人工智能導論人工智能導論--項目1---人工智能的前世今生.pptx人工智能導論--項目2---人工智能基礎.pptx 人工智能導論--項目3---人工智能編程語言Python.pptx人工智能導論--項目4---圖像識別.pptx 人工智能導論--項目5---人臉識別.pptx 人工智能導論--項目6---生物信息識別.pptx 人工智能導論--項目7---自然語言處理.pptx 人工智能導論--項目8--智能語音.pptx 人工智能導論--項目9---無人駕駛.pptx 人工智能導論--項目10---數據挖掘.pptx

人工智能導論項目1人工智能的前世今生01項目背景02思維導圖03思政聚焦04項目相關知識05項目小結與展望目錄CONTENTS01項目背景想象一下你作為一名普通的上班一族，人工智能是如何使你的生活變得更加美好的。清晨，悠悠轉醒的你，通過簡單的語音指令拉開了窗簾和打開了房間的燈，通過人臉或指紋識別解鎖手機，各式各樣的社交、新聞App已經準備好為你推送你感興趣的信息。早餐后，你坐上了自己的車準備出發去上班，導航App已經根據當時的路況篩選出了最便捷的路徑，音響中也開始自動播放你喜愛的歌曲，自動駕駛或輔助駕駛功能也讓開車的過程變得愈發的輕松，智能交通信號“綠波帶”更讓你的心情變得愉悅起來。你刷臉進入了公司的大樓，電梯門像先知先覺似的在你到達的時候開啟，你無需按樓層按鍵，電梯按默認記憶將你送達辦公樓層，通過生物識別你進入了辦公室，照明和空調系統已根據你的習慣和當天的天氣情況打開，在舒適的辦公環境中你開始了一天的工作。工作的繁忙可能讓你沒空去餐廳享用午餐，貼心的送餐機器人會將經過智能營養配餐的午飯準時送到你的辦公室。以前下班的你，可能會站在大廈數層的巨大停車場前茫然地回憶早上究竟把車停在哪兒了，而現在在智能尋車系統的幫助下，這樣的情形早已不復存在。回到家中你發現，掃地機器人也已經完成了每天的清潔工作，花園里的植物在智能澆灌系統的照料下不需要你過多的操心，不善廚藝的你，甚至可以問問冰箱有關營養搭配和烹飪技巧的問題。躺在床上隨著逐漸變暗的燈光漸入夢鄉的你，更會對人工智能的未來充滿了期待。02思維導圖思維導圖03課程思政中國智能科學研究的領軍人-吳文俊院士吳文俊獲得首屆國家最高科學技術獎中國人工智能學會2011年發起主辦“吳文俊人工智能科學技術獎”中國智能科學研究的領軍人-吳文俊院士吳院士開創了數學機械化研究領域，提出的用計算機證明幾何定理的方法在國際上被譽為“吳方法”，人工智能、模式識別等諸多領域背后都有數學機械化的廣泛應用。美國人工智能協會前主席W.Bledsoe等人主動寫信給中國主管科技的領導人，稱贊“吳關于平面幾何定理自動證明的工作是一流的，他使中國在自動推理領域進入國際領先地位”。04項目相關知識項目相關知識人工智能的迭起興衰中國人工智能的發展人工智能元年（1956）人工智能的萌芽和早期發展12341.人工的萌芽和早期發展人工智能發展的思想、理論與物質基礎010203040506公元前384-公元前322年，亞里士多德在他的名著《工具論》中提出提出了演繹推理的基本依據：三段論英國哲學家培根系統地提出了以觀察和實驗為基礎的歸納法—科學歸納法德國數學家和哲學家萊布尼茨(G.W.Leibniz)提出了萬能符號和推理計算的思想英國數學家艾倫·麥席恩·圖靈(A.M.Turing)在1936年提出了一種理想計算機數學模型，即圖靈機英國邏輯學家布爾(C.Boole)在《思維法則》一書中首次用符號語言描述了思維活動的基本推理法則美國神經生理學家麥克洛奇與匹茲(W.Pitts)在1943年建成了第一個神經網絡模型(M-P模型)。1.人工的萌芽和早期發展早期文學作品中的“機器人小滴答”-“Tik-Tok”北京時代華文書局出版的《綠野仙蹤全集—機器人小滴答》封面美國兒童文學作家萊曼·弗蘭克·鮑姆(1856-1919)在1914年創作了《機器人小滴答(Tik-TokofOZ)》。這個叫做“Tik-Tok”的機器人角色在作者的想象中，是一個非常具有責任心、有想象力能夠流利使用人類語言的人形機械（mechanicalman），它能思考會說話，可以做到一切人類能做到的事情?！癟ik-Tok”被廣泛地認為是人類文學作品中最早的比較完善的“機器人”角色，是機器人這個概念的“原型機”。1.人工的萌芽和早期發展啟蒙與發展---圖靈機與圖靈測試圖靈機的基本構造人工智能歷史上的第一座里程碑，便是圖靈機。在1936年，被稱為計算機科學之父、人工智能之父的英國數學家艾倫·麥席恩·圖靈提出了一個抽象的計算模型的構想-圖靈機。左圖便是圖靈機的基本構造，我們可以簡單地將其理解為三部分：紙帶、程序和處理盒。1.人工的萌芽和早期發展啟蒙與發展---圖靈機與圖靈測試1950年，艾倫·麥席恩·圖靈發表了一篇劃時代的論文，這也為他正式獲得了“人工智能之父”這一桂冠。圖靈提出了一個測試方法，這個方法就是通常說的“圖靈測試”。測試的具體形式采取問與答的模式，觀察者通過打字機與兩個被測試對象（一人類一機器）通話，觀察者不斷提出問題，通過被測試對象的回答來辨別其是人還是機器，如果機器使30%以上的觀察者對其身份產生了誤判，那么這個機器就可以被認定為具備智能。圖靈測試為人工智能的概念與方向做出了進一步的解釋與分析，也為人工智能做出了基本的標準。為紀念圖靈對計算機科學和人工智能領域的貢獻，美國計算機協會（ACM）于1966年設立了計算機獎項“A.M.圖靈獎（ACM

