人工智能方面的概述（人工智能的简述）

今天给各位分享人工智能方面的概述的知识，其中也会对人工智能的简述进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、人工智能的应用领域有哪些？
• 2、人工智能的发展概况
• 3、人工智能领域都有哪些
• 4、人工智能与专家系统概述
• 5、人工智能概述

人工智能的应用领域有哪些？

人工智能主要应用领域包括:1、农业方面。2、通信方面。3、医疗方面。4、社会治安方面。5、交通领域方面。6、服务业方面。7、金融行业方面。

人工智能的发展概况

人工智能(Artificial Intelligence) ，英文缩写为AI。

它是研究、开发用于模拟、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。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器、语言识别、图像识别、自然语言处理和专家系统等

简介

人工智能，英文单词 Artilect，来源于 雨果·德·加里斯 的著作

“人工智能”一词最初是在1956 年Dartmouth学会上提出的。

从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。

人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发 具有人工智能的机器人展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。

它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

目前能够用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。

除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

来自：求助得到的回答

人工智能领域都有哪些

什么是人工智能？

人工智能是研究、开发用于模拟、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，是认知、决策、反馈的过程。

人工智能技术的细分领域有哪些？

人工智能技术应用的细分领域：深度学习、计算机视觉、智能机器人、虚拟个人助理、自然语言处理—语音识别、自然语言处理—通用、实时语音翻译、情境感知计算、手势控制、视觉内容自动识别、推荐引擎等。

下面，我们就每个细分领域，从概述和技术原理角度稍微做一下展开，供大家拓展一下知识。

1、深度学习

深度学习作为人工智能领域的一个重要应用领域。说到深度学习，大家第一个想到的肯定是AlphaGo，通过一次又一次的学习、更新算法，最终在人机大战中打败围棋大师。

对于一个智能系统来讲，深度学习的能力大小，决定着它在多大程度上能达到用户对它的期待。。

深度学习的技术原理：

1.构建一个网络并且随机初始化所有连接的权重； 2.将大量的数据情况输出到这个网络中； 3.网络处理这些动作并且进行学习； 4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重； 5.系统通过如上过程调整权重； 6.在成千上万次的学习之后，超过人类的表现；

2、计算机视觉

计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉有着广泛的细分应用，其中包括，医疗领域成像分析、人脸识别、公关安全、安防监控等等。

计算机视觉

计算机视觉的技术原理：

计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。

3、语音识别

语音识别，是把语音转化为文字，并对其进行识别、认知和处理。语音识别的主要应用包括电话外呼、医疗领域听写、语音书写、电脑系统声控、电话客服等。

语音识别

语音识别技术原理：

1、 对声音进行处理，使用移动函数对声音进行分帧； 2、 声音被分帧后，变为很多波形，需要将波形做声学体征提取； 3、 声音特征提取之后，声音就变成了一个矩阵。然后通过音素组合成单词；

4、虚拟个人助理

苹果手机的Siri，以及小米手机上的小爱，都算是虚拟个人助理的应用。

虚拟个人助理技术原理：（以小爱为例）

1、用户对着小爱说话后，语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息； 2、由于用户手机处于开机状态，语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定电 线发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器； 3、该服务器中的内置系列模块，将通过技术手段来识别用户刚才说过的内容。

5、自然语言处理

自然语言处理（NLP），像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言的通信。

NLP

自然语言处理技术原理：

1、汉字编码词法分析； 2、句法分析； 3、语义分析； 4、文本生成； 5、语音识别；

6、智能机器人

智能机器人在生活中随处可见，扫地机器人、陪伴机器人……这些机器人不管是跟人语音聊天，还是自主定位导航行走、安防监控等，都离不开人工智能技术的支持。

智能机器人技术原理：

人工智能技术把机器视觉、自动规划等认知技术、各种传感器整合到机器人身上，使得机器人拥有判断、决策的能力，能在各种不同的环境中处理不同的任务。智能穿戴设备、智能家电、智能出行或者无人机设备其实都是类似的原理。

