工智能研究如何使计算机完成过去只有人类才能做的智能工作。
• 经典定义：智能主体可以理解数据及从中学习，并利用知识实现特定目标和任务的能力。
1.2 人工智能的学派
• 主要学派：符号主义及联结主义。
• 不同时代、学科背景的人对智慧的理解及其实现方法不同。
1.3 人工智能的应用
• 图像识别准确度大幅提升，商业化应用场景广泛。
• 语音识别技术突破为人机语音交互奠定基础。
• 语义识别技术进步实现多轮对话，开放域聊天仍面临挑战。
1.4 未来趋势
数据量
• 海量数据为AI发展提供燃料。
• 数据集丰富性和大规模性对算法训练至关重要。
• 数据隐私化、私域化趋势明显。
运算力
• AI芯片提升运算效率，加速深度神经网络训练。
• GPU在处理海量数据方面具有压倒性优势。
• 计算能力进步受限时，量子计算提供新思路。
算法
• 深度学习突破算法瓶颈，2006年Geoffrey Hinton提出”Deep Learning”概念。
• 机器学习自动化(AutoML)发展，追求自动化构建和使用。
• 分布式隐私保护方向演进，联邦学习保护输入数据。
• 数据和机理融合，追求实践效果与简洁表达。
• 神经网络模型结构沿模块化+层次化方向发展。
• 多学派方法融合发展，互补算法优缺点。
• 基于大规模无(自)监督预训练发展，利用无标签数据。
• 基于因果学习方法发展，构建可解释性AI。
1.5 其他资源
网络教学信息
• 斯坦福课程：http://v.163.com/special/opencourse/machinelearning.html
• CMU课程及相关视频链接
相关学术文章
• COLT、ICML、CV、NIPS、JMLR等年度官网及期刊
相关学术期刊和会议
机器学习
• 学术会议：NIPS、ICML、ECML、COLT
• 学术期刊：《Machine Learning》、《Journal of Machine Learning Research》
数据挖掘
• 学术会议：SIGKDD、ICDM、SDM、PKDD、PAKDD
• 学术期刊：《Data Mining and Knowledge Discovery》、《IEEE Transactions on Knowledge and Data Engineering》
人工智能
• 学术会议：IJCAI、AAAI
• 学术期刊：《Artificial Intelligence》、《Journal of Artificial Intelligence Research》
数据库
• 学术会议：SIGMOD、VLDB、ICDE
• 其他顶级期刊如《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《Neural Computation》
国内外研究者
国际代表性学者
• Michael I. Jordan、Yann Lecun、Geoffrey E. Hinton等
国内知名学者
• 张钹、周志华、李航等
开源资源
开源代码
• Pytorch、Tensorflow、scikit-learn等深度学习框架和工具库
预训练模型
• Glove、FastText、ELMo、BERT等自然语言处理模型
数据集
• ImageNet、CoCo、PASCAL VOC等计算机视觉数据集
• GLUE、WikiText、SQuAD等自然语言处理数据集