A.MTuringAward）”，簡稱“圖靈獎（TuringAward）”。2.人工智能元年在人工智能發展歷史上稱得上里程碑式的會議就是1956年8月在在美國的達特茅斯學院召開的達特茅斯會議，又稱為達特茅斯夏季人工智能研究計劃（DartmouthSummerResearchProjectonArtificialIntelligence）。在這個會議上人工智能（ArtificialIntelligence）這個詞被正式使用和廣泛接受，因此1956年被普遍稱為人工智能元年。2.人工智能元年達特茅斯會議的主題是“用機器來模仿人類學習以及其他方面的智能”，包括七個相關的基礎議題：自動計算機AutomaticComputer如何通過編程使計算機使用自然語言HowCanaComputerbeProgrammedtoUseaLanguage神經元網絡NeuronNets計算規模理論TheoryoftheSizeofaCalculation自我提升Self-Improvement抽象概念Abstraction隨機性和創造力RandomnessandCreativity3.人工智能的迭起興衰ABCDEF第一次繁榮（1956-1974）第一次“寒冬”（1974-1980）重振旗鼓（1980-1987）第二次寒冬（1987-1993）穩健時代（1993-2011）走向新的繁榮（2012-今）3.人工智能的迭起興衰-大事記第一次繁榮期（1956-1974）Unimate機器人機器人WABOT-13.人工智能的迭起興衰-大事記重振旗鼓期（1980-1987）專家系統卡耐基梅隆大學（CMU）1978年研發的XCON，在1980年正式投入工廠使用，XCON是一款能夠幫助顧客自動選配計算機配件的軟件程序，這是個完善的專家系統，包含了設定好的超過2500條規則，在后續幾年處理了超過80000條訂單，準確度超過95%，每年節省超過2500萬美元。這成為一個新時期的里程碑。日本的第五代計算機系統日本研發的第五代計算機日本嘗試使用大規模多CUP并行計算來解決人工智能計算力問題，并希望打造面向更大的人類知識庫的專家系統來實現更強的人工智能。3.人工智能的迭起興衰-大事記穩健時代（1993-2011）1997年5月，“深藍”以3.5-2.5正式擊敗國際象棋世界冠軍卡斯巴羅夫，成為了首個在標準比賽時間內擊敗國際象棋世界冠軍的計算機系統。人工智能在某個領域正式超越人類的消息廣為傳播，引起了世界的轟動。超級計算機“深藍”的其中一個機組3.人工智能的迭起興衰-大事記走向新的繁榮（2012-今）阿爾法狗（AlphaGo）同樣是下棋，對于計算機來說，圍棋的難度要遠高于國際象棋，因為圍棋的落子點太多，分支因子也遠多于其他游戲。AlphaGo通過數萬盤的自我對弈進行練習強化，于2016年3月以4：1擊敗了韓國最強的職業棋手李世石。3.人工智能的迭起興衰-大事記走向新的繁榮（2012-今）波士頓動力學公司機器狗和機器人的演進大狗機器人（Bigdog）大狗機器人（Bigdog）因形似機械狗被命名為“大狗”。大狗機器人由波士頓動力學工程公司研制，1992年MarcRaibert與他人一起創辦了波士頓動力學公司。他首先開發了全球第一個能自我平衡的跳躍機器人。左圖所示是波士頓動力學公司機器狗和機器人的演進。4.中國人工智能的發展20141978年20世紀80年代初19842006鄧小平發表了“科學技術是生產力”的重要講話科技事業迎來了春天錢學森等主張開展人工智能研究人工智能研究進一步活躍鄧小平批示批示“計算機普及要從娃娃抓起”研究境遇有了極大改善人工智能學科誕生50周年，東北大學的“棋天大圣”象棋軟件獲得機器博弈冠軍人工智能科技取得了長足的進步人工智能成為國家發展戰略進入快速發展通道4.中國人工智能的發展人工智能等新技術的進步極大地推動了中國制造向高端制造領域發展，近些年來，我國也誕生許多與人工智能相關的世界級品牌產品。以華為，小米，OPPO，VIVO為代表的智能手機，已形成中國智能手機集群優勢，在全球占有極大的市場份額。研發大疆無人機的深圳市大疆創新科技有限公司，創立于2006年，短短的十五年時間，大疆創新的業務從無人機系統拓展至多元化產品體系，在無人機、手持影像系統、機器人教育等多個領域成為全球領先的品牌，以一流的技術產品重新定義了“中國制造”的內涵。MavicAir2型號大疆無人機04項目小結與展望項目小結本項目我們學習了人工智能的發展史，從公元前偉大的哲學家亞里士多德的三段論的形式邏輯，到科學歸納法、數量邏輯、思維規律機械化、神經網絡模型、計算機數學模型、世界上第一臺電子計算機等成就奠定了人工智能發展思想、理論和物質基礎。人工智能歷史上的第一座里程碑是圖靈機與圖靈測試；以時間軸看，從人工智能元年（1956年）到今天的2021年，人工智能經歷了第一次繁榮（1956-1974）、第一次“寒冬”（1974-1980）、重振旗鼓（1980-1987）、第二次寒冬（1987~1993）、穩健時代（1993-2011）和走向新的繁榮（2012-今）的曲折的發展階段后才有了今天的輝煌。項目展望以史為鑒，面向未來，毫無疑問，人工智能的嶄新時代已經來臨，我們未來的生活和工作都離不開它。作為大學生，我們需要了解、認識人工智能，下一單元，我們會帶大家從零開始認識人工智能。感謝您的觀看接下來讓我們通過紀錄片的方式，去“親歷”人工智能的前世今生《楊瀾訪談錄》人工智能系列紀錄片——《探尋人工智能》/video/BV1LW411Y7Ui?from=search&seid=8443311150423123977人工智能導論項目2人工智能基礎01項目背景02思維導圖03思政聚焦04項目相關知識目錄CONTENTS05項目任務06項目小結與展望01項目背景人工智能典型應用場景–指紋識別與手寫輸入事先反復錄入，保存特征使用簡單，即刻識別檢測目標：個人身份事先無需錄入直接使用，即刻識別檢測目標：手寫內容人工智能系統需要處理的數據對象千差萬別，其技術是否也是千變萬化、難以捉摸呢？恰恰相反，人工智能的工作原理、數據的處理流程和處理目標都有極高的相似性。一般來說，人工智能技術能夠通過對已有數據進行學習，從而習得數據之中的模式和規律，之后能夠對新的數據進行預測、判別、歸類和推薦等。人工智能的處理對象–數據與模式02思維導圖項目二思維導圖03課程思政我國在2017年以“國家戰略”的形式頒布了人工智能發展總體框架《新一代人工智能發展規劃》，并隨之推出了一系列政策推進人工智能關鍵核心技術和產業發展。美國、德國、法國等西方傳統強國和日本也都制定了國家層次的人工智能發展戰略。人工智能已經進入國家的戰略層次，對推動國家經濟高質量發展、保障國家安全都具有十分重要的意義。人工智能技術進入國家戰略層次關鍵核心技術必須牢牢掌握在我們自己手中我們必須居安思危。與美國相比，我國在人工智能領域的關鍵核心技術仍有一定距離，尤其在人工智能基礎技術領域的差距更為明顯。作為國之重器，關鍵核心技術是我國創新能力體現和結晶，是我國科技發展、實現科技強國、國家偉大復興的重要保障，“關鍵核心技術必須牢牢掌握在我們自己手中”。人工智能關鍵核心技術的發展，既要保護我們在人工智能方面現有的技術優勢，更需要不斷發揚創新精神和工匠精神，在基礎關鍵核心領域不斷取得突破。而這正等待著作為本書讀者的你，積極投身人工智能相關領域的研究和應用之中，為民族富強、國家復興而奮斗。關于工匠精神04項目相關知識項目相關知識2.1AI基礎知識1、智能的具體表現人的五官和肢體表面的各種傳感器代表了人的感知能力，是人類接收外界信號方式和渠道，沒有了感知就像閉關鎖國的清朝；人的大腦代表了智力，表示人類認識、理解客觀事物并運用知識、經驗等解決問題的能力，是人工智能的最核心技術；人的心臟和四肢代表了體力，這是人類各項能力的基礎，支撐著人身體的運動，是人影響外界的主要途徑。人工智能在“感知能力”“智力”和“體力”三個領域發展迅速，在部分領域甚至已經遠超人類，這種趨勢在將來將會愈演愈烈。2、人工智能的三種形態根據智能水平的高低，產業界將人工智能分為三種形態：弱人工智能、強人工智能和超人工智能。2.1AI基礎知識人類智能水平2.1AI基礎知識3、AI技術四要素，一個都不能少4、AI技術體系：基礎很重要2.1AI基礎知識人工智能以知識為研究中心，涉及到知識的獲取、表示、處理、分析和使用五個主要環節。人工智能中的“智能”體現在上述每一個環節，要求AI具備五個方面的智能：知識表示、機器感知、機器思維、機器學習與機器行為。2.2AI的主要表現形式1、知識表示知識經過一定的表示，才能把知識存儲到計算機中，供求解問題使用。知識表示方法可分為兩大類：-符號表示法-連接機制表示法。2.2AI的主要表現形式2、機器感知，讓認識和感知世界，計算機具有類似于人的感知能力，從而模擬、延伸和擴展人從外界獲取信息的能力，如視覺、音頻（即聽覺）、語音、自然語言等。目前已經形成了兩個專門的機器感知研究領域：模式識別、自然語言理解。2.2AI的主要表現形式3、機器思維：讓機器可以自動推理與搜索機器思維是指對通過感知得來的外部信息以及機器內部生產的各種工作信息進行有目的的處理，是人工智能研究中最重要也是最為關鍵的研究內容。機器思維使得計算機能夠模擬人類的思維活動，既可以進行邏輯思維，又可以進行形象思維。2.2AI的主要表現形式4、機器學習：自主學習、自我完善的能力。機器學習是指在一定的知識表示框架下獲取新知識的過程，主要研究如何使計算機具有類似于人的學習能力，從而使AI能夠像人一樣通過學習自動地獲取知識，并在實踐中不斷地完善和提高自我。常見方法有回歸分析、分類、推薦、計劃、優化和模式識別2.2AI的主要表現形式5、機器行為：影響世界的能力機器行為主要是指計算機的表達能力，包括說、寫、畫等能力。對于智能機器人來說，它還應具有人的四肢功能，即能走路、能取物、能操作等。2.2AI的主要表現形式AI應用場景極其廣泛，小到智能燈、刷臉、空調溫度自動調控，大到無人駕駛、載人航天、馬斯克的火箭自動回收等。每個應用場景都涉及三個基本問題：-做什么、-學什么、-怎么學。2.3AI的典型任務1、回歸（Regression）是一種針對數值型連續數據進行預測和建模的有監督學習算法。回歸任務的特點是需要標注的數據集，任務輸入數據是連續性數據，任務目標也是連續型數值。也就是說，每一個觀察樣本都有一個數值型的標注真值。典型的回歸算法有線性回歸、多項式回歸、邏輯回歸、Ridge回歸、Lasso回歸等。2.3AI的典型任務2、分類（Classification）就是給數據貼標簽的過程，要求盡肯能為不同類別數據貼上正確的類別標簽。分類任務的目標就是讓機器通過經驗學習從而具有正確貼標簽的能力。從數學角度來看，分類是一種對離散型隨機變量建?；蜻M行預測的一種有監督學習算法。與回歸算法不同的是，分類算法通常適用于預測一個類別（或類別的概率）而不是連續的數值。2.3AI的典型任務3聚類（Clustering）就是給相似的或相近的數據劃分到同一類別，把不相似或者不相近的數據劃分到不同類別，聚類一般不需要預先給數據打標簽。從技術上來講，聚類是一種無監督學習任務，該算法基于數據的內部結構尋找觀察樣本的自然族群（即集群）。聚類常被用作分類算法的數據預處理步驟，用于處理缺少標簽的數據。通過聚類分析，可以獲得數據分布的基本概況，從而有助于提高分類算法的效率有效性。2.3AI的典型任務2.4AI基礎技術當前主流的人工智能技術：-基于統計的機器學習（MachineLearning，簡稱ML）-人工神經網絡（ArtificialNeutralNetwork，簡稱ANN）-深度學習（DeepLearning，簡稱DL）-強化學習（ReinforcementLearning，簡稱RL）。在實際應用中，機器學習可以理解為一種數據科學技術，通過算法幫助計算機從現有的數據中學習、獲得規則，從而預測未來的行為、結果和趨勢（圖2-13）。機器學習的特點是只能解決存在過的能夠提供經驗數據的場景、而不能解決未遇見過的問題或場景，所以屬于弱人工智能范疇。1、機器學習是人工智能的核心技術和實現手段。簡單來說，機器學習就是讓計算機具有學習的能力，從而使得計算機能夠模擬人的行為。2.4AI基礎技術機器學習的基本原理：機器學習一般包括三個步驟：一是收集歷史數據，二是通過算法學習獲得分布模式，三是應用模型處理新數據從而預測未來。其中，步驟二是機器學習研究的重點，學習的過程就是根據數據確定模型參數的過程。因此，機器“學習”的過程可以簡化為尋找一個函數的過程，學習的結果也就是一個確定了參數的數學函數。2.4AI基礎技術機器學習算法分類分類

