人工智能深度学习基础知识培训课件.pptx

《人工智能深度学习基础知识培训课件.pptx》由会员分享，可在线阅读，更多相关《人工智能深度学习基础知识培训课件.pptx（65页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245走 进 人 工 智 能Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B2450 0引言引言第一次第一次信息革命信息革命第二次第二次信息革命信息革命

2、第三次第三次信息革命信息革命第四次第四次信息革命信息革命第五次第五次信息革命信息革命第六次第六次信息革命信息革命语言的创造语言的创造猿人信息得以交流和传递文字文字的的出现出现信息可以被储存在文字中进行传播，解决了语言的时间和空间的局限性印刷术的发明印刷术的发明扩大了信息的交流、传递的容量和范围无线电的发明无线电的发明电磁波传播信息，速度增长几十亿倍电视电视的的出现出现声音、图片影像、文字实现同时远距离实时传播（摘自人民出版社大数据领导干部读本）（摘自人民出版社大数据领导干部读本）计算机与互联网的使用计算机与互联网的使用突破了人类大脑及感觉器官加工利用信息的能力，人类进入信息社会时代Title:

3、Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B2450 0引言引言第七次信息革命第七次信息革命？现在我们正经历着一场信信息息革革命命。这不是在技术上、机器设备上、软件上或速度上的一场革命，而是一场“概念”上的革命。以往50年信息技术的重点在“技术”上，目的在于提升信息传播范围、传播能力和传播效率。而新的信息革命的重点将会在“信息”上。彼得德鲁克 21世纪的管理挑战Title:Type:微软雅黑Size：24

4、-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245什 么 是 人 工 智 能2.1人 工 智 能 典 型 应 用2.2人 工 智 能 技 术 体 系2.32人工智能篇总结与展望2.4Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245时代

5、背景：新一代人工智能发展规划的提出为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，日前国务院印发新一代人工智能发展规划。-2017.7.8规划指出：立足国家发展全局，准确把握全球人工智能发展态势，找准突破口和主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度，全面提升经济社会发展和国防应用智能化水平。Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R9

6、0,G203,B245AlphaGo到底有多厉害？2016年，AlphaGo围棋程序就在19*19棋盘上无条件战胜了人类棋王。研制AlphaGo的团队DeepMind正在投入AlphaSC的研发，未来将于人类顶尖高手在星际争霸游戏中一较高下。Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245AlphaGo怎么做到的？lAlphaGo使用两种不同的深度神经网络：第一种是策略网络，目标是选择在哪里

7、落子。第二种则是价值网络，价值网络的作用是衡量走这一步对最终输赢的影响。lAlphaGo成功的关键在于:u海量对弈数据：6000万局对弈数据。u算法创新：深度神经网络+“左右手互搏”。u计算能力出众：打败李世石的AlphaGoLee的芯片为50TPU,搜索速度为10k位置/秒。监督式学习监督式学习强化学习强化学习Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245AlphaGo绝非一帆风顺3月1

8、3日李世石九段“神之一手”“AlphaGo远非人工智能的终点。”微软研究院著名机器学习专家JohnLangford批评了Wired和Slashdot等媒体对于“实现人工智能”夸大其词的相关报道。Langford认为这些进展本是好事，但报道的时候产生了偏差，这容易导致失望和人工智能寒冬。JohnLangford国际机器学习大会ICML2016程序主席“AlphaGo以为自己做的很好，但在87手迷惑了，有麻烦了”“错误在第79手，但AlphaGo到第87手才发觉”Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size

9、：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245从AlphaGo到AlphaGo MasterZen/CrazyStoneAlphaGo FanAlphaGo LeeAlphaGo Master500045004000350030002500200015001000500060-0vs顶级专业人士（在线游戏）等级分专业级业余级入门级2017年7月9日,柯洁携20连胜,等级分冲至3675分，世界排名第一2.1 什么是人工智能Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtit

10、le:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能的定义人工智能：Artificial Intelligence英文缩写：AI简单来说，就是想生产出一种能以人类智能相似的方式做出反应的智能机器。是计算机科学的一个分支，研究包括机器人、语音

11、识别、图像识别、自然语言处理和专家系统等。机器人仅仅是人工智能的一个分支Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能的评判标准阿兰图灵英国数学家、逻辑学家，被视为计算机科学之父。阿兰图灵在1950年发表的一篇名为计算机器与智能的论文，提出著名的“图灵测试”，测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。如果机器能够让30%的测试人相

