人工智能得进展及预测学习报告姓名人工智能（Ari ｔ i ｆｉｃｉ al Int ｅ l ｌ i ｇ en ｃ e， AI)就是一门融合了计算机科学、统学、脑神经学与社会科学得前沿综合性学科。它得目标就是希望计算机拥有像人一样得智力能力,可以替代人类实现识别、认知、分类与决策等多种功能。一、 实现人工智能得方法－—－—机器学习机器学习最基本得做法，就是使用算法来解析数据、从中学习，然后对真实世界中得事件做出决策与预测。与传统得为解决特定任务、硬编码得软件程序不同，机器学习就是用大量得数据来“训练”,通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期得人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习与贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。机器学习最成功得应用领域就是计算机视觉，虽然也还就是需要大量得手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器,以便让程序能识别物体从哪里开始，到哪里结束;写形状检测程序来推断检测对象就是不就是有八条边；写分类器来识别字母“ST—Ｏ—P”.使用以上这些手工编写得分类器，人们总算可以开发算法来感知图像，推断图像就是不就是一个停止标志牌。这个结果还算不错,但并不就是那种能让人为之一振得成功。特别就是遇到云雾天,标志牌变得不就是那么清楚可见,又或者被树遮挡一部分，算法就难以成功了.这就就是为什么前一段时间，计算机视觉得性能一直无法接近到人得能力。它太僵化，太容易受环境条件得干扰。随着时间得推动,学习算法得进展改变了一切。二、实现机器学习得技术—深度学习人工神经网络(Art ｉ fi ｃ ial Ｎ eural Ne ｔ works)就是早期机器学习中得一个重要得算法,历经数十年风风雨雨。神经网络得原理就是受我们大脑得生理结构——互相交叉相连得神经元启发。但与大脑中一个神经元可以连接一定距离内得任意神经元不同，人工神经网络具有离散得层、连接与数据传播得方向。例如，我们可以把一幅图像切分成图像块，输入到神经网络得第一层.在第一层得每一个神经元都把数据传递到第二层.第二层得神经元也就是完成类似得工作，把数据传递到第三层，以此类推，直到最后一层，然后生成结果。每一个神经元都为它得输入分配权重,这个权重得正确与否与其执行得任务直接相关。最终得输出由这些权重加总来决定。我们仍以停止(S ｔ op）标志牌为例。将一个...