算法任務目標學習方式分類聚類回歸降維有監督無監督半監督強化學習回歸算法√

√

√

K近鄰（KNN）√

√

k-Means

√

√

決策樹√

√

√

貝葉斯方法√

√

√

核方法:SVM/RBF/LDA√

√

√

期望最大化（EM）√

√

√√

神經網絡√√

√√

深度學習√√

√√

主成份分析（PCA）

√

√

圖論推理算法√

√

√

拉普拉斯SVM√

√

√

Q-Learning√√√

√時間差學習√√√

√機器學習算法眾多，不同視角有不同的分類方式，這里主要介紹學習任務和學習方式兩種視角。-根據學習任務的不同，可以把人工智能算法分為分類、聚類、回歸以及降維四種類別。降維是數據預處理的一種方法，其作用是降低計算量，服務于回歸、聚類和分類三種任務。-根據學習方式的不同，機器學習算法可以分為有監督學習、無監督學習、半監督學習和強化學習。2、人工神經網絡（ArtificialNeutralNetwork,ANN）人工神經網絡是一種模擬生物神經系統結構和功能的計算網絡，因而生物神經網絡是人工神經網絡的技術原型。人類大腦皮層由大約140億個生物神經元（簡稱神經元）組成，每個神經元又與大約103個其它神經元相連接，形成一個高度復雜又高度靈活的不斷變化的動態網絡。2.4AI基礎技術生物神經元神經元以細胞核為中心，細胞核外有樹突與軸突，樹突接收其他神經元的脈沖信號，而軸突將神經元的輸出脈沖傳遞給其他神經元，一個神經元傳遞給不同神經元的輸出是相同的。神經元有兩種狀態：非激活和激活，非激活狀態的神經元不輸出電脈沖，而激活狀態的神經元會輸出電脈沖。神經元的激活與否由其接收的所有脈沖信號決定。一個神經元可以描述為一個處理電脈沖信號的非線性單元，該單元能夠接受來自多個其他神經元的電脈沖，對接收到的電信號進行一定的處理，能夠決定是否發射電脈沖信號。1943年，神經科學家麥卡洛克和數學家皮茲聯手，根據生物神經元細胞的結構和工作原理，構造并提出了神經網絡的數學模型MCP（McCulloch-Pitt：MCP），從而形成了“模擬大腦”、開啟了人工神經網絡（一般簡稱神經網絡）的大門。人工神經元（又稱感知器）結構如圖2-17所示，其工作過程分為三個數學過程：對輸入信號進行線性加權，加權后求和，以及采用一定閾值實現輸出信號的激活。由于輸出信號采用了閾值激活函數，人工神經元實現了非線性信號處理。人工神經元神經網絡的拓撲結構與學習過程典型的神經網絡由一個輸入層、至少一個隱含層和一個輸出層組成（圖2-18），每層網絡由多個神經元構成，層與層之間一般采用全連接，神經元之間的連接強度ω表示神經元之間聯系的緊密程度。神經網絡的模型眾多，不同模型具有不同的網絡結構，形成了不同的神經網絡算法。值得注意的是，深度學習網絡（如DBN、DCN、GAN、DRN等）也屬于神經網絡。與非深度神經網絡相比，深度學習網絡框架的層數往往較多、計算量巨大。神經網絡技術發展歷程3、深度學習（DeepLearning,DL）是機器學習中的一個研究分支，是神經元層數較多的神經網絡，因此深度學習網絡也被稱為深度神經網絡。大家耳熟能詳的深度學習網絡有很多，比如卷積神經網絡（CNN），循環神經網絡（RNN），生成對抗網絡（GAN），深度強化學習（DRL）等。一般來說，其隱藏層的層數依具體問題可以是幾層、幾十層、幾百層甚至數千層。2.4AI基礎技術4、強化學習（ReinforcementLearning,RL）是機器學習領域的一個分支，強調如何基于環境而行動，以取得最大化的預期利益。可以認為強化學習是一套通用的學習框架，可用來解決通用人工智能的問題。因此強化學習也被稱為通用人工智能的機器學習方法，在無人駕駛、工業自動化、金融貿易、自然語言處理、以及游戲等領域具有廣泛的應用。強化學習的學習方式是在獲得樣例過程中進行探索性學習（圖2-21），在獲得樣例之后根據環境反饋的獎賞和狀態更新自己的模型，利用更新后的模型來指導下一步的行動，下一步的行動獲得獎賞反饋之后再更新模型，不斷迭代重復直到模型收斂。強化學習的典型應用有AlphaGoZero、基于RL的醫療保健動態治療方案（DTRs）、京東和阿里的產品推薦和廣告出價、新聞推薦等。2.4AI基礎技術5、中國人工智能產業分布國際一流發展迅速有待加強2.4AI基礎技術2.5AI典型應用領域1、計算機視覺（ComputerVision，CV）：CV讓機器“看的見、看得懂”，是人工智能主要應用領域之一。我國在機器視覺方面處于世界領先地位。2、智能語音：主要為機器人加上耳朵和嘴巴，讓機器人能夠“聽得懂”、并且“說得好聽”。3、自然語言處理（NaturalLanguageProcessing,NLP）：NLP被用于分析、理解和生成自然語言，以方便人和計算機設備進行交流、以及人與人之間的交流。4、無人駕駛：通過自動駕駛系統，部分或完全的代替人類駕駛員，安全地駕駛車輛、船舶、飛機等各種運輸設備。5、數據挖掘（DataMining），通過對海量數據的整理分析和歸納整合，分析并找出數據之間的潛在聯系，為做出理想決策或預測發展趨勢提供支撐性材料和建議，實現從海量數據中提取用于輔助決策的潛在的信息、知識、規律和模式。2.5AI典型應用領域“科學技術都是一把雙刃劍”。伴隨著人工智能技術的成熟和廣泛應用，人與機器之間的矛盾凸顯，人工智能的倫理問題引起了社會和各行各業的日益關注。人類對待AI出現了不同的觀點，在科幻電影甚至傳統媒體中均有體現。2.6人工智能倫理（EthicsofAI）AI在軍事上的應用軍用智能機器的性能和殺傷力遠超人類士兵，無疑引起了人類對未來的擔憂、以及對自主武器的爭論，目前爭論的核心是“自主武器該不該被使用”。2.6人工智能倫理（EthicsofAI）-AI倫理問題的解決方法阿西莫夫三定律：（1）機器人不得傷害人類，或因不作為使人類受到傷害。（2）除非違背第一定律，機器人必須服從人類的命令。（3）除非違背第一及第二定律，機器人必須保護自己。阿西莫夫第零定律：（0）機器人不得傷害人類整體，或因不作為使人類整體受到傷害。2.6人工智能倫理（EthicsofAI）人工智能的倫理問題仍需人類的統一意見和行動，需要政府統一制定政策并推進執行。2017年7月，中國國務院發布《新一代人工智能發展規劃》，關于人工智能倫理和法律制定了三步走的戰略目標：到2020年，部分領域的人工智能倫理規范和政策法規初步建立；到2025年，初步建立人工智能法律法規、倫理規范和政策體系；到2030年，建成更加完善的人工智能法律法規、倫理規范和政策體系。2.6人工智能倫理（EthicsofAI）-AI倫理問題的解決方法05項目任務06項目小結與展望項目小結人工智能定位于人類能力的模擬和延伸，其定義和內涵隨著時代的前進而不斷變化，其智能程度也在不斷提高，包括了早期的弱人工智能，現在正在發展的強人工智能，以及將來的超人工智能。人工智能需要解決的任務主要有三類：回歸、分類和聚類，其實現的技術手段以機器學習和神經網絡為基本技術、以深度學習、強化學習等為主流方法。伴隨著人工智能技術在社會各行業、各領域的深入應用，人工智能的倫理問題也日益突出，成為政府和社會關注的焦點，也成為了影響人工智能走向的關鍵因素。我國是AI技術研發和應用的大國，多項技術均處于國際領先地位。在我國“十四五”規劃中，AI被明確列為優先發展的前沿科技領域之一，其基礎研究工作更是被放到了戰略地位，期待著更多的優秀青年加入到AI基礎和核心研究中來。項目展望隨著人臉識別技術的逐步成熟，靠“臉”生存將不再是幻想。伴隨著人臉識別等人工智能技術的發展，今后，從個人生活、教育、商業服務到城市管理都將全面邁入智能化時代。特別是高校在課堂上引入人臉識別技術、對學生面部表情進行識別，記錄學生的學習狀態，能更好的了解學生的學習情況，從而及時調整教學節奏。感謝您的觀看人工智能導論項目三人工智能編程語言Python01項目背景02思維導圖03思政聚焦04項目相關知識05項目任務目錄CONTENTS06展望01項目概述Python簡介Python已經成為最受歡迎的程序設計語言之一,目前在人工智能科學領域被廣泛應用。Python是人工智能（機器學習）的首選編程語言，它擁有眾多模塊，能完成人工智能開發的所有環節。