What is AI ? &机器如何学习？#AI 1
引言
Hi，guys. I am RUROBO！
OK，Ready Go！
一、Development course of AI
1.0 在此超级无敌super，感谢thank you ，在数学领域做出贡献的天才！
Cause：天文、物理、计算机.......数学为他们表达相对确定的世界提供了很好的工具！Awesome！
1.1 The Turing Test （图灵测试1950）
[图灵提出了一种测试机器是不是具备人类智能的方法。]
1.2 Picked the name “Artificial Intelligence” by John McCarthy（1955）
John McCarthy（1971图灵奖获得者）和另外三位学者提出了人工智能这个一术语及研究范围。
1.3 [Dartmouth Conference](https://en.m.wikipedia.org/wiki/Dartmouth_workshop
)(达特茅斯会议1556)
1956年，几个计算机科学家相聚在达特茅斯会议，提出了“人工智能”的概念，梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。（构想AI Blueprint）
此次会议，标志着，AI的诞生！
1.4 1956-present
二、Machine Learning &Definition
2.0 Definition about AI
| 弱人工智能 | 强人工智能 |
|---|---|
| 也被称为狭义人工智能，是一种为特定的任务而设计和训练的人工智能系统。例如，小爱同学、AlphaGo等目前大多数小领域的人工智能应用。 （偏执的robot） | 又称人工通用智能，是一种具有人类普遍认知能力的人工智能系统。当计算机遇到不熟悉的任务时，它具有足够的智能去寻找解决方案。 (全面的多才多艺的robot） |
So，现在我们研究的领域还处于弱人工智能。
| 监督式学习 | 非监督式学习 |
|---|---|
| 监督式学习需要使用有输入和预期输出标记的数据集。 【分类，回归等】 | 非监督式学习是利用既不分类也不标记的信息进行机器学习，并允许算法在没有指导的情况下对这些信息进行操作。【聚类】 |
监督学习
例如 菠萝识别 我可以输入足量的菠萝照片，并且给定确定的输出为菠萝标签或者其他标签。这些数据被认为是一个“训练”数据集，直到程序能够以可接受的速率成功地对图像进行分类，以上的标签才会失去作用。
在我们预先知道正确的分类答案的情况下，算法对训练数据不断进行迭代预测，然后预测结果由“老师”进行不断修正。当算法达到可接受的性能水平时，学习过程才会停止。
更简单的理解， 我们既给定X的值，也给定了Y的值。最总学习成为只需要给地一个输入X，就可以直接预测Y的值
非监督学习
例如 一种算法被称为“聚类”，它根据诸如头发长度、下巴大小、眼睛位置等特征将相似的对象分到同一个组。[face_recognition]。
更简单的理解 ，我们只给定X值
| Artificial Intelligence | Machine Learning | Deep Learning |
|---|---|---|
| 人工智能＞ | ＞机器学习 | ＞深度学习 |
2.1What machine learning can do or can not do?
人工智能时代的5秒钟准则：
一项未来由人从事的工作，对工作中需要思考或决策的问题，人能在5秒钟之内做出相应的决策，这项工作就有非常大的可能被人工智能技术取代。
Anything you can do with 5 second of thougtht,We can probably now or soon automate!
符合5秒法则：
-
只做信息录入与操作的股票交易员，其基本只要2-3秒就能做出决策，中介性质的工作。
-
驾驶汽车的司机，人脑根据密集的路况在1-2秒内做出快速反应，需要的是快速感知外部环境、快速响应。
-
会议记录员，如在一次例会，根据既定的格式编稿，就能获得汇报会议内容以及任务清单。
三、How Machine learning to work out？
下面RUROBO会尽量少使用文字和公式。（多看图，多想像画面）
3.0 最抽象的描述（套娃之最外层）
传统的编程是：给定数据规则，求答案
机器学习是：给定的数据和答案，自动学习求的最佳的模型（规则）
不错如果你已经完成10%的学习（我们继续，下面以如何识别手写字为例子。）
3.1 神经网络（neural network）
我们知道将一张照片由无数个pixel（像素28*28=784）组成，那么我们放大看一下👆(每个像素范围0~1)
那么这个像素点就是我们的Date（输入数据），而0—9这十个数字就是我们输出量（Answers）。
下面GIF注意仔细看哦
没错，你没看错，我们多了一个环节，"Hidden layers"，隐藏层
我们再来整体的捋一遍：
神经元分为三种不同类型的层次：
输入层接收输入数据。在我们的例子中，输入层有784个神经元，输入层会将输入数据传递给第一个隐藏层。
隐藏层对输入数据进行数学计算。创建神经网络的挑战之一是决定隐藏层的数量，以及每一层中的神经元的数量。
人工神经网络的输出层是神经元的最后一层，主要作用是为此程序产生给定的输出，在本例中输出结果是0~9。
恭喜你 你已完成60%的学习！（夸一夸你们）
3.2 隐藏层
简化一下如上👆
