前言

人工智能简称AI，是当下谈论最多的一个话题，人工智能已经开始侵入到我们的生活中，我们每天都能感受到人工智能给我们带来的惊喜。

人工智能发展史

人工智能历史

人工智能并不是一个新的技术，早在上个世纪就开始研究。

• 1945艾伦图灵在论文《计算机器与智能》中提出了著名的图灵测试，给人工智能的发展产生了深远的影响。

• 1951年，马文·明斯基（Marvin Minsky）和迪恩·爱德蒙（Dean Edmunds）建立了“随机神经网络模拟加固计算器"SNARC。

• 1955年8月31日，“人工智能”(artificial intelligence）一词在一份关于召开国际人工智能会议的提案中被提出，正式宣告人工智能作为一门学科的诞生。

• 在1965年麻省理工学院约瑟夫·维森班（Joseph Weizenbaum）间建立了世界上第一个自然语言程序ELIZA。

• 70年代开始，科学家的成果无法满足社会的期待，有限的计算机能力和快速增长的计算需求之间形成了尖锐的矛盾。

人工智能进入第一个冬天。

• 1981年，日本国际贸易和工业部提供8.5亿美元用于第五代认算机项目研究。

• 1986年10月，大卫·鲁梅尔哈特（David Rumelhart）、杰弗里·辛顿（Geoffrey Hinton）和罗纳德·威廉姆斯（Ronald Williams）发表了一篇具有里程碑意义的经典论文《通过误差反向传播学习表示》

• 80年代后期，产业界发现对专家系统的开发与维护成本高昂，商业价值有限，在失望情绪的影响下，对人工智能投入大副削减，人工智能的发展再度步入冬天。

• 2007年，李飞飞（Fei Fei Li）和普林斯顿大学的同事开始建立ImageNet。这是一个大型注释图像数据库，旨在帮助视觉对象识别软件进行研究。

• 2010年，ImageNet大规模视觉识别挑战赛（ILSVCR）正式举办，这项比赛是为了比较大家在影像辨识和分类方面的运算能力

• 21世纪互联网蓬勃发展，人类进入“大数据时代”，电脑芯片的计算能力持续调整增长，人工智能学者开始引入不同学科的工具，一大批新的数学模型和算法被发展起来，人工智能厚积薄发，再造辉煌，迎来第三次浪潮

• 2012年10月，多伦多大学设计的卷积神经网络在ImageNet大规模视觉识别挑战赛（ILSVCR）中实现了16%的错误率。比前一年的最佳水平（25%）有了明显提高。

• 2016年3月，谷歌DeepMind研发的AlphaGo在围棋人机大战中击败韩国职业九段棋手李世乭。在2017年又战胜了当时世界排名第一的中国棋手柯洁。

• 2018年人工智能成为最热门的科技话题之一，未来商业价值显著，人才需求近一步扩大。

人工智能的前景

看下中国人工智能市场规模的增长，复合年均增长路44.5%，一路攀登。

人工智能机器革命有望成为第三次工业革命的切入点和增长点，影响全球制造业格局。

发展驱动力

前面几次的寒冬有些原因是因为机器能力的不够，硬件达不到。现在我们有了GPU，我们的芯片计算能力越来越强。同时5G时代的到来，让视频时代，直播时代达到顶峰，提升了计算能力。