使用Python進行AI的一個主要優點是它內置了許多與機器學習相關的庫。Python提供了高效的高級數據結構，還能簡單有效地面向對象編程。Python語法和動態類型，以及解釋型語言的本質，使它成為多數平臺上寫腳本和快速開發應用的編程語言。主流的人工智能開發軟件如谷歌的TensorFlow、Facebook的PyTorch和百度的PaddlePaddle等都使用python作為開發語言?？梢哉f，學習人工智能，很難不學Python。02思維導圖思維導圖03課程思政楊輝三角楊輝，字謙光，南宋時期杭州人。在他1261年所著的《詳解九章算法》一書中，輯錄了三角形數表，稱之為“開方作法本源”圖，并說明此表引自11世紀中葉（約公元1050年）賈憲的《釋鎖算術》，并繪畫了“古法七乘方圖”。故此，楊輝三角又被稱為“賈憲三角”。如圖3-1所示。生成楊輝三角的規律為：楊輝三角的兩個腰邊的數都是1，從第3行起，除第一個數和最后一個數外，其它位置的數都是上頂上兩個數之和。圖3-1楊輝三角形04項目知識準備Python基礎語法任何一門編程語言都有其專屬的語法，編程語言之間有著相似的語法規定。我們需要遵守語法規定去編寫代碼向計算機發出正確的指令，計算機才會去執行。Python的基本語法包括變量和常量、字典、列表、元組、條件判斷、循環、函數和類等。Python基礎語法標識符簡單地理解，標識符就是一個名字，就好像我們每個人都有屬于自己的名字，它的主要作用就是作為變量、函數、類、模塊以及其他對象的名稱。Python中標識符的命名不是隨意的，而是要遵守一定的命令規則。標識符是由字符（A~Z和a~z）、下劃線和數字組成，但第一個字符不能是數字。標識符不能和Python中的保留字相同。Python中的標識符中，不能包含空格、@、%以及$等特殊字符。標識符區分大小寫。Python基礎語法標識符下面所列舉的標識符是合法的：UserID，name，mode12，user_age以下命名的標識符不合法：4word#不能以數字開頭try#try是保留字，不能作為標識符$money#不能包含特殊字符Python基礎語法縮進Python中的縮進（Indentation）決定了代碼的作用域范圍。這一點和傳統的c/c++有很大的不同（傳統的c/c++使用花括號花括號{}符決定作用域的范圍；python使用縮進空格來表示作用域的范圍，相同縮進行的代碼是處于同一范圍）。每行代碼中開頭的空格數用于計算該行代碼的縮進級別。Python基礎語法注釋注釋用來向用戶提示或解釋某些代碼的作用和功能，它可以出現在代碼中的任何位置。Python解釋器在執行代碼時會忽略注釋，不做任何處理，就好像它不存在一樣。Python支持兩種類型的注釋，分別是單行注釋和多行注釋。單行注射以#開頭，多行注釋使用三個連續的單引號‘’‘或者三個連續的雙引號“”“。例如:#這是單行注釋‘’’這是多行注釋’’’Python基礎語法關鍵字Python有一組關鍵字，這些關鍵字是保留字，不能用作變量名、函數名或任何其他標識符。如and、as、break、continue和class等，我們在后續的學習中會逐步認識這些關鍵字。Python基礎語法變量我們定義一個計算機變量就好像向快遞柜申請一個格子用來存放東西，這個格子的大小呢是根據我們變量的類型（就是想要存放的物品的可能尺寸）來分配的。而在申請一個格子的時候，里面可能會存在一些東西，當我們放新的東西的進去的時候就會把原來的東西給擠走（更準確說是覆蓋，舊的東西找不回來了）。如果我們想讓這個格子里的內容參與運算的時候，我們只需要告訴運算的指令這個格子的名稱（即變量的名稱）即可。Python變量、類型和運算符所有的編程語言都支持變量，Python也不例外。變量是編程的起點，程序需要將數據存儲到變量中。Python基礎語法變量在編程語言中，將數據放入變量的過程叫做賦值。Python使用等號=作為賦值運算符，具體格式為：name=valuename表示變量名；value表示值，也就是要存儲的數據。例如：>>>var1=123>>>var2=4.56Python基礎語法變量類型變量可以指定不同的數據類型，這些變量可以存儲整數，小數或字符。Python定義了一些標準類型，用于存儲各種類型的數據。這些類型包括數字、字符串、列表、元組和字典。數字數據類型用于存儲數值。他們是不可改變的數據類型，這意味著改變數字數據類型會分配一個新的對象。當你指定一個值時，數字對象就會被創建。例如:var1=1var2=10Python基礎語法輸入與輸出Python使用input()和print()函數來完成輸入和輸出操作。a=input('輸入你的名字:')b=input('輸入你的生日：')print('你的姓名:',a)print('你的生日:',b)Python基礎語法運算符1+2=3。其中，1和2被稱為操作數，“+”稱為運算符。Python支持多種運算符。請到平臺中練習Python運算符的使用。Python基礎語法編碼規范一、規范的代碼可以促進團隊合作二、規范的代碼可以減少bug三、規范的代碼可以降低維護成本四、規范的代碼有助于代碼審查[1]/xiaxianfei/p/5275022.html數據類型數字Python中有三種數字類型：整數類型、浮點類型和復數類型。為變量賦值時，將創建數值類型的變量。Python中布爾類型為bool，bool是int的子類。bool類型只有兩個值：True和False。任何類型數據都可以通過bool()函數轉換為布爾值，“沒有的”或“空的”值會轉換為False，反之轉換為True。如：None（空對象）、False、0、0.0、0j（復數）、''（空字符串）、[]（空列表）、()（空元組）和{}（空字典）這些值會轉換為False，否則是True。數據類型字符串字符串是Python中最常用的數據類型，字符串通常是由數字，子母、符號組成的一串字符。我們可以使用引號('或")來創建字符串。創建字符串的過程十分簡單，我們只要為變量分配被引號包圍住的一個值即可。例如：String1=‘張三’,String2=‘abc’數據類型列表列表是最常用的Python數據類型，它可以作為一個方括號內的逗號分隔值出現。列表的數據項不需要具有相同的類型。創建一個列表，只要把逗號分隔的不同的數據項使用方括號括起來即可。如下所示：list1=['physics','chemistry',1997,2000]list2=[1,2,3,4,5]list3=["a","b","c","d"]列表索引從0開始。第一個索引是0，第二個索引是1，依此類推。數據類型集合集合（set）是一個無序的不重復元素序列?？梢允褂么罄ㄌ杮}或者set()函數創建集合，注意：創建一個空集合必須用set()而不是{}，因為{}是用來創建一個空字典。數據類型元組Python的元組與列表類似，不同之處在于元組的元素不能修改。元組使用小括號，列表使用方括號。元組創建很簡單，只需要在括號中添加元素，并使用逗號隔開即可。tup1=('physics','chemistry',1997,2000)tup2=(1,2,3,4,5)tup3="a","b","c","d“元組與列表類似，下標索引從0開始，可以進行截取，組合等。數據類型字典字典是另一種可變容器模型，且可存儲任意類型對象。為了方便理解字典這一數據結構，我們可以這樣去解釋：你手上有一本電話本（字典），當你想查閱張三的電話號碼（value），你就得在電話本上根據張三的名字（key）去尋找對應的張三的電話號碼。張三的電話號碼可以有很多個，但是電話本上張三的名字只能有一個。dictionary={ “name”:”張三”, “phone”:”12345”, Key3:value3, …}print(dictionary[“name”])#訪問字典里對應name的值數據類型字典程序在一般情況下是按順序執行的，就像流水賬一樣，一條一條從上往下按照順序執行。有時候我們需要根據條件來有選擇地執行某些語句，這就要使用到Python的條件判斷語句——if。Python條件語句是通過一條或多條語句的執行結果（True或者False）來決定執行的代碼塊。可以通過右圖來簡單了解條件語句的執行過程:條件控制語句條件判斷實例

