7 人工智能总结

人工智能知识总结

本学习资料主要从人工智能能做什么，为什么学人工智能、通过智能小恐龙引出学习人工智能就是学习f(x)=y、通过声控小恐龙引出KNN算法；在视频资料中涉及了什么是人工智能、人工智能与机器学习、深度学习的关系等内容，还告诉大家利用人工智能解决问题的步骤等。

大家对人工智能，不需要深刻了解它的底层实现，会用就好！

智能小恐龙游戏链接：https:///dino

人工智能教学内容包含七部分：人工智能能做什么、智能小恐龙、学习人工智能就是学习f(x)=y、声控小恐龙、聊聊线性(f)和非线性(f)、初识KNN和猫狗大战，找寻xy七个视频资料。

”52-为什么学人工智能

马云——2018世界人工智能大会，人工智能是技术，人工智能又不是具体的一项或几项技术，人工智能是认识外部世界、认识未来世界、认识人类自身，重新定义我们自己的一种思维方式，重新定义自己未来的一种生活方式。

全世界都在讨论人工智能！

人工智能是一种思维方式，是认识外部世界、认识未来世界、认识人类自身，重新定义我们自己的一种思维方式，因此和所有人有关。

李开复——人工智能带来的变革很大，甚至不需要发明新的技术，优化已发明的技术用在各个行业，就可以取代50%的工作。

无人驾驶汽车、人脸识别的智能门锁、扫地机器人、自动美颜相机、智能咖啡机等等。

刷脸技术——卷积神经网络

工业——机器人、

医疗——利用人工智能技术提高糖尿病人视网膜病变的早筛查、早诊断、早治疗；肿瘤的早诊断

交通——无人车、无人机、导航

生活中——AlphaGo（阿尔法围棋）、机器投篮、自动翻译软件、语音输入（语音识别）、AI主播（央视主持人大赛有提到）、AI记者、人工智能会写诗、对联、不同风格的绘画

1）人工智能是现在人们应该具备的一种新的思维方式！

2）人工智能技术革命的影响不可避免，涉及所有人工作正被或

可能被人工智能取代或改变，了解熟悉人共智能可以对行业发展具有前瞻性。

3）你是想要在一个被别人掌控的人工智能时代，还是自己也能

高性能热-大数据热-人工智能热

所有的技术热潮从来都不是从无到有，而是在以前技术上发展的。

不需要很深的数学技术，不需要编程，会用就好。

●小恐龙到障碍物距离L，速度S，障碍物宽度W

收集这些数据不是为了简单重复，而是为了找到一定的规律。

●小恐龙智能避开障碍物的问题：跳/走，分别收集跳的数

据和走的数据，接近谁选择谁。

S L W----跳/走

x f y

●学习这些数据的方法：线性和非线性，f(x)=y—

f(L/S/W)=跳/走

9.1.3 f(x)=y 9”40

f(x)=y

●

●

●是研究如何使计算机去做过去只有人才能做的智能工作

+

●

重新组织

●

●而是举一反

的能力，这种能力就是f(x)=y

●某综艺选秀节目中的评委分数计算f

●高考中的f：通过做过的题目(x)和已知答案(y)学习解题

方法(f)

f:不能有口呼吸）

●机器学习的核心是使用大量的数据（已经做过的题目和答

案）来训练通过各种算法从数据（解题方法）中学习如何完成任务（解答高考题目）

●以前熟悉的f(x)=y区别

✧以前熟悉的f(x)=y

✧人工智能中的f需要

训练、选择或学习获得。

✧智能小恐龙游戏中的f选择线性和非线性，结果不同。●

法是一类从搜集到的数据中通过不断学习自动分析获得规

律，机器学习算法是一类从搜集到的数据（x和y）中通过

不断学习自动分析获得规律f，机器学习目标从已经收集

y中获得f，从而碰到新的x用f分析得到y。

●

是机器学习一个重要分支。机器学习从形式上分为三种。

收集声音样本，越多越好

智能小恐龙，x，L/S/W；y，跳/走；

声控小恐龙，x，声音1/声音2；y，跳/低头

f(智能小恐龙)=非线性

f(声控小恐龙)=KNN

✧MFCC方法提取声音样本13个特征

✧在KNN中欧氏距离公式计算样本13个特征之间的距

✧f(x)=y可以用在几乎所有的方面：垃圾分类，所有分类

✧

找到f，最后运用f，f是解决问题的方法，这个方法可

以通过学习来完善，而且解决同一问题是存在好多f的，

但最终要找到一个最优的f。

✧

➢第2小节

9.2.2 聊聊线性(f)和非线性(f)： 8”15

1、以商场促销为例，讲解线性与非线性

●决策标准

●决策边界：决策边界是一条直线（一刀切）-线性；决策

边界不是一条直线（不能一刀切）-非线性（折线）

2、线性方法应用案例

以我国GDP预测增长为例，预测方法，y=ax+b，确定a和b，用最小二乘法来完成

3、非线性方法案例

数学和公式比较复杂，只要会用就可以了

4、智能小恐龙算法和代码

5、声控小恐龙算法和代码

9.2.3 初识KNN：14:00

1、KNN介绍

●什么是KNN

K邻近算法（K-Nearest Neighbor algorithm），常被用于分类问题的算法；是非参数、基于实例的算法；非参数是

学习一个模型，而是选择记忆训练的实例；物以类聚，人以

群分；在判定一个未知事物时可以观察离它最近的几个样本

●算法的思想

K值越大，选择样本的范围就越大；少数服从多数；

●算法的步骤

✧建立模型

✧计算未知样本和每一个训练样本的距离dist

✧得到目前k个最临近样本中的最大距离maxdist

✧如果dist小于maxdist，则将该训练样本作为K-最

近邻样本

✧重复步骤2、3、4，直到未知样本和所有训练样本的

距离都算完

✧统计K个最近邻样本中每个类别出现的次数

✧选择出现频率最大的类别作为未知样本的类别

●算法的三个基本要素

✧K值的选择

K值取小的话意味着数据噪音会很大程度影响结果；

K值取大的话会使计算成本很大；K值取值很大程度