7、引擎推荐

淘宝、京东等商城，以及36氪等资讯网站，会根据你之前浏览过的商品、页面、搜索过的关键字推送给你一些相关的产品、或网站内容。这其实就是引擎推荐技术的一种表现。

Google为什么会做免费搜索引擎，目的就是为了搜集大量的自然搜索数据，丰富他的大数据数据库，为后面的人工智能数据库做准备。

引擎推荐技术原理：

推荐引擎是基于用户的行为、属性（用户浏览行为产生的数据），通过算法分析和处理，主动发现用户当前或潜在需求，并主动推送信息给用户的浏览页面。

人工智能与专家系统概述

一、人工智能与专家系统

人工智能AI(Artificial Intelligence)是集计算机科学、神经科学、心理学、语言学、认知学、思维科学、控制论、信息论等多种学科于一体的新兴边缘科学，也是当代主要的高科技领域之一。人工智能可定义为用计算机来研究思维的科学，即由计算机来模仿和实现人类的智能行为的学科，如判断、图像识别、理解、学习、规划和问题求解。自1956年正式提出人工智能的概念后，四十多年以来，人工智能的研究已取得了重大进展，它的最主要的研究和应用领域有：专家系统、机器学习、模式识别、自然语言理解、机器人学、计算机视觉、分布式人工智能等。

专家系统ES(Expert System)是人工智能的一个重要分支，自20世纪60年代以来，专家系统得到研究、开发和利用，并取得重大进展。专家系统主要研究如何使计算机程序能模仿各个领域的人类专家在解决实际问题时的思维过程，使机器具有专家水平的智能。专家系统的出现，使人工智能的研究发生了重大的转变，它实现了人工智能从理论研究走向实际应用，是人工智能从一般思维规律探讨走向专门知识应用的重大突破。专家系统的成功使人们更清楚地认识到人工智能系统应该是一个知识处理系统，而知识表示、知识获取、知识利用则是人工智能系统的三个基本问题。从1985年起，专家系统愈来愈引起人们的关心和注意，在很多情况下，专家系统逐渐成为人工智能的代名词。

开发专家系统的关键是表达和运用专家知识，即来自人类专家并已被证明对解决有关领域内的典型问题是有用的事实和过程。它和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般不能用算法解决，并且经常要在不完全、不精确或不确定的信息基础上做出结论。它应该是一个有相当数量权威性知识、并能运用这些知识解决特定领域中实际问题的计算机程序系统。它根据用户提供的数据、信息和事实，运用系统存储的专家经验和知识，进行推理判断，最后得出结论。同时给出这些结论的可信度，供用户决策之用。

专家系统通过推理的方法来解决问题，并且得到的结论和专家相同。专家系统的重要部分是推理，正是由于这一点，使专家系统不同于一般的资料系统和知识库系统。在专家系统中所存储的不是答案，而是进行推理的能力与知识。

二、地质专家系统

随着计算机的日益普及，专家系统在地质学中同样得到广泛应用。地质专家系统是在解决具有专家级规模和难度的地质问题中，用以局部地或全部地代替地质专家的计算机程序系统。地质专家经过长期学习和大量实践积累了丰富的知识和经验，他们的理论造诣很深，技术娴熟，工作稳妥高效。他们知道运用所掌握的知识解决具体问题的诀窍和避免失误的方法，并善于从多种信息中发现问题的本质，将遇到的新问题归结为自己熟悉的问题类型，从而迅速找到解决问题的有效途径。地质专家系统正是建立在地质专家丰富的知识和经验基础之上的。在这种系统中，具有由数量充足并达到一定权威性的地质知识建立的知识库，采取一定的推理策略，具备学习机制，能够对知识库进行补充和改进，用以提高解决地质问题的能力。专家系统在地学领域中的应用主要包括：矿产资源评价预测、矿床勘探、地质和测井资料分析、矿床地质特征监控、地质分类和对比、地质工程自动控制、遥感地质图形自动处理和地质成果评价等。

成矿预测是地质专家系统应用的重要领域，在这一领域中地质专家系统的应用最早、应用的面也最广泛，同时在地质专家系统的各种应用中具有最重要的意义。建立在矿床地质模型基础之上的“探矿者”(PROSPECTOR)专家系统是其中最著名的例子，该系统于1976年建立于美国斯坦福大学国际研究所人工智能中心，是世界上最早建立的3个专家系统之一。目前，其第二代产品PROSPECTOR Ⅱ包含了86个矿床模型和多于146个矿床的信息。该系统本身就是一个数字矿床模型专家系统，同时也是一个应用于成矿预测的计算机人工智能咨询系统，该系统无论是对专家系统研究本身或是对专家系统在地质领域中的应用都有重要意义。

人工智能概述

这幅有关“人工智能发展成熟度曲线”的漫画，形象地展示出人们在此前两次人工智能热潮中，从被人工智能在某些领域的惊艳表现震撼，到逐渐认识到当时的人工智能还有各种局限，以至于产生巨大心理落差的有趣过程。