#1.定義年齡變量age=18

#2.判斷是否滿18歲#if語句以及縮進部分的代碼是一個完整的代碼塊ifage>=18:print("你是一個成年人了……")循環的概念循環是大多數編程語言都有的基本功能，它可以幫助我們執行一些重復的代碼工作，但不同的語言循環結構會有一定的差異。Python中有for和while兩種循環結構。for循環for循環是在希望創建循環時經常使用的工具。Pythonfor循環可以遍歷任何可迭代對象，包括列表、元組、集合、字典甚至字符串。for循環的一般代碼格式如下：for迭代變量in字符串|列表|元組|字典|集合：代碼塊fruits=["apple","banana","cherry"]forxinfruits:print(x)

while循環while循環的一般形式如下：while（判斷條件）：代碼塊

while循環while循環的一般形式如下：while（判斷條件）：代碼塊

迭代器迭代是Python最強大的功能之一，是訪問元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會后退。迭代器有兩個基本的方法：iter()和next()。字符串，列表或元組對象都可用于創建迭代器。>>>list=[1,2,3,4]>>>it=iter(list)#創建迭代器對象>>>print(next(it))#輸出迭代器的下一個元素1>>>print(next(it))2

函數的概念函數是組織好的，可重復使用的，用來實現單一，或相關聯功能的代碼段。函數能提高應用的模塊性，和代碼的重復利用率。你已經知道Python提供了許多內建函數，比如print()。但你也可以自己創建函數，這被叫做用戶自定義函數。函數的實例>>>defhello():print("HelloWorld!")

>>>hello()面向對象編程思想類(Class):

用來描述具有相同的屬性和方法的對象的集合。它定義了該集合中每個對象所共有的屬性和方法。對象是類的實例。方法：類中定義的函數。類變量：類變量在整個實例化的對象中是公用的。類變量定義在類中且在函數體之外。類變量通常不作為實例變量使用。數據成員：類變量或者實例變量用于處理類及其實例對象的相關的數據。方法重寫：如果從父類繼承的方法不能滿足子類的需求，可以對其進行改寫，這個過程叫方法的覆蓋（override），也稱為方法的重寫。局部變量：定義在方法中的變量，只作用于當前實例的類。實例變量：在類的聲明中，屬性是用變量來表示的，這種變量就稱為實例變量，實例變量就是一個用self修飾的變量。繼承：即一個派生類（derivedclass）繼承基類（baseclass）的字段和方法。繼承也允許把一個派生類的對象作為一個基類對象對待。例如，有這樣一個設計：一個Dog類型的對象派生自Animal類，這是模擬"是一個（is-a）"關系（例圖，Dog是一個Animal）。實例化：創建一個類的實例，類的具體對象。對象：通過類定義的數據結構實例。對象包括兩個數據成員（類變量和實例變量）和方法。Python模塊Python模塊(Module)，是一個Python文件，以.py結尾，包含了Python對象定義和Python語句。模塊讓你能夠有邏輯地組織你的Python代碼段。把相關的代碼分配到一個模塊里能讓你的代碼更好用，更易懂。模塊能定義函數，類和變量，模塊里也能包含可執行的代碼。04項目任務任務1：用python實現楊輝三角任務描述利用Python對數列的循環操作，實現中國南宋數學家楊輝在1261年所著的《詳解九章算法》中出現的楊輝三角。