神经元之间的每个连接都有一个权重w。这个权重表示输入值的重要性。
每个神经元都有一个激活函数。它主要是一个根据输入传递输出的函数。 当一组输入数据通过神经网络中的所有层时，最终通过输出层返回输出数据。
我们需要计算多少的Weights？（来我们用小学计算能力，简单算一算）
大概需要13000个权重值，哇如此大的计算量！
那么就要得加大计算力了。现在同使用GPU，能够提高不少得速度。
3.3 Deep learning
从低层次特征 - - - - (组合) - - ->抽象的高层特征
**深度学习**，恰恰就是通过组合低层特征形成更加抽象的高层特征（或属性类别）。例如，在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。此外，不仅图像存在这个规律，声音也是类似的。比如，研究人员从某个声音库中通过算法自动发现了20种基本的声音结构，其余的声音都可以由这20种基本结构来合成！
LOOK![]()
小结一下：
-
我们知道深度学习是从已知得数据和答案入手，最终获得一个rule（模型）
-
我们了解一下，最基本得神经网络，有三层 input| hiddenlayers|output
-
知道什么Weights
Andrew Ng（吴恩达）：
“与深度学习类似的是，火箭发动机是深度学习模型，燃料是我们可以提供给这些算法的海量数据。”
为了提高深度学习，提高模型准确性—需要：
-
大量得数据
-
计算力
-
优秀的算法
四、AI and society
4.1 To be anxious？
如果整个人类大约6000年的文明史被浓缩到一天也就是24小时，我们看到的将是怎样一种图景？
苏美尔人、古埃及人、古代中国人在凌晨时分先后发明了文字； 20点前后，中国北宋的毕昇发明了活字印刷术； 蒸汽机大约在22:30被欧洲人发明出来； 23:15，人类学会了使用电力； 23:43，人类发明了通用电子计算机； 23:54，人类开始使用互联网； 23:57，人类进入移动互联网时代； 一天里的最后10秒钟，谷歌AlphaGo宣布人工智能时代的到来……
4.2 Goldilocks rule for AI
-
Too optimistic: 🤖 Sentient/super-AI killer robots coming soon
-
Too pessimistic：😒AI cannot do everyhting ,so an AI winter is coming.
-
Just right：🆗AI can't do everything ,but will transform industries.
4.3 If you cease to study ,you cease to live.
人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能，几乎一定可以由机器来完成；反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感（爱、恨、热情、冷漠等）与他人互动的能力……这些是人工智能时代最有价值，最值得培养、学习的技能。
而且，这些技能中，大多数都是因人而异，需要“定制化”教育或培养，不可能从传统的“批量”教育中获取。
五 、Machine learning top10 &tools
Tools
1.TensorFlow （Google）
TensorFlow是Google基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。（ensorFlow完全开源已经有2.0版本了）
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
2.Caffe（贾扬清）
Caffe是一个深度学习框架，最初开发于加利福尼亚大学伯克利分校。Caffe在BSD许可下开源，使用C++编写，带有Python接口。是贾扬清在加州大学伯克利分校攻读博士期间创建了Caffe项目。项目托管于GitHub，拥有众多贡献者。
Caffe应用于学术研究项目、初创原型甚至视觉、语音和多媒体领域的大规模工业应用。
3. Paddle（百度AI）
飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业应用需求，拥有活跃的开发者社区生态。
对于初学者，里面有许多可以学习的教程哦。有免费的算力还有许许多多的开源项目。【强烈推荐哈哈哈】
Machine learning top10
No.1 face_recognition [33894 stars]
face_recognition: 脸部识别 API （facial recognition），支持 Python 编程接口 贡献者：[Adam Geitgey](
（另外9个TOP）更多内容到我博客RUROBO的AI专栏Machine learning top10 &tools #AI 2获取。感谢你的支持
RUROBO ，能力有限，如有错误请更正！
如果喜欢请不要吝啬你的赞👍、收藏和转发Thank you ！
怕什么真理无穷，进一寸又一寸的欢喜！！
六、相关参考资料：
paddle：https://aistudio.baidu.com/aistudio/projectdetail/150131?_origin=newbie
李开复:《人工智能》
3BLUE1BROW :https://www.3blue1brown.com
浙公网安备 33010602011771号