人工智能基本可以分为三个阶段：符号阶段，统计学习阶段，神经网络。

1 . 符号阶段

这个阶段技术原理：人为指定逻辑 =》 机器执行逻辑并产生结果

这个是图灵机的原型，图灵的基本思想是用机器来模拟人们用纸笔进行数学运算的过程。

在这个阶段，是人制定规则，然后由机器去执行这些规则，进行推理和预测。

但是，这个阶段是有问题，什么问题？

比如：一个医疗专家系统（用于判断病情）

问题1：世界是复杂的，混沌的，老专家的经验能转为计算机的规则和逻辑的部分也是有限的，是没有办法穷举的。

问题2：而且不同病情有相同的症状，导致无法准确的判断病情，所以这个阶段自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。

因此从 1976 年开始，人工智能的研究进入长达 6 年的萧瑟期。

2 . 统计学习阶段

这个阶段技术原理：数据 + 算法 =》机器学习逻辑 =》 根据学习的逻辑产生结果

这个阶段是通过数据加算法改变自身的学习，所以又可以称为机器学习，有了简单模拟人的思维，这个阶段的思维是学习来的，规则也是学习来的，而 “ 符号阶段 “ 是人给机器制定规则，机器帮人决策，和前一个阶段有着本质的区别。

举几个例子：

但是统计学习阶段很难准确模仿人的直觉，比如：声音识别，人脸识别，情绪识别等。

3 . 神经网络

这个阶段技术原理：数据 + 模拟人的大脑结构 =》机器学习逻辑 =》 根据学习的逻辑产生结果

这个阶段就是把上一个阶段的 算法 换成了 模拟人的大脑结构（神经元），每个神经元代表不同的维度，把这些维度结合综合分析，然后得出结果，这就非常接近人的思维逻辑了，比如看一张照片，确认照片里的人是谁，我们能快速的认出来，但是却无法解释我们是如何分辨的，其实就是一种直觉，说不清，道不明，神经网络也是如此，就像一个黑盒子，你不知道里面是如何运作的。

正因为如此，所以结构复杂，结果非常难以预测，在有些情况下（比如数据量或算力不够大），神经网络还不如普通的机器学习算法，比如SVM（支持向量机）。

3.1神经网络模仿人的大脑结构：

3.2.实现原理：

图中的小圆圈其实是一个个的神经元，每个神经元负责某一个特征，神经元之间相互联系，然后把所有的特征组合为更高级的复杂特征。神经元越多，神经网络越复杂，就和人的神经元一样，大脑不断的学习，树突不断在增加。

神经网络也是有问题，甚至不能简单的异或逻辑运算，需要大量的数据学习，大量的数据学习需要大量的算力。

直到大数据和GPU的出现，有了充足的数据和强的算力，让训练复杂的神经网络变为现实，以往打游戏的显卡NVIDIA ，成为了专业人工智能驯兽师。

某些复杂系统面前， 数据在增长，大数据的洞见确没有增长。

因为大数据预测遇到了噪声失效。

例如：

美国大选，数据上看是希拉里占优势，但是还是出现了黑天鹅事件，特朗普赢了。

所以多维度，多因素的复杂系统面前，大数据预测往往就失效了，这个时候大数据 + 人工智能也许是更好的解决方案。

1.根据学习模式分类

通过告诉计算机哪些是猫，哪些是狗，让计算机不断的学习猫和狗，通过这种指引的方式，计算机就掌握辨别猫和狗的能力，其实就是给图片打上猫和狗的标签，这个过程是有人参与的，所以叫监督学习。

通过给计算机大量猫和狗的图片，让计算机发现其中猫和狗特征的规律，然后把猫和狗分类，这里学习到是猫和狗的特征规律，计算机并不知道猫是猫，狗是狗。

1.文本分类

2.智能交通

借助海量的出行数据、 实现智能交通

3.照片物体识别

4.可以识别人的情绪：

5.声音识别

智能家居，智能汽车

6.翻译

百度翻译，有道翻译，谷歌翻译

7.AI设计师

8.艺术

9.金融

比如：机器代替人去筛选研报，阅读研报，给出分析数据

比如：预测股价

10.农业

11.医疗,目前主要还是在图像识别阶段，比如看片。。。

12.围棋：

13.无人驾驶

人工智能包含机器学习

机器学习包含表征学习

表征学习包含深度学习

关于人工智能方面的概述和人工智能的简述的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。