任務1：用python實現楊輝三角技術分析在我們編寫程序前，我們需要了解其編程的思想，才能更好更快的寫出質量優雅的代碼。而生成楊輝三角的主要規律為：楊輝三角的兩個腰邊的數都是1，從第3行起，除第一個數和最后一個數外，其它位置的數都是上頂上兩個數之和,如下圖所示。任務1：用python實現楊輝三角任務實現---請大家掃二維碼根據步驟測試實現任務2：用python實現詞云圖任務描述本節將利用wordcloud中的方法生成一個詞云圖。任務2：用Python實現詞云圖技術分析詞云就是通過形成“關鍵詞云層”或“關鍵詞渲染”，對網絡文本中出現頻率較高的“關鍵詞”的視覺上的突出。詞云圖過濾掉大量的文本信息，使瀏覽網頁者只要一眼掃過文本就可以領略文本的主旨。制作詞云也十分容易上手，我們首先需要通過pip命令安裝wordcloud與jieba依賴庫，通過庫中封裝好的方法處理，即可做出你想要的詞云圖。任務2：用Python實現詞云圖任務實現---請大家掃二維碼根據步驟測試實現任務3：用Python畫出象棋棋盤任務描述下載并安裝Python入門級用于基礎繪圖的turtle庫，利用turtle庫抽象出的方法編寫出相應的代碼，畫出中國象棋棋盤。任務3：用Python畫出象棋棋盤技術分析中國象棋是起源于中國的一種棋，屬于二人對抗性游戲的一種，在中國有著悠久的歷史。由于用具簡單，趣味性強，成為流行極為廣泛的棋藝活動。中國象棋是中國棋文化，也是中華民族的文化瑰寶，它源遠流長，趣味濃厚，基本規則簡明易懂。中國象棋在中國的群眾中基礎遠遠超過圍棋，是普及最廣的棋類項目，中國象棋已流傳到十幾個國家和地區。中國象棋是一種古老的棋類游戲，大約有兩千年的歷史。是中華文明非物質文化經典產物，藝術價值泛屬于整個人類文明進化史的一個分枝。繪制出中國象棋棋盤需要充分掌握Python的一個繪畫庫——turtle，turtle庫帶有畫布（canvas）、畫筆、繪圖命令、畫筆控制命令等抽象方法。任務3：用Python畫出象棋棋盤任務實現---請大家掃二維碼根據步驟測試實現04項目小結與展望展望Python已發展成為一種非常通用的語言，無論是從入門級選手到專業技術數據挖掘、科學計算、圖像處理、人工智能，Python都可以勝任。大數據和人工智能的時代，將會有大量的數據需要處理，而Python對數據的處理，有著得天獨厚的優勢。未來，python仍會是一種主流的編程語言，繼續在各個領域發揮作用。人工智能導論項目四物體識別--計算機視覺的應用01項目背景02思維導圖03思政聚焦04項目相關知識05項目任務目錄CONTENTS06項目小結與展望01項目背景物體識別背景介紹伴隨著圖片成為互聯網中的主要信息載體，難題隨之出現。當信息由文字記載時，我們可以通過關鍵詞搜索輕易找到所需內容并進行任意編輯，而當信息由圖片記載時，我們卻無法對圖片中的內容進行檢索，從而影響了我們從圖片中找到關鍵內容的效率。圖片給我們帶來了快捷的信息記錄和分享方式，卻降低了我們的信息檢索效率。在這個環境下，借助計算機實現圖像主體的識別技術就顯得尤為重要。計算機視覺應用----物體識別物體識別，指利用計算機對圖像進行處理、分析和理解，以識別圖像中各種不同模式的目標和對象的技術。通俗地講，物體識別是讓計算機像人一樣讀懂圖片的內容，識別出圖像中有什么物體，并報告出這個物體在圖像中的位置和方向。02思維導圖思維導圖03課程思政物體識別技術應用在互聯網的海量圖片、視頻資料中，不少涉政敏感信息、暴力、低俗等內容的圖片充斥其中，這些圖片嚴重影響著國家安全和網絡文明。在物體識別還未發展成熟以前，需要人工隨機抽取圖片對圖片內容進行審核。借助人工智能、深度學習和大數據樣本等技術，這一問題得到了很好地解決。當然，智能圖片鑒別模型并不能完全取代人工鑒別，相比人工審核，機器還很難理解內容背后的深意。最佳的審核方式是智能為主，人工為輔。先由智能圖片鑒別模型將可疑的圖片篩選出來，再由人工審核一遍，這樣既能保證效率又能保證準確率。物體識別技術應用網絡上的內容并不都是文明和健康的，我們應該要懂得文明上網，取其精華，去其糟粕。對于個人而言，不得在網上發布和傳播虛假信息、低俗或暴力信息；不得在網上通過發帖、評論等方式攻擊、謾罵他人；不得在網上從事其他違背公序良俗、損害他人合法權益的活動；不去瀏覽一些負面新聞，更不應該去瀏覽一些低俗、暴力的網站，讓自己自覺抵制不良內容；不參與網絡敏感話題，對于一些敏感的或者反動的話題，要及時制止，不參與，不散播。04項目相關知識物體識別人類和計算機是如何識別這張圖片的呢？物體識別的任務劃分

