华为云人工智能入门级开发者认证学习笔记

人工智能入门级开发者认证

人工智能定义

定义

人工智能 (Artificial Intelligence) 是研究、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

强人工智能 vs 弱人工智能

强人工智能：强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。有和生物一样的各种本能，比如生存和安全需求。在某种意义上可以看作一种新的文明。
弱人工智能：弱人工智能是指不能制造出真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。

人工智能三阶段

目前仍然处于感知智能的阶段

AI、机器学习、深度学习的关系

人工智能包含机器学习包含深度学习

人工智能发展历史

人工智能发展简史

第三次热潮 -- 算力、大数据、深度学习

人工智能产业生态

中国人工智能产业图谱

人工智能技术架构

概览

基础架构层

大数据

数据

数据是真实世界不同现象的抽象表达。

步骤

原始数据→(分类，标签)→ 信息→(关联)→ 知识→(挖掘) 洞察→(?) 智慧

计算机硬件（算力）

CPU→GPU→AI芯片

算法层

机器学习

从给定的输入- 输出样例中试图找出规律

神经网络和深度学习

启发

人类神经网络

深度神经网络

前馈网络
反馈网络
图网络

技术方向

计算机视觉

内容审核
语义分割
人脸检测
图像搜索
车辆检测
图像分类

语音处理

自然语言处理

应用领域

智慧城市

目前问题

数据多效果少
科技新落地少
单点强全局弱

应用场景

全城感知
全城预警
全城检索
全城协同
交通体征大屏
应急车辆监控

金融

零售

设计

配色参考
图片智能分析

生产制造

拍摄样品
智能质检

收益管理

最优定价策略

供应链管理

仓储设计
库存管理
区域划分
运输网络路径优化

电商

以图搜图
智能推荐

线下零售

智能选址
智能识别商品
智能监督
优化商品摆放
客流统计
消费者行为分析

医疗

语音录入病历

高效记录医患沟通图
助推医疗信息化

医疗影像分析

病灶识别与标注，减少重复性工作
帮助医生发现更有价值的罕见病状

综合性诊疗

虚拟医生
利用NLP、知识图谱、计算机视觉等协助推理、诊疗

身体健康管理

健康状态监测、疾病发生预测、全方位管理健康

医疗机器人

手术机器人、康复类机器人等
提高手术精度

医学药物研发

降低发现候选药物所需时长
技术成熟后有望在新药研发领域每年降低280亿美元成本

农业

智慧农业数据分析与预测
智慧农业降低农药成本
智慧农业降低农业收割成本
智慧农业临空系统

人工智能落地挑战

数据获取
- 数据积累不足
- 数据质量差
- 数据安全合规
- 数据归属权
数据治理
- 多源异构数据
- 非结构化数据
- 海量数据存储与应用
数据标注
- 小场景数据采集
- 复杂业务场景理解
- 数据安全

缺乏解释性

AI 已经在大量的关键系统中运行，并且开始进入到很多业务的核心数据处理体系。但是，对于 AI 的核心运行机制，依然没有彻底研究清楚。
深度学习系统的弱解释性给现有的AI系统带来了安全性、稳定性的挑战，如何确保AI不会失控，避免恶性事件发生，是目前AI研究领域重要的课题。

算法的偏见

算法的偏见主要源于数据的偏见。
我们在用人工智能算法做决策时，算法可能是根据已有的数据，学会歧视某一个体。如根据种族，性别或其他因素，作出有歧视倾向的决策。即使种族或性别等因素被排除在数据之外，算法也能够利用人的姓名或地址中的信息做出有歧视倾向的决定。

隐私问题

现有的人工智能算法都是数据驱动，我们需要大量的数据来训练模型。
我们每天在享受人工智能带来的便捷的同时，例如Facebook，谷歌，亚马逊，阿里巴巴等科技公司在获取大量的用户数据。而这些数据会揭露我们生活的方方面面（如政治、宗教和性等）。

AI犯错

对抗样本攻击

能解决的问题领域

人工智能发展趋势

更完善的人工智能基础数据服务

更安全的数据共享

联邦学习在保证数据隐私安全的前提下，利用不同数据源合作训练模型，进一步突破数据的瓶颈。

端-边-云全面发展的算力

应用于云端、边缘设备、移动终端的人工智能芯片规模不断增长，进一步解决人工智能的算力问题。

大模型与轻量化

在大数据和强算力的支撑下，模型参数不断增加，更多大模型提出，也带来更好的泛化性能，同时，为应对移动终端及各种边缘设备部署的挑战，模型轻量化等技术也在不断发展。

更易用的框架

MindSpore、TensorFlow 2.x、Pytorch等主流开发框架都在朝易用、全能的方向演进，不断降低人工智能的开发门槛。

不断突破的应用场景

AI技术发展现状及技术挑战

计算机视觉

初级视觉

超分辨率重建
图像修复

中级视觉

物体检测
图像分割
分割
- 分类（Classification）：解决"是什么？"的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。
- 检测（Detection）：解决"是什么？在哪里？"的问题，即定位出这个目标的的位置并且知道目标物是什么。
- 分割（Segmentation）：分为实例分割（Instance Segmentation）和语义分割（Semantic Segmentation），解决"每一个像素属于哪个目标物或场景"的问题。