一、人工智能概述

1、定义

智能的三大能力：

感知能力：接收来自外界信息的能力

记忆与思维能力：识记、保持、再认识和重现客观事物所反映的内容和经验的能力；将感性认知抽象为理性知识的能力

学习与适应能力：通过学习过程来丰富知识和技巧的能力；对环境、条件作出反应的能力

    人工智能作为一门学科，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

    研究范围包括：机器人、语言识别、图片识别、自然语言处理、专家系统......

2、发展历史

正式诞生已有60多年历史

3、三大学派

    符号主义学派（逻辑主义/心理学派/计算机学派）：人脑思维功能与计算机工作结构方式具有相同的理论基础，即都是符号逻辑；推而广之，凡是用抽象化、符号化形式研究人工智能的都称为符号主义学派

    连接主义学派（仿生/生理学派）：从人脑神经生理学结构角度研究探索人类智能活动规律；此观点认为，研究人工智能的最佳方法是构造人工神经网络模型

    行为主义学派（进化主义/控制论学派）：从人脑智能活动所产生的外部表现行为角度研究探索人类智能活动规律，认为人工智能源于控制论，可用感知-动作模型表示；在人工智能出现后得到很大发展，其典型应用是机器人，特别是智能机器人

4、研究目标

弱人工智能 / ANI：特定领域、单方面人工智能；深蓝、AlphaGo

强人工智能 / AGI：通用任务；学习、推理、认知

超强人工智能 / ASI：与人类智能一样；局部超越人类智能

5、行业应用

医疗行业：智慧诊疗、医学影像、智能健康管理

教育行业：远程教育AI辅助、线上监考防作弊

交通行业：交通云控平台、智慧运营、道路管理

物流行业：智能仓储、自动化、数据追踪

制造行业：设计、制造流程智能化；产品智能化研发设计、智能质检

二、人工智能产业结构

基础层

数据服务：通用数据、行业数据

软件设施：云计算平台：提供软硬件资源-计算、存储和网络等能力；大数据平台：数据存储、处理、分析等功能，为人工智能提供“养料”

硬件设施：芯片、传感器-信号采集、处理、转换

技术层

基础框架：TensorFlow、PyTorch、Caffe、Keras...

算法模型：机器学习模型、深度学习模型

通用技术：计算机视觉、自然语言处理、知识图谱...

应用层

应用平台：视觉智能开放平台、语音交互开放平台、NLP自学习平台...

应用场景：智能制造、交通、教育、医疗...

人工智能产品：智能音箱、自动驾驶、智能机器人、人脸支付...

三、人工智能项目开发基本流程

需求分析

调研分析，完整的需求信息；需求规约，其他目标（非功能性需求、约束条件）

项目需求收集方法：

头脑风暴：围绕核心问题，自由发挥发表观点；问题拆解、关键点讨论

用户调研：问卷调查、访谈

竞品分析：竞品对标、优劣势比较、功能点比较

数据分析：问题、分析、结论

需求分析-KANO模型：用户需求分类和优先级排序工具

基本型需求（购物）：产品或服务的基本要求

期望型需求（售后支持）：满意状况与需求的满足程度成比例关系的需求

兴奋型需求（用户体验）：不断满足客户的期望需求，用户满意度急剧上升，反之则不断下降

无差异需求（技术升级）：对用户体验无影响的需求

反向型需求（广告）：引起强烈不满和导致低水平满意度

案例：拍立淘业务需求分析（智能视觉搜索产品）

中老年网上购物需求

年轻人的兴奋型需求

优点：

随手拍照，省去繁琐的文字描述，简化购物流程，提高购物体验

数据准备

有目的性地收集、整合相关数据

数据采集：通用数据、行业数据

数据处理：残缺数据、错误数据、重复数据

数据标注：标注标准、标注形式、标注工具

拍立淘数据来源：

海量商品类目和图片；主图、SKU、副图、晒单图、详情图

去除光线不好、模糊、格式不符的数据（gif）

利用标注工具进行品类划分

模型训练

模型构建

主流框架TensorFlow等，开发平台

模型评估

算法参数、数据集、模型指标

模型优化

基础数据、构造特征、算法选择、实验策略

模型应用

模型部署：移动端/服务器端、部署环境、内存情况

效果跟踪：流量测试、迭代更新、数据分析