a)分類b)分類+定位c)多目標檢測物體識別任務劃分分類的相關技術圖像分類的流程包括訓練階段和測試階段名詞解釋：訓練集、測試集、獨熱編碼、置信率4種類別的訓練圖片圖像的原始特征表示形式萊娜灰度圖圖像的原始特征表示形式（a）彩色萊娜圖（b）紅色分量（c）綠色分量（d）藍色分量彩色萊娜圖及其紅色、綠色、藍色分量圖像的預處理平移：把我們感興趣的、圖中的對象移到圖像的中間位置，便于盡可能準確地、定量地分析圖像的特征縮放：一個數組越大，計算機處理該數組時消耗的內存越大、花費的時間越長，因而可以根據需要對圖像大小進行調整填充：為了使待處理圖片符合分類模型對圖像像素尺寸的要求，用特定的像素值對圖片的長或寬的像素數量進行補充傳統分類算法特征提?。海?）顏色直方圖、局部二值模式、方向梯度直方圖特征、尺度不變特征變換、Gabor特征、區域協方差描述符（2）主成分分析（PrincipalComponentAnalysis，PCA）、線性判別分析（lineardiscriminantanalysis，LDA）、流形學習（manifoldlearning）和稀疏編碼（SparseCoding，SC）分類器：K近鄰(K-NearestNeighbor，KNN)、支持向量機（SupportVectorMachine，SVM）、決策樹、樸素貝葉斯、邏輯回歸等傳統分類算法KNN分類器原理示意圖深度學習算法深度學習算法的特點優勢：在訓練集數量充足的情況下準確率高局限性：（1）大數據集花費昂貴且耗時，并不容易獲得（2）訓練階段對硬件要求高目標檢測相關技術滑動窗口檢測示意圖目標檢測相關技術預測框的交并比說明非極大值抑制（Non-MaximumSuppression，NMS）：當邊框預測環節生成了大量建議邊框后，接著要為每個矩形框做類別分類概率，最后需要判別哪些矩形框是沒用的。所謂的非極大值抑制就是根據分類器類別分類概率做排序，從小到大排序，先拿最大概率候選框與其他框計算重疊度IOU，丟棄高于閾值的建議框。然后從沒有被丟棄的建議框中再找最大概率建議框，重復上述操作，直到找到所有被保留下來的建議框。滑窗法改進YOLO算法示意圖1.兩步檢測算法：R-CNN2.一步檢測算法：YOLO物體識別的局限性1.多視角和尺度：同一個物體的圖像，它的角度和尺度是多變的，獲取到的這個物體的圖片也是多樣的；2.遮擋：目標物體可能被擋住，圖片中只有目標物體的一小部分；3.光照條件：在像素層面上，光照對圖片的影響非常大；4.類內差異：同一類別的個體之間有許多不同的對象，每個個體都有自己的外形。物體識別的優勢1.在大數據時代，人類獲取的圖片資料越來越多，人們需要借助計算機去承擔這些復雜沉重的工作，否則這些工作將由人類負擔。2.在一些極端環境下，比如水下、嚴寒或酷暑的環境下的物體識別，如果工作由人工智能來完成，人類面臨的危險、傷害和壓力將有所減輕。3.人類判斷物體類別的準確率總體上會比機器的識別率高，但在一些要求精密度的識別，比如缺陷識別、醫學圖片等識別，人類的優勢可能會相應降低。在這類場合，通過機器替代人來實現物體識別，能夠減少錯誤和缺陷。物體識別的應用1.光學字符識別2.圖片識別分析3.工業瑕疵檢測4.視頻監控分析5.醫療影像診斷04項目任務任務1：數字識別1、任務描述手寫數字識別是常見的圖像識別任務。不同人的手寫體風格迥異，大小不一，造成了計算機對手寫數字識別任務的一些困難。任務1實踐的主要目的是了解數字識別的基本原理與過程。首先通過查看數字圖像的像素表達，了解圖像到數字的轉化過程，再通過手寫數字的識別了解手寫體識別的功能。2、任務實現2、任務實現2、任務實現任務2：目標檢測1、任務描述目標檢測是一個典型的計算機視覺任務，主要是完成圖像中的物體的識別。與圖像分類不同的是，圖像分類是預測圖像屬于哪一種類別，而目標檢測則是對圖像中的一個或多個對象進行定位和分類。如果是視頻，則通過不斷的讀取視頻中的每一幀作為一幅幅圖像來進行檢測。任務2實踐的主要目的是了解目標檢測的基本原理與過程，通過上傳圖片來驗證和實踐目標檢測中的圖像預處理、目標定位與分類的各個步驟。2、任務實現2、任務實現2、任務實現04項目小結與展望項目小結人類感覺信息中的80%都是視覺信息，圖像是人類獲取和交換信息的主要來源。機器視覺之于人工智能的意義就是視覺之于人類的意義，而決定著機器視覺技術之一就是物體識別技術。隨著計算機技術的不斷發展，圖像識別技術也在不斷地優化，其算法也在不斷地改進。在某些應用場景，機器視覺比人類的生理視覺更具優勢，它更加準確、客觀和穩定。利用計算機代替人類實現物體識別，能夠盡量縮短時間并減少資源。項目展望人們一直致力于開發各種智能工具輔助人們的生產生活，比如機器人的研制，但是要想使得機器人可以像人一樣運動，輔助人們的工作生活，那么前提是機器人必須具備類似于人的視覺系統，能夠識別物體以及場景，真正的智能工具應該要具備“視覺”。目前的圖像識別技術是作為一個工具來幫助我們與外部世界進行交互，為我們自身的視覺提供強有力的輔助和增強，所有的行動還需我們自己完成。而當機器真正具有了視覺之后，它們完全有可能代替我們去完成這些行動?？傮w而言，目前的物體識別還存在著很多困難，但是隨著人類對自己視覺的逐步了解，一個通用的物體識別技術終會被研究成功。未來的圖像識別技術將會同其他人工智能技術融合在一起，更加智能地出現在我們的生活中，為人類社會的更多領域帶來重大的應用。感謝您的觀看人工智能導論項目五人臉識別--計算機視覺的應用01項目背景02思維導圖03思政聚焦04項目相關知識05項目任務目錄CONTENTS06項目小結與展望01項目背景人臉識別---計算機視覺技術介紹“眼睛是心靈的窗戶”，通過眼睛，我們可以觀察周圍的任何事物，可以看到很多風景，可以捕捉許多對我們有用的信息。同樣，計算機視覺也是一雙“眼睛”，通過它，計算機可以感知環境、獲取信息。我們可以將計算機視覺理解為計算機的“眼睛”，但是計算機的“眼睛”只是對生物視覺的一種模擬而已。人臉識別----計算機視覺應用計算機視覺技術的廣泛應用，信息時代促進了計算機的進一步發展，而計算機與各大領域的結合，使得人們對計算機越來越依賴。人工智能人臉方面的應用，包括人臉識別、人臉檢測、人臉匹配、人臉對齊等等，這應該是計算機視覺方面最熱門也是發展最成熟的應用，而且已經比較廣泛的應用在各種安全、身份認證等，比如人臉支付、人臉解鎖。計算機視覺是一個跨學科的領域，涉及的部分學科如圖5-1所示。

計算機視覺計算機科學信號處理應用數學統計學神經生理學圖5-1計算機視覺涉及的部分學科02思維導圖項目五---思維導圖03思政聚焦人臉識別技術應用人臉識別系統在很多領域都發揮了很多的作用，越來越多的現實場景開始采用人臉識別門禁系統來確保進出人員的安全，國內大部分的辦公場所應用非常廣泛，甚至在國內一些小區，開始鼓勵小區應用人臉識別系統來進行身份識別，所以相信未來，隨處都可以看到人工智能管理應用如圖5-3所示如圖5-3所示人臉識別技術應用啟用人臉識別測溫系統，兼具人臉識別門禁考勤和測溫檢測兩大功能，不僅快速準確識別人員身份，還能檢測播報人體溫度，自動記錄提交進出記錄、測溫數據，報表形式輸出方便查看和監控，發信異常情況也能追溯分析如圖5-4所示。如圖5-4所示04項目知識準備人臉識別過程圖5-5人臉識別過程人臉采集人臉檢測預處理特征提取特征比對識別決策基于幾何特征的人臉識別010203040506人臉識別常用方法基于神經網絡的人臉識別基于特征臉(PCA)的人臉識別方法彈性圖匹配的人臉識別方法線段Hausdorff距離(LHD)的人臉識別方法支持向量機(SVM)的人臉識別方法07多光源人臉識別技術人臉特征提取方法基于人臉特征點的識別算法通過對特征點進行局部特征紋理征提取，然后結合各部分的相對位置關系得到要優化的目標函數并構造迭代的方法，在給定的人臉圖片上首先定位到眼睛等部位的位置，然后提取各特征點之間的分布形狀特征和特征點自身具有的紋理、輪廓等特征，計算不同人臉的特征的“距離”從而對人臉進行識別?；谡四槇D像的識別算法通過信息理論中對人臉圖像進行分析，尋找對信息最高效的編碼，具體化來說，將圖像作為一個高維的數據輸入，通過子空間的劃分（子空間劃分可以借助傅立葉變換來理解，用一組基底的線性組合表示當前的信號，達到既降維又好分類的目的）得到對人臉圖像最有效的表達，并由此來對人臉進行識別，也稱子空間方法或特征臉方法。04項目任務任務1：人臉檢測1、任務描述人臉檢測是將上傳的人臉圖像，采用上文講述的人臉預處理方法將人臉圖片轉化為灰度圖，進行搜索以確定其中是否含有人臉，如果是有人臉則返回臉的位置、大小和姿態。任務1：人臉檢測2、技術分析人臉檢測處理流程如下圖所示：獲取人臉圖像圖像轉為灰度圖獲取人臉框xy坐標獲取眼鏡框xy坐標任務2：人臉驗證1、任務描述人臉驗證是將上傳的兩張人臉圖像，首先是運用任務1中的人臉檢測法得到圖片中人臉位置的xy坐標人臉框之后，對人臉框內的人臉進行人臉關鍵點定位，得到面部關鍵點所在的x,y坐標，得到面部關鍵點之后可運用坐標軸變換得到扭正后的人臉，接下來通過運用訓練好的深度神經網絡將輸入的人臉圖像轉換成一個特征向量表示并進行比較，得到相似度值后判斷兩張人臉圖像是否同一個人。任務2：人臉驗證2、技術分析人臉驗證處理流程如下圖所示：任務3：AI人臉融合技術1、任務描述AI人臉融合技術是將上傳的兩張人臉圖像，獲得人臉的關鍵坐標，后臺運用算法計算合成人臉關鍵點坐標，再通過三角剖分對兩張人臉進行融合處理，生成的新人臉同時具備兩張人臉的外貌特征。任務2：人臉驗證2、技術分析本任務為指定人臉融合，首先檢測到兩張人臉圖片，獲取到人臉的關鍵點坐標，后臺運用算法計算出合成的人臉關鍵點坐標，再通過三角剖分算法將人臉劃分多個三角形，然后返回三角剖分結果，并描點連線繪制出來最終得到兩張人臉融合圖，生成最終的兩張人臉圖像的合成圖像。AI人臉融合處理流程如下圖所示：獲取兩張人臉圖像獲取人臉的關鍵點合成人臉關鍵點人臉三角剖分人臉合成04項目小結與展望項目小結在本章中，我們了解了人臉識別的關鍵技術與原理。如果要從一張圖片或一段視頻中做人臉識別，首先要在圖像中準確標定出人臉的位置和大小。對截圖的人臉圖像進行預處理之后，再根據人臉五官關鍵點坐標，計算特征值。將提取的人物圖像的特征值與數據庫中存儲的特征值進行匹配，如果相似度超過預設的閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征進行比較，根據相似度對人臉的身份信息進行判斷。項目展望隨著人臉識別技術的逐步成熟，靠“臉”生存將不再是幻想。伴隨著人臉識別等人工智能技術的發展，今后，從個人生活、教育、商業服務到城市管理都將全面邁入智能化時代。特別是高校在課堂上引入人臉識別技術、對學生面部表情進行識別，記錄學生的學習狀態，能更好的了解學生的學習情況，從而及時調整教學節奏。感謝您的觀看人工智能導論項目六生物信息識別01項目背景02思維導圖03思政聚焦04項目相關知識05項目任務目錄CONTENTS06項目小結與展望01項目背景生物醫學信號概述生物醫學信號是人體生命信息的集中體現!是窺視生命現象的一個窗口。因此，深入進行生物醫學信號檢測與處理理論與方法的研究對于認識生命運動的規律，探索疾病預防與治療的新方法以及發展醫療儀器這一高新技術產業都具有極其重要的意義。02思維導圖項目五思維導圖03課程思政近年來，我國發布了多條全國性政策和醫療人工智能專項政策，人工智能醫療上升為國家戰略。我國醫療需求不斷提升的同時，醫療資源分配不均，醫護人員短缺等問題仍然十分嚴峻，而人工智能剛好彌補了這一短缺，加之人工智能醫療的政策規劃不斷落地，更加速我國人工智能醫療的發展?，F階段，人工智能+醫療主要有八大應用場景，分別是虛擬助理、醫學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫院管理和輔助醫學研究平臺。我國居民心理行為問題和精神障礙的人群逐漸增加，民眾心理健康問題日益凸顯，國家對于心理健康和精神衛生的問題也越來越重視,各種相關政策陸續出臺。精神疾病不僅降低個人的生活質量，還會導致醫療支出增加。人工智能的進步正把心理治療帶給更多需要它的人。04項目知識準備常見的生理信號人體給出的信號非常豐富，每一種信號都攜帶著對應一個或幾個器官的生理或病理的信息。這些信號可大致分為電生理信號、非電生理信號、人體生理特征信號、生化信號和生物信息。電生理信號