12、信它是人类，那么这台计算机就可以被认为具有人类的思考能力。图灵测试 图灵测试额外加分项：说服测试者，令他认为自己是电脑。Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能发展简史混沌初生开天辟地百家争鸣百花齐放物竞天择适者生存达特茅斯会议的召开标志着人工智能的诞生。（1956年）图灵测试的提出标志人工智能进入萌芽阶段。以DENDRAL系统为代表的专家系统大量涌现。（19701980）浅

13、层机器学习模型兴起，SVM、LR、Boosting算法等纷纷面世。（19902000）多伦多大学教授Hinton开启深度学习在学术界和工业界的浪潮（2006）人工智能出现新的研究高潮，机器开始通过视频学习识别人和事物，AlphaGo战胜围棋冠军（2011今）随着新的算法和模型不断涌现，学科交叉现象日趋明显，人工智能的研究进入了新的阶段。奠定了人工智能的数学基础，出现了人工智能历史上的第一个应用。-西蒙和纽厄尔提出了“LogicTheorist”自动定理证明系统。大数据时代的到来给人工智能的发展带来契机，人工智能全面融入人们的社会生活Title:Type:微软雅黑Size：24-32ptColo

14、r：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245几个概念间的关系人工智能机器学习深度学习有监督无监督概率Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Deep learning深度学习概念(1/2)Title:Type:微软雅黑Size：24-32

15、ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Deep learning深度学习概念（2/2）Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Deep learning深度学习千万规模u越来越复杂的网络u越来越多的训练样本：u越来越短的

16、迭代要求u推理的要求越来越多Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Why GPU？GPU设计哲学：1、SIMD/SIMT，单指令多数据2、众多线程，人多力量大项目CPUGPU内核最多只有22个几千个核心并行为一步步的连续计算而设计为高度并行的运行方式而设计带宽内存带宽内存带宽场景文字处理交易型数据库网络应用DNA排序物理建模图片分析视频编解码Title:Type:微软雅黑Size：

17、24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245最好的时代？美国人工智能战略中国新一代人工智能发展规划企业脑计划：Google/MS/fb/Baiduu政府/企业空前重视u大数据发展带来海量数据u硬件发展带来计算能力革命性提升GPU/TPU深度学习理论发展海量数据的标注对数据量较少的场景支持不力Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：

18、18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B2452.2 人工智能典型应用Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能应用：语音识别Skype语音聊天实时翻译微软Cortana/小冰Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Siz

19、e：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能应用：计算机视觉u计算机视觉u人脸识别LFW测试准确率近100%u图像识别ImageNet测试识别率超过人u目标检测u以图搜图u看图说话uu各大公司“军备竞赛”uMS，Google，fb，baiduu1000类目标图像识别u20%-10%-6%5%-4%Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G19

20、8,B62R90,G203,B245人工智能主要应用领域人工智能246531个人助理个人助理自驾领域自驾领域电商零售电商零售安防安防教育教育金融金融7医疗健康医疗健康Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能应用领域2.3 人工智能技术体系Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：1

21、8ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能技术体系Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245机器学习 Machine LearningMachine Leaning=Machine+Learning 机器学会“人识别事物的方法”LearningtrainingRecognitionRedRoundyello

22、wlongorangeRoundapplebananaorangeFeatureExtractionTitle:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245机器学习 Machine LearningMachine Leaning=Machine+Learning 机器学会“人识别事物的方法”MachineLearningtrainingFeatureExtractionRecognitionRedR

23、oundyellowlongorangeRoundapplebananaorangeTitle:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245机器学习处理过程Raw DataFeature ExtractionXProcessed DataData AnalysisAnomaly DetectionDimension ReductionRegressionLinear regressionClassi

24、ficationNave BayesSVMNeutral NetworkClusterK MeansMixture of GaussianTraining AlgorithmsValidationNew DataTraining ModelFinal ModelresultRegularization4 5 6 0 1 3 5 76 8 5 70 0 2 0Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G2

25、03,B245Feature Extraction特征提取(1/2)图像的特征提取Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Feature Extraction特征提取(2/2)APP特征提取unzipdecompilePermission android.permissioin.BRICKPackage .wifiData collectionmatrixTitle:Type:微软雅