人才培养与教育

人工智能已经进入到校园，各种人工智能的教材已经推出，学校教育已经跟上。

人工智能在各行各业的应用

生活应用

比如我们的智能手机人脸解锁，解锁的速度甚至超过了指纹识别，方便了我们的生活。

比如我们的AI自拍美颜，让我们告别了自拍一分钟P图一小时，还能给颜值打分。

语音助手可以帮我们打电话，定闹钟，让上班族不再迟到，不再忘记日程。

最近比较火的智能音箱，已经可以进行简单的对话，可以告诉我们天气，阅读感兴趣的新闻。

还有智能扫地机器人，当你回到家你会发现扫地机器人早已经把房间打扫的干干净净，成为懒癌一族的居家必备品。

还有购物网站，打开后发现推荐的都是自己感兴趣的产品，这背后的技术就是大数据用户画像和智能的推荐系统，作为商城的支撑。

综上你会发现，AI就在我们的周围，给我们的生活带来越来越多的便捷，所以现在越来越多的人关注人工智能行业。

人工智能如何解决行业痛点

安防

大数据分析犯罪嫌疑人生活轨迹及可能出现的场所，利用计算机视觉技术发现并进行抓捕。

金融

利用语音识别、语义理解等技术打造智能客服。

医疗

智能影像可以快速进行癌症早期筛查，帮助患者更早发现病灶。

交通

无人驾驶通过传感器、计算机视觉等技术解放人的双手和感知。

零售

利用计算机视觉、语音/语义识别，机器人等技术提升消费体验。

工业制造

机器人代替工人在危险场所完成工作，在流水线上高效完成重复工作。

人工智能与机器学习

定义

人工智能是通过机器来模拟人类认识能力的一种科技能力。

人工智能最核心的能力就是根据给定的输入做出判断或预测。

·思考

通过什么途径才能让机器具备预测的能力？

孩子在刚出生的时候需要大人们不断的传授经验，教他判断，识别，最终才有一定的能力，同样机器也需要学习。

什么是机器学习

机器可以说就是一个计算器，他最擅长的就是数学计算。

机器学习为人工智能提供了基础，机器学习就是一种使用数据来训练软件模型的技术。

什么是模型

模型可以根据X的数值计算出Y的值，简单的说，如果有一个函数，输入一组X的数值（特征值），机器计算出中Y（预测值）的数值，f（x）=y函数可以理

解为一个简单的模型。

举个例子：

可以表示为下面图形。

X1,X2,X3.…代表特征值，

W1,W2,W3.…代表权重,

复杂权重计算交给机器处理，得到f（x)=0.1231xX1+0.41xX2+0.57xX3,画出广义的f(x)=y坐标图

上面这个函数就是模型，可以大概的预测出房价。即使没有经验的人也可以精确预测出房价。

监督学习与非监督学习实例

监督学习的定义

从给定的训练数据集（历史数据）中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集需要包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。

学习方式

回归

线性回归举例：假设有一项健康运动的研究调查，通过手腕传感器收集一些健身者的数据，比如性别、身高、体

重、年龄、心率、运动时长、体温、消耗的卡里路数据，现在要利用这些数据来预测罗西锻炼所消耗的卡路里。

通过华为的AI计算中心，上传训练数据，进行训练。

待训练完成后，我们可以测试下模型，在之前我们看下误差的定义。

回归模型的评估值为MAE（平均绝对误差）、MSE（均方误差）、RMSE（均方根误差）。上述3个误差值是指评分真实值与预测值之间的误差，在多次建模的过程中，每一次建模结果都会产生一组误差值，评判一个回归模型好坏的方法就是看这三个误差值是否变小或者变大，误差值越小表示回归模型越好.

分类

分类举例：假设有一家诊所，收集到患者的一些信息，例如血糖指数、心脏血压、年龄、身体质量指数等信息，井且已标注糖尿病患者和非糖尿病患者（1和0），利用数据训练一个模型来做预测。

看下生成的模型数据，是一棵决策树。

这和人的判断是一样的，这就是分类的方法。

分类模型的评估标准

模型预测的值是在0到1之间，阈值的选择决定预测值。

若一个实例是正例，并且被预测为正例，即为真正例（True Postive TP）。

若一个实例是正例，但是被预测成为负例，即为假负例（False Negative FN）。若一个实例是负例，但是被预测成为正例，即为假正例（False Postive FP）·

若一个实例是负例，并且被预测成为负例，即为真负例（True Negative TN）·

精确率、准确率：Accuracy=(TP+TN)/（TP+TN+FN+FP)·精准率、查准率：Precision=TP/（TP+FP）·召回率、查全率：Recall=TP/（TP+FN）

聚类

聚类建模例子：现有批发商交易活动数据，依据每个客户的年进货量大小，找出潜在大客户，然后定制销售策略。

介绍下K均值算法

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

如何快速掌握AI应用的能力

机器学习的流程

数据收集：理解数据的含义，数据质量评估

数据处理：数据清洗（去噪、去重）、数据格式转换、特性提取

模型训练：了解常用的机器学习算法选择合适的算法去训练

评估模型：通过测试数据集去预测目标，分析评估模型指标数据，评估结果可视化

应用模型：导出或发布模型应用，最后对模型的效果进行反馈追踪

角色定位

AI应用工程师：主要将AI与行业应用结合，开发各种应用或者中间件

AI售前工程师：主要是结合各行业，提出各种AI应用的场景，向客户提供解决方案

AI集成工程师：主要是与AI产品供应商合作，提供整体集成解决方案，包括实施和运维

AI产品经理：主要是将AI功能落地到产品上，提升产品交互体验，增强产品竞争力

AI研发工程师：主要负责核心AI技术的研发工作（算法、模型）

应用技能：

1.掌握一门编程语言

2.理解机器学习的原理

3.熟悉一款云平台（华为云）和AI应用的集成方式（接口API或SDK）

4.至少会一种接口调试工具（PostMan）

沙箱实验室

华为云机器学习中心，提供了沙箱实验室，让大家可以轻松学习AI。

使用ModelArts实现花卉图像分类：https://lab.huaweicloud.com/testdetail.html?testId=287

总结

人工智能的发展已经深入到我们的生活，给我们的生活带来了方便，人工智能的研究也越来越热门，熟悉人工智能，学习人工智能，使用人工智能，找准自己的定位，参与这次机器革命的大浪潮。

本文参与华为云社区【内容共创】活动第16期。

https://bbs.huaweicloud.com/blogs/352652

任务2 0 ： 入门篇：人工智能开启新纪元