其中，重要的是心電信號(ECG)、腦電信號(EEG)和肌電信號(EMG)。其次是胃電信號、眼視網膜信號和眼電信號。這些電信號源自于人體內細胞膜內外的電位差。億萬細胞的電活動通過人體組織傳到體表，并疊加在人體不同部位形成了相應的電生理信號。只要人的生命特征存在，這些電生理信號總存在。電生理信號

心電信號心電信號是反映人體心臟情況的信號。心電信號的應用已經走進了我們的日常生活。除了醫院使用的專業儀器，市場上也有很多穿戴式設備可以用于日常的ECG信號檢測，如AppleWatch,華為手表,和Fitbit等。圖6-1展示了AppleWatch.圖6-1AppleWatch電生理信號

腦電信號腦電圖(EEG)是腦神經細胞電生理活動在大腦皮層或頭皮表面的總體反映。腦電信號中包含了大量的生理與疾病信息,在臨床醫學方面,腦電信號處理不僅可為某些腦疾病提供診斷依據,而且還為某些腦疾病提供了有效的治療手段。在工程應用方面,人們也嘗試利用腦電信號實現腦-計算機接口(BCI)。圖6-2EEG腦電信號腦電（Electroencephalogram，EEG）是一種使用電生理指標記錄大腦活動的方法，大腦在活動時，大量神經元同步發生的突觸后電位經總和后形成的。它記錄大腦活動時的電波變化，是腦神經細胞的電生理活動在大腦皮層或頭皮表面的總體反映。腦電信號的電壓很小，需要高精度的儀器才能探測到。常用于腦電分析的頻域特征有α、β、δ、θ和γ等。腦電信號α頻率于8-13Hz之間，大多發生在成人時期中，是節律性腦電波中最明顯的波，通常出現在頭的后部，在頭兩側都會有，主導側的振幅會比較高。當清醒的人處于放松或者閉眼狀態時，可以在枕葉區探測的EEG中檢測到alpha波。α代表放松的狀態，是學習與思考的最佳腦波狀態。腦電信號β波頻率于13-30Hz之間，通常振幅小于30uV，會出現于所有年齡層的警戒狀態以及被個人期望所引發的焦慮情緒中。β波涉及有意識的思想，邏輯思維，適量的β波幫助我們集中精力完成任務，有利于學習等認知行為，但是當β波過多的時候身體處于緊張的狀態，容易引發焦慮和壓力。腦電信號γ波頻率位于30-70Hz之間，與情緒穩定、正面思考有關。近年研究發現，此波和選擇性注意力有關。當此波形出現大幅波動時，表示受試者喜歡被測試的對象。出現該頻段時人通常處于十分激動、亢奮的狀態，或是受到了強烈的刺激。腦電信號δ波頻率范圍0-4Hz，與最深層次的放松和恢復，愈合、睡眠有關。有助于我們在睡眠良好后徹底恢復活力。太多的δ波與腦損傷、學習問題有關，太少則可能無法興奮大腦。腦電信號θ波頻率位于4-8Hz之間，有助于幫助改善我們的直覺，創造力，大多出現于幼童時期或是成人半睡半醒的狀態以及意識靜止的冥想放松狀態之間。太多的θ波與多動癥、注意力不集中有關，太少則與焦慮、壓力大有關。最佳狀態時有助于發揮創意和放松。這些意識的組合，形成了一個人的內外在的行為、情緒及學習上的表現。電生理信號

肌電信號肌電信號（EMG）是眾多肌纖維中運動單元動作電位（MUAP）在時間和空間上的疊加。表面肌電信號（SEMG）是淺層肌肉EMG和神經干上電活動在皮膚表面的綜合效應，能在一定程度上反映神經肌肉的活動。SEMG在臨床醫學、人機功效學、康復醫學以及體育科學等方面均有重要的實用價值。圖6-3肌電信號示意圖情緒識別情感是人類在適應社會環境的過程中所逐漸形成的一種機制。情緒本身具有非常高的復雜性和抽象性，通常將情緒分為離散型模型和連續型模型兩種。離散型情緒包括生氣、討厭、害怕、高興、悲傷和驚訝等6種基本情緒類別，連續型情緒模型可以從維度觀的角度進行理解，情緒的維度空間模型又可以分為二維、三維等不同類型。二維連續型模型如圖6-3所示。圖6-4情緒的連續型二維空間表示，情緒識別腦電信號可以用于情緒的識別。在基于腦電信號的情緒識別任務中，需要對腦電信號進行預處理以提高信號的質量，預處理一般包括降采樣、濾波、去除偽跡以及特征提取等環節。對情緒的識別主要包含以下步驟：（1）誘導情緒（2）數據預處理（3）特征提取和特征選擇（4）訓練模型情緒識別如果采用離散情緒模型，那么情緒識別任務將是一個分類任務。對于分類任務，有許多的分類模型可以選擇。傳統的有監督和無監督等機器學習模型包括KNN、SVM、NaiveBayes、決策樹、GBDT、K-means等模型。本任務中，我們選擇支持向量機（supportvectormachines，SVM）作為分類器。支持向量機是一種二分