26、黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245THANK YOUSUCCESS2023/1/433可编辑Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Data Analysis数据分析(1/2)高斯分布剔除异常数

27、据Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245(inches)(cm)数据降维Data Analysis数据分析(2/2)Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Supervi

28、sedLearningLinearregressionLogisticregressionNaveBayesiansNeutralNetworkSVMDecisionTreeK-NNUnsupervisedLearningK-MeansMixtureofGaussiansReinforcementLearningTrain algorithms算法/模型训练Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G2

29、03,B245ModelConstructionJ()ComputationGradientDescentGetoptimizedFinal Training ModelTrain algorithms算法/模型训练Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Train algorithms 模型训练：梯度下降算法（GD）Title:Type:微软雅黑Size：24-32ptColor：

30、The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Problem:The training model is good or bad?Underfitting?Overfitting?After get the training model:is fit or not?Model Validation模型验证Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptCol

31、or:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Model Validation模型验证Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245深度学习处理过程Raw DataFeature ExtractionXProcessed DataData AnalysisAnomaly DetectionDimension ReductionRegr

32、essionLinear regressionClassificationNave BayesSVMNeutral NetworkClusterK MeansMixture of GaussianTraining AlgorithmsValidationNew DataTraining ModelFinal ModelresultRegularization4 5 6 0 1 3 5 76 8 5 70 0 2 0Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE gree

33、nG143,B212R140,G198,B62R90,G203,B245DNNCNNRNNLSTM几种深度学习网络深度神经网络Deep Neural Network卷积神经网络convolutional neural network循环神经网络Recurrent Neural Net长短时记忆Long Short Term MemoeryTitle:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245深度神

34、经网络DNN（Deep Neural Network）2006年GeoffreyHinton利用预训练方法缓解了局部最优解问题，将隐含层推动到了7层神经网络真正意义上有了“深度”ReLU、maxout等传输函数代替了sigmoid仍然是全连接Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245卷积神经网络CNN（convolutional neural network）数据输入层/Inputla

35、yer卷积计算层/CONVlayerReLU激励层/ReLUlayer池化层/Poolinglayer全连接层/FClayer卷积计算层：参数共享机制：每个神经元连接数据窗的权重是固定的每个神经元只关注一个特性需要估算的权重个数减少一组固定的权重和不同窗口内数据做内积:卷积深度/depth步长/stride填充值/paddingTitle:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245LeNet，最早

36、用于数字识别的CNNAlexNet，2012ILSVRC比赛远超第2名的CNN，比LeNet更深，用多层小卷积层叠加替换单大卷积层GoogleNet，2014ILSVRC比赛冠军VGGNet，2014ILSVRC比赛中的模型，图像识别略差于GoogleNet，但是在很多图像转化学习问题(比如objectdetection)上效果奇好ResNet，2015年ILSVRC比赛的冠军，微软打造，层次极深(152层)典型CNN网络Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE

37、greenG143,B212R140,G198,B62R90,G203,B245CNN：Convolutional Layer卷积层卷积计算层：参数共享机制：每个神经元连接数据窗的权重是固定的每个神经元只关注一个特性需要估算的权重个数减少一组固定的权重和不同窗口内数据做内积:卷积Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245CNN：Pooling Layer池化层Title:Type:微软

38、雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245循环神经网络RNN(Recurrent Neural Net）为什么有了DNN、CNN，还需要RNN？传统神经网络(包括CNN)，输入和输出都是互相独立的图像上的数字、车、人是分隔开的，但有些识别任务后续的输出和之前的内容是相关的，例如：“我的家乡在南京，位于长江中下游”主要应用于NLPRNN引入了“记忆”的概念每个元素都执行相同的任务，但是输出依赖于输入和“记忆”自然

39、语言理解Google翻译Baidu翻译Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245长短时记忆 LSTM（Long Short Term Memory）LSTM是RNN一种，大体结构一致，其“记忆细胞”改造过，需要的话某些信息会一直传递下去看电影的时候，某些情节的推断需要依赖很久以前的一些细节随着时间间隔不断增大时，RNN 会丧失学习到久远之前信息的能力也就是说RNN记忆容量是有限的，离得

