《数据科学与大数据通识课PPT》18 人工智能

,数据科学与大数据通识导论 ——比特和算法重构我们的世界,,A-SATA model,,,课程总览,,,开篇实例：⼈⼯智能将带来巨⼤的商机,10年后，⼈⼯智能将取代世界上90%的工作（李开复）,第18课 人工智能,人工智能简史 数据驱动的智能时代 终极智能,从AlphaGo说起,现代人工智能的兴起,现代人工智能（Artificial Intelligence，简称AI），一般认为起源于美国1956年的一次夏季讨论（达特茅斯会议），在这次会议上，第一次提出了“Artificial Intelligence”这个词。,From left: Trenchard More, John McCarthy, Marvin Minsky, Oliver Selfridge, and Ray Solomonoff.,人工智能的定义,人工智能研究领域,⼈⼯智能简史,人工智能、机器学习与深度学习,思考题,人工智能中的“人工”和“智能”分别怎么理解？,数据驱动的人工智能新范式,数据科学家 海量数据 计算能力 闭环的反馈 清晰的边界,计算机之所以能战胜人类，是因为机器获得智能的方式和人类不同，它不是靠逻辑推理，而是靠大数据和智能算法。,智能革命,机器智能革命的发生来自大数据量的积累达到质变的奇点。,解决智能问题，就是将问题转化为消除不确定性的问题，大数据则是解决不确定性问题的良药。 影响世界的变量太多以至于无法用数学模型来描述； 不确定性来自客观世界本身，是我们所在宇宙的特性。 智能革命 = 大数据 + 智能算法,深度学习,机器学习技术的进步带来人工智能领域的革命,机器学习是一门让计算机在非精确编程下进行活动的科学。在过去十年，机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。,什么领域适合⼈⼯智能？,⼈⼯智能的未来蓝图,计算能力+ 大数据+ 学习算法,Google  Alphabet的⼈⼯智能平台,人工智能不同技术领域的商业化程度,思考题,为什么说大数据是新一代人工智能的燃料？,终极智能,从 AlphaGo 到 AlphaGo Zero,关键问题的思考：什么是数据？,其实就是一个二元组(x, y)：其中x是一次观测值，也就是“看到了什么”；而y是观测的标签，也就是“看到的是什么”。这两个要素，凑在一起才叫一条数据，缺一不可。 例如，在语音识别中，x就是一段声音信号，y就是对应的文本；而在人脸识别中，x就是一副图片，y就是这个人的编号。,AlphaGo Zero的启示,有充足(x, y)这样的数据是AI必要的物质基础。 由观察x能够显著降低y的不确定性。 获得有效的数据：生成的数据p(x)分布，要跟真实分布尽量接近。 超越人类：人类本身进化的过程没有见过类似大量的数据 正例：围棋、股票操盘手、互联网数据分析 反例：语音、视觉 能自动生成数据则无敌，也就是说让机器有快速进化的能力。,RISELab: The World s Hottest AI Lab,https://rise.cs.berkeley.edu/,RISELab (2017-2022),Enabling Intelligent Real-time Decisions,A Berkeley View of Systems Challenges for AI,四大趋势： 关键性任务的人工智能 (Mission-critical AI) 个性化人工智能 (Personalized AI) 跨多组织机构的人工智能 (AI across organizations) 后摩尔定律时期的人工智能 (AI demands outpacing the Moore‘s Law),A Berkeley View of Systems Challenges for AI,九大挑战： 持续学习（Continual learning） 鲁棒决策（Robust decisions） 可解读的决策（Explainable decisions） 安全飞地（Secure enclaves） 对抗学习（Adversarial learning） 在保密数据上的共享学习（Shared learning on confidential data） 特定领域定制的硬件（Domain specific hardware） 组件化的AI系统（Composable AI systems） 跨云端和边缘的系统（Cloud-edge systems）,思考题,随着人工智能技术的发展，人类和智能机器之间会是一个什么样的关系？,人工智能简史 数据驱动的智能时代 终极智能,总结,书籍推荐,Thanks!,