《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!,