40、越远的东西忘得越多RNN解决了之前的信息保存的问题，无法解决长期依赖的问题翻译语言控制机器人文档摘要语音识别图像识别AppleSiriAmazonAlexaGoogleAlloTitle:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245Caffe源于Berkeley的主流CV工具包支持C+,python,matlabModelZoo中有大量预训练好的模型供使用Mxnet对显存利用率高定义网络层简单Ten

41、sorFlowGoogle的深度学习框架TensorBoard可视化很方便，实时监控数据和模型并行化好，速度快工业深度学习框架Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245工业深度学习框架比较2.4 人工智能总结与展望Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE

42、greenG143,B212R140,G198,B62R90,G203,B245人工智能阶段划分弱人工智能 擅长于单个方面的人工智能人类级别的人工智能，可以替代大部分人类工作强人工智能 在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。超人工智能 Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能的发展机遇（1）-大数据时代为人工智能提供了广阔的数据资源l大数

43、据价值利用的最大瓶颈不是千万亿次的计算能力和千兆级的网络通信能力，而是智能化的信息处理能力。“目前，全球数据总量每年都以倍增的速度增长，预计到年将达到万亿，中国数据量到年将占全球数据总量的近。”-中国科学院院长白春礼人工智能是发掘数据金矿的钥匙，数据资源和识别任务的不断快速增长为人工智能提供了燃料和方向Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能的发展机遇（2）-深度学习等新技术

44、提供了方法创新2007年前后逐渐发展起来的深度神经网络，深度置信网络以及对抗神经网络等多种网络模型结构，并在语音识别、图像识别等领域得到广泛应用。通过运用这一类技术，人类首次在图像识别领域战胜人类，首次在围棋正式比赛中战胜人类冠军。深度学习技术的不断发展为人工智能提供了引擎和动力。Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能的发展机遇（3）-学科领域交叉与渗透人工智能的广泛应用使

45、得若干传统学科的研究方法出现了巨大创新。而相关领域在大数据时代的研究成果也能够对人工智能理论与方法带来影响，进而推动人工智能学科与其他学科的协同创新。学科领域交叉与渗透为人工智能的未来提供了无限可能Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245人工智能威胁论“人工智能可能是人类生存的最大威胁。短期内，最直接的威胁是人工智能将取代人类工作。马斯克称，在未来20年，驾驶人员的工作将被人工智能所

46、颠覆。之后，全球12%至15%的劳动力将因为人工智能而失业。”有些人是因为对人工智能的原理不理解而导致恐惧，有些人是为了个人名望而宣扬人工智能威胁论，有些人则是为了商业利益而推动人工智能威胁论。”YannLeCunFacebookAI负责人特斯拉CEO马斯克指数式增长，波浪式增长，哪种才是AI的未来？Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245总结与展望1、逻辑（logical）2、语言

47、文字（linguistic）3、空间（spatial）4、音乐（musical）5、肢体动作（kinesthetic）6、内省（intra-personal）7、人际（inter-personal）8、自然探索（naturalist）9、图形图像（Graphics）伴随大数据时代的到来，计算能力的大幅提升，人工智能技术在越来越多的领域取得了突破或者长足的进步。AI离人类智能还有多远？对比哈佛大学心理学家加德纳的多元智能理论，在空间、音乐和肢体运动方面有差距，在内省、人际和自然探索方面尚无可比性。历史是螺旋进步的，人工智能走到今天并非一帆风顺，经历了三个浪潮。语音识别图像识别自然语言处理明天今天

48、昨天Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245未来，已来这些力量并非命运，而是轨迹它们提供的并不是我们将去往何方的预测只是告诉我们，在不远的将来我们会想哪些方向前行必然而然Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G1

49、98,B62R90,G203,B2453 大数据驱动的人工智能时代下的智慧xx建设Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245BD/AI项目战略业务组织智能安全性能Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B6

50、2R90,G203,B245数据集中智能精准实时高吞吐分布式训练数据安全自主掌控数据采集（文件/数据库/日志/实时流)档案、语音、视频、位置、语音分析人脸识别车辆识别数据存储（结构化/非结构化）目标检测高性能分布式训练分布式计算引擎位置分析关联分析精准画像分析预测能力开放应用1应用2Title:Type:微软雅黑Size：24-32ptColor：The ZTE blue Subtitle:Type：微软雅黑Size：18ptColor:The ZTE greenG143,B212R140,G198,B62R90,G203,B245延伸阅读TomWhite-Hadoop权威指南